灰色Elman神经网络在火灾事故预测中的应用研究

针对我国火灾事故现状,结合灰色理论和神经网络的特点,提出灰色Elman神经网络火灾事故预测模型。依据我国1998—2007年火灾事故统计数据,分别选用GM(1,1)模型和灰色Elman神经网络模型对1998—2005年数据(火灾起数)进行拟合,对2006年、2007年数据进行(火灾起数)预测。结果表明:灰色Elman神经网络火灾事故预测模型符合火灾事故的特点;有效地解决了传统灰色预测模型在火灾事故预测中误差大稳定性差的缺陷,提高了预测精度;可对火灾事故进行预测与分析,为消防安全管理提供依据,以最大限度地减少火灾事故的发生。     

基于灰色神经网络的民航事故征候预测模型研究

通过对民航事故征候的分析和预测,掌握民航事故征候的发展趋势,并据此提出相应的安全措施以预防事故发生。在灰色预测基础上,结合神经网络理论,分析民航事故征候的特点,提出民航事故征候的串联灰色神经网络组合预测模型。首先,运用灰色理论弱化数据序列波动性,然后利用神经网络非线性信息处理能力构建模型。同时,根据最近10年民航事故征候统计数据,分别对灰色预测模型、神经网络模型和灰色神经网络模型进行检验,并预测未来3年的民航事故征候数量。利用Matlab软件进行预测仿真,对3种预测方法的精度和特点进行分析和比较。结果表明:民航事故征候的灰色神经网络模型预测精度高于单一的灰色预测模型或神经网络模型,并且所需样本少,运算简便,易于实现。     

三次指数平滑法在煤矿事故预测中的应用研究

随着我国煤炭工业的快速发展,煤矿事故频繁发生,安全生产形势依然严峻.针对煤矿事故的特点,根据我国1992-2011年煤矿事故死亡人数的统计数据,运用指数平滑法中的三次指数平滑法,建立煤矿事故预测模型,预测2012年、2013年的煤矿事故情况.结果表明,三次指数平滑法预测模型符合煤矿事故的特点,预测精度较高,适用于短期预测.由此可见,三次指数平滑法预测模型可对煤矿事故进行科学的预测与分析,为煤矿企业的安全管理提供依据,以最大限度地减少煤矿事故的发生.     

铁路行车事故预测方法分析与比较

对铁路行车事故的特点和类型进行分析;根据美国铁路2005年安全年报提供的数据,运用灰色系统理论和BP神经网络方法建立铁路行车事故的预测模型;利用MATLAB软件进行预测仿真,比较和分析两种预测方法的精度及特点。结果表明:灰色系统理论预测结果固定,短期效果比较好;BP神经网络预测具有适应性和灵活性,适用于长期预测。采用灰色系统理论和BP神经网络进行铁路行车事故的预测,克服了传统数学统计预测方法中建立复杂的数学模型,预测准确性低的缺点,对预防和控制铁路事故的发生,降低事故损失具有现实意义。     

基于水灾征兆的煤矿安全危机预测方法研究

为有效管理煤矿水灾安全危机,并为管理者提供决策支持,从煤矿发生水灾前的征兆入手,通过分析130起煤矿水灾事故发生案例,结合历史文献,确定出水灾安全危机征兆指标32个。根据所选指标特点,选用BP神经网络作为预测模型、概率模型作为数据建立模型,在Matlab的环境下,通过实验验证了方法的可行性。     

安全系统工程在煤矿中的应用

结合煤矿实际，根据安全系统工程理论，用事故树法分析了常见事故；应用灰色关联度分析法找出了影响煤矿百万吨死亡率的主次因素；通过建立ＧＭ（１，１）灰色预测模型，对安全目标值进行了预测；运用人体生物节律理论以指导人的安全行为；利用模糊综合评判技术，对采掘工作面进行评价；还介绍了煤矿安全管理信息系统。     

基于B/S和灰色模型的煤矿事故预测模块设计与实现

为了使煤矿管理者能直观便捷的掌握事故的相关信息,事先掌握煤矿安全状态的优良,利用B/S模式和灰色预测理论,针对煤矿事故统计数据,建立了灰色预测模型,并分析验证灰色预测模型应用于煤矿事故预测的可靠性.最后,以c语言为基础编程语言,利用Visual Studio2010和SQL server 2008软件设计和开发了煤矿事故预测模块,实现了煤矿事故在线管理与预测功能的可视化.     

基于灰色神经网络优化组合模型的火灾预测研究

为了提高火灾事故预测的精度,根据我国火灾事故数据样本较小,波动性较大的特点,将遗传算法优化的灰色无偏预测模型与遗传算法优化的BP神经网络模型结合起来,建立灰色神经网络优化组合模型,充分发挥无偏灰色预测模型适用于小样本的数据预测的优势与BP神经网络处理非线性问题的优点。分别采用遗传算法优化后的无偏灰色GM（1,1）模型、遗传算法优化的BP神经网络预测模型与灰色神经网络优化组合模型对我国1998-2008年的火灾事故进行拟合,并对2009-2011年的火灾事故发生数进行预测。结果表明:灰色神经网络优化组合模型的预测误差最小,精度最高,适用于火灾事故的预测。     

改进的Elman神经网络在瓦斯涌出量预测中的应用

在煤矿瓦斯灾害中,煤矿瓦斯突出是导致瓦斯重特大事故的主要原因之一。目前常用的基于反向传播(BP)神经网络和遗传算法-Elman神经网络(GA-ENN)耦合算法等建立瓦斯涌出量预测模型的预测方法在收敛性和精度上均存在一定的缺陷。提出了一种利用混沌免疫遗传优化算法(CIGOA)对Elman神经网络进行改进的新型智能优化算法来增强粒子的活性,提高其局部搜索能力和全局优化能力,克服了遗传算法(GA)的固有缺陷。对煤矿现场跟踪实测后进行仿真分析,结果表明:运用提出的CIGOA-ENN预测模型预测的最大相对误差为4.47%,最小相对误差为1.12%,平均相对误差为2.27%,明显小于BP神经网络和GA-ENN等预测模型的预测结果,表明CIGOA-ENN预测模型的输出结果更精确,对瓦斯涌出量预测系统的辨识误差更小,性能更优越。     

民航事故征候的灰色马尔可夫预测

民航事故征候的分析和预测是民航安全研究的重要内容.掌握民航事故征候的发展状况并据此提出相应的安全措施,可减少民航事故的发生.在民航事故征候灰色预测基础上,引入马尔可夫链(Markov Chains)预测理论,建立事故征候的灰色马尔可夫预测模型.该模型具有灰色预测和马尔可夫链预测的优点,不仅提高了对波动性较大的随机变量的预测精度,同时还拓宽了灰色预测的应用范围.对某一航空公司过载大事件的灰色马尔可夫预测和检验分析表明,事故征候的灰色马尔可夫预测模型精度高于GM(1,1)模型预测精度.研究表明,灰色马尔可夫预测模型可用于民航事故征候的预测.     

基于灰色系统理论的煤矿人因事故关键因素分析

通过对煤矿人因失误事故致因因素进行分析,统计出相关的关键影响因素,运用灰色系统关联理论,根据国家安监局近十年煤矿事故统计数据,对煤矿人因失误事故影响类型进行了分析。以煤矿事故发生起数和事故死亡人数作为参考指标,计算和分析行为失误致因、个人违章、组织管理失误等十项主要与煤矿人因事故相关的灰色关联度,进而推算出这些因素的灰色关联序,确定出导致煤矿人因失误事故的关键因素,最终得到煤矿人因事故与关键影响因素之间的定量化分析结果。采用灰色关联理论对煤矿人因失误影响因素进行分析,能够很好地说明人因失误与各关键影响因素之间的权重关系,对煤矿人因事故主致因机理有更加深刻的理解,为煤矿事故的预防和控制提供重要的参考依据。     

改进型灰色神经网络在火灾预测中的应用研究

为提高火灾事故的预测精度,降低火灾损失,探讨并修正传统GM(1,1)预测模型关于背景值构造的缺陷,将改进后的灰色模型同BP神经网络模型融合,提出改进型灰色神经网络火灾预测模型。依据我国1997—2009年火灾事故统计数据,分别选用改进型GM(1,1)和改进型灰色神经网络模型对1997—2007年火灾发生起数进行拟合仿真,得到2008—2009年火灾起数预测结果。结果表明:该模型在避免GM(1,1)关于背景值构造缺陷的基础上,兼具灰色系统与神经网络的优点,既体现火灾复杂的灰色系统行为,又能自适应调整学习速率,与单一GM(1,1)相比,该模型的预测结果精度更高。     

基于多元线性回归的煤矿驾驶员情绪预测模型*

为研究煤矿人车驾驶员情绪状态不良引发的煤矿驾驶事故问题，设计眼动实验并建立基于多元线性回归的驾驶员情绪状况预测模型对驾驶员情绪状况进行预测；通过眼动仪采集煤矿驾驶员良好情绪与不良情绪状态下的各项眼动指标，记录其主观情绪状态；使用多元线性回归方程对数据进行分析与建模，采用平均相对误差对预测模型进行评估。结果表明:每秒注视点个数、平均扫视速度、反应时间、危险源辨识个数在情绪变化前后存在显著差异，且与情绪状态呈较强相关；基于多元线性回归的驾驶员情绪状况预测模型预测精度较高，平均相对误差为8.16%。模型适用于煤矿人车驾驶员的情绪监测，可为煤矿驾驶员安全行驶提供保障。     

基于证据理论的煤矿瓦斯涌出组合预测

为提高煤矿瓦斯涌出量预测的准确度,引入证据理论组合预测方法。根据瓦斯涌出量及其主要影响因素间的实验数据,采用3个不同的粒子群神经网络模型对涌出量进行初步预测。并由BP、RBF网络对预测误差及预测点的影响因素进行分析建模,以获取每个模型的可信度。再利用证据理论对其进行合成,确定组合模型的权值,最终实现对瓦斯涌出量的组合预测。实例结果表明,该组合预测方法的平均绝对误差、均方误差分别为18.5%、5.8%,均小于神经网络组合法及等权平均法的相应预测误差,适用于煤矿瓦斯涌出量预测。     

基于神经网络的民航安全态势评估模型及仿真

民航安全态势评估可以向管理者提供民航安全态势和未来态势变化的信息,帮助管理者作出科学的决策,是预防事故发生的关键。航空器事故征候、事故征候率和灾变的科学预测评估是民航安全态势评估的核心内容,分析选取影响民航安全态势的安全运行因素,尝试建立了民航安全态势评估模型,结合BP神经网络和Elman神经网络进行民航安全态势评估。2008-2010年民航安全态势评估结果如下：民航安全态势整体良好但事故征候较多,其中2009年的民航安全态势相对严峻,需要密切注意民用航空器事故的发生,同时应对2010年民用航空器事故进行高度关注,希望管理者采取积极措施进行事故预防。结果表明,基于神经网络建立的民航安全态势评估模型是可行的,可以作为我国民航安全态势评估的有效工具。     

基于集成学习的改进灰色瓦斯浓度序列预测*

为有效提高煤矿瓦斯浓度动态预测精度,基于微分方程理论和最小二乘法,从灰色预测模型静态灰色作用量出发,优化灰色作用量,推导幂指数型灰色作用量的改进灰色瓦斯浓度预测算法,推导基于集成学习不同灰色作用量幂指数型灰色瓦斯预测模型,进而研究吉林八连城长期和短期瓦斯浓度监控数据预测精度。结果表明:瓦斯浓度时间序列近似线性时,基于集成学习的改进灰色瓦斯浓度预测算法优于传统灰色瓦斯浓度预测算法,使瓦斯浓度预测值和实际值的均方根误差降低,均方根差最大降低2.25%。研究结果可有效提瓦斯浓度预测精度。