应急状态下矿井瓦斯爆炸致灾因子传播快速分类器研究*

为了在矿井瓦斯爆炸灾变发生后，快速确定瓦斯爆炸冲击波的压力、温度、有毒有害气体等致灾因子在井巷网络中的传播情况。利用CFD数值模拟或爆炸实验获得瓦斯爆炸冲击波的压力、温度、有毒有害气体等致灾因子传播大数据，将影响瓦斯爆炸传播的因素以及观测点等参数作为人工神经网络的输入节点，压力、温度等致灾因子作为输出节点，建立瓦斯爆炸致灾因子传播快速预测机器学习模型，解决CFD数值模拟的建模、计算及数据分析处理等过程耗时大、不适应灾变应急的快速响应等问题。研究结果表明:在给定爆炸位置和爆炸当量的均直巷道，获得任一点的爆炸冲击波压力、温度以及有毒有害气体所需时间是瞬时的，人工神经网络平均训练误差为6.92 %，有训练样本的验证误差为5.24 %，无训练样本的验证误差为6.88 %。     

基于非线性技术锅炉故障分析*

为预测和判断锅炉故障的发生，完善锅炉故障检测技术，基于锅炉运转具有非线性特点，提出将非线性评价指标应用于锅炉故障诊断。研究特征信号的非线性特性，通过确定延迟时间和嵌入维数来重构相空间；采用混沌分形理论研究非线性评价指标；提取最大Lyapunov指数和关联维数，并为收集的每种特征信号选择最合适的非线性指标。结果表明:蒸汽压力的非线性特征指标应选择关联维数，烟气温度1、烟气温度2、水管温度1和水管温度2的非线性特征指标应当选择最大Lyapunov指数。     

基本竞争型神经网络在工伤保险差别费率确定中的应用

合理的行业差别费率,对于工伤预防、降低工伤事故具有重要作用。行业差别费率是按照不同行业发生伤亡事故和职业病危害的不同规定不同的缴费标准。应用基本竞争型人工神经网络对行业风险进行等级划分,针对工伤数据关系具有复杂性、非线性性的特点,为行业工伤保险差别费率的厘定提供一种新方法。     

人工神经网络模型在地震安全评价中的应用

地震影响系数是地震安全评价的一个重要参数 ,其分布受到场地条件和基岩条件的共同影响 ,对场地影响的考虑相对比较成熟 ,对基岩的影响则相对考虑较少 ,难以满足城市和重大工程设防的要求。综合考虑基岩条件和场地条件的地震影响系数计算 ,关键在于确定基岩裂缝、能量、位移、场地等指标的分布与地震影响系数之间的关系 ,由于这种非线性关系需要构建多元非线性模型 ,故通过应用人工神经网络方法 ,得到地震影响系数计算模型。以唐山市为实例 ,进行了计算并分析了计算结果 ,为城市规划和工程建设提出了几点建议     

基于BP神经网络模型的矿井通风可靠性研究

在MATLAB7．0神经网络工具箱的基础上，通过采用快速的Levenberg-Marquart算法。提高神经网络训练的速度与精度，实现矿井通风系统可靠性的研究和预测。旨在以一种相对简单的途径实现人工神经网络这种复杂而有效的非线性预测方法。实验结果显示了L—M算法的优越性，网络具有良好的收敛特性。     

人工神经网络在煤与瓦斯突出预测中的应用

由于煤与瓦斯突出发生机理的复杂性,传统预测方法的应用受到很大的限制,而人工神经网络理论以其高度非线性映射的特性为解决这一问题提供了新的途径。以突出预测指标为基础,利用多层反向传播神经网络(BP网络)模型实现对突出危险性的预测。实例分析表明,模型精度很高,可用于工作面煤与瓦斯突出危险性的预测。     

人工神经网络方法在拟建小区域环境质量评价中的应用

人工神经网络的评价方法用于小区域环境质量评价中,根据本地区特点因地制宜地选择环境质量参数,代入模型中进行环境质量评价及预测,对用于环境质量评价的BP人工神经网络模型进行了改进,即对网络模型的训练样本进行了扩充,从而提高了模型的抗干扰能力和准确性.将改进了的BP人工神经网络模型应用于四川省资阳市沱江二桥拟建项目小区域的大气、地表水环境质量评价中, 对该市小区域大气、地表水环境质量状况进行评价,评价结果表明,BP人工神经网络模型用于环境质量评价是可行的,且评价结论客观,评价模型普遍适用.     

多因素耦合条件下硫化矿自燃神经网络动态预测模型研究

硫化矿石自燃是多种因素、多场耦合综合作用的结果,是一典型的非线性问题。笔者应用人工神经网络技术,以Matlab软件为平台,通过现场调查和理论分析,建立了矿石含硫量、通风强度、环境温度3因素与硫化矿石自燃之间的预测模型;通过数据样本学习与部分现场监测数据相结合进行模拟,研究表明预测数据与实测结果基本吻合,误差控制在10%以内,取得了较好的效果。该研究为预防硫化矿石自燃提供一个新的思路和方法,具有一定的理论意义和应用价值。     

人工神经网络对矿山安全状态的评判能力分析

通过改变神经网络训练样本等方法,对比分析了神经网络对不同训练样本的反映能力,讨论了人工神经网络对矿山安全程度进行评价的适应性.为了研究人工神经网络用于矿山安全评价时的优化设计,通过改变神经网络的神经元数目及初值赋值方式等方法,测试了不同结构、不同参数的神经网络对相同训练样本的评价结论.本文的研究为人工神经网络用于矿山安全评价时的进一步改进及其优化设计提出了合理的建议.     

基于NGBM(1,1)模型的河流水质预测研究

<正>引言水质预测是在积累了一定数量的历史数据的基础上,结合事物的发展规律和内在机理,分析得出事物未来的趋势和状态的过程。常见的水质预测方法有数理统计预测方法、人工神经网络、水质模型模拟预测、灰色预测等,这些方法各有优缺点。GM(1,1)模型作为灰色预测的核心内容之一,由于建模过程简单、所需数据量小、模型表达式简洁,已经在经济管理和工程等领域得到了广泛的应用,但是GM(1,1)模型在应用过程也出     

MNLR and ANN structural group contribution methods for predicting the flash point temperature of pure compounds in the transportation fuels range

A QSPR method is presented for predicting the flash point temperature (FPT) of pure compounds in the transportation fuels range. A structural group contribution method is used to determine the flash point temperature using two techniques: multivariable nonlinear regression and artificial neural networks. The method was used to probe the structural groups that have significant contribution to the overall FPT of pure compounds and arrive at the set of 37 atom-type structural groups that can best represent the flash point for about 375 substances. The input parameters to the model are the number of occurrence of each of the 37 structural groups in each molecule. The neural network method was the better of the two techniques and can predict the flash point of pure compounds merely from the knowledge of the molecular structure with an overall correlation coefficient of 0.996 and overall average and maximum errors of 1.12% and 6.62%, respectively. The results are compared to the more traditional approach of the SGC method along with other methods in the literature.     

两类新型神经网络及其在安全评价中的应用

详细讨论小波神经网络(WNN)和模糊神经网络(FNN)的构造以及训练学习过程,并针对安全评价问题分别完成算例。典型算例表明:小波神经网络具有很好的逼近与映射能力,并且有很强的泛化能力;模糊神经网络将模糊数学与人工神经网络相互融合起来,有效提升了系统的智能功能。两类新型神经网络使得人-机-环境系统工程中的许多安全评价问题有了更广泛的量化工具,并具有安全评价的量化较准确的特点。     

基于人工神经网络的二元液体闪点预测

建立了一个基于人工神经网络的理论模型,用于预测二元混合液体的闪点.根据所研究混合液体的物理性质,选择了相关黏度、表面张力等物理参数来表征闪点,以这些参数作为输入参数,二元混合液体的闪点作为输出值,应用反向传播(BP)人工神经网络方法对两者之间的内在定量关系进行模拟.结果表明,闪点预测值与实验值符合良好,优于传统的计算方...     

BP和Elman神经网络在砂土液化预测中的研究

基于砂土液化的影响因素具有非线性关系,而神经网络模型能够逼近任意非线性函数和适合于动态系统辨识的特性,分别建立输入层为4,隐含层神经元为2,输出层为1的三层BP神经网络和Elman网络,并且通过matlab软件运算,实例比较得出Elman模型比BP模型收敛速度快、精度高,在砂土液化的预测中效果更好。     

遗传神经网络在煤层自燃预测中的应用

煤层开采自燃危险性程度与许多影响因素之间存在着复杂的非线性关系，利用人工神经网络技术和人工生命学中的遗传算法，建立了预测模型，不但很好地解决了该问题，同时也大大提高了运算速度。     

基于粗糙集-人工神经网络的航空安全文化评价模型研究

根据航空运输企业安全生产系统的特征,制定相对科学的、适用的安全文化评价指标体系。将粗糙集、人工神经网络方法应用于航空安全文化评价研究。首先,通过问卷调查与粗糙集方法相结合,对安全文化评价指标信息表进行设定。利用粗糙集的属性约简功能,确定航空安全文化的核心要素;其次,利用人工神经网络对约简后指标权重进行计算;经过仿真实验,训练后的神经网络较好地获取并保存了安全文化评价的知识和经验,能够较为准确地对航空安全文化进行评价。     

基于神经网络的安全评价指标重要度判定方法及应用

安全评价指标重要度判定对合理进行安全管理和有效采取安全对策具有重要意义,它是一个多指标非线性分类问题,很难用数学公式进行描述。以往的判定方法由于受人为因素及模糊随机性影响,准确性较低。神经网络作为一种新技术,具有非线性分类、人工智能的特点。基于此,提出了一种基于人工神经网络的安全评价指标重要度判定方法。该方法最大特点是直接从学习后的网络连接权重中提取评价指标重要度信息。讨论了网络的拓扑结构,以及如何从学习后的网络权重中提取评价指标重要度信息的方法。应用数理统计方法消除了网络学习初始权重对评价结果的影响。用一实例对提出的方法进行了验证,分析了网络隐含层节点数对判定结果的影响。实验表明,该方法具有很强的操作性和较高的准确性。