基于变权重RBF组合模型的煤与瓦斯突出强度预测

为更准确预测煤与瓦斯突出强度,在组合算法和径向基函数(RBF)神经网络的基础上,建立变权重RBF组合模型。首先,选取最具代表性的3种单项模型:BP神经网络、支持向量回归机(SVR)、免疫遗传算法(IGA),分别建模后对样本序列进行预测,并重构预测结果数据。以重构后的预测序列为输入层,突出强度为输出层,对变权重RBF组合模型进行训练,获得各单项模型的动态权值,从而建立动态变权重RBF组合模型,最后对突出强度进行预测。结果表明:变权重RBF组合模型预测结果的平均相对误差为2.621 2%,优于各单项模型、定权重组合模型以及数据不重构组合模型。     

基于QPSO-RBF的瓦斯涌出量预测模型

为了提高径向基(RBF)网络预测瓦斯涌出量的泛化能力,提出QPSO-RBF模型。该模型采用量子粒子群(QPSO)算法优化RBF网络隐层基函数中心、扩展系数以及输出权等初始参数,将网络参数编码为QPSO学习算法中的粒子个体,在全局空间中搜索最优适应值参数。其中,RBF网络选取5-3-1的精简结构,采用5个变量作为影响因子预测瓦斯涌出量。结果表明,经QPSO优化后的RBF网络模型预测结果稳定且唯一,其泛化指标平均相对变动值(ARV)为0.012 2。与PSO-RBF、RBF模型预测结果比较,QPSO-RBF模型的泛化能力和网络训练速度优于前2种;预测精度约为PSO-RBF模型的1.5倍、RBF模型的4倍。     

人工神经网络在水环境质量评价中的应用

应用人工神经网络理论与方法建立了滏阳河水质评价的RBF(径向基函数)神经网络模型,对滏阳河邯郸市区段的从南环到北环的7个监测断面水质进行了评价,并与灰色聚类结果进行对比。结果表明RBF神经网络模型能很好地解决评价因子与水质等级间复杂的非线性关系,评价水质简便可靠,预测精度高,具有通性和客观性。根据评价结果,分析了滏阳河邯郸市区段水质污染程度,可以为水环境保护工作提供防治依据。     

以AHP-RBFNN评估建筑工程项目的风险

针对我国建筑工程风险评估技术在工程项目应用较少的现状,需建立一个合理的风险评价指标体系与一个有效的风险评估模型。本文首先分析了一般的风险评价模型的优缺点,确定了以层次分析法与径向基函数(RBF)神经网络相结合的AHP-RBFNN风险评估模型,其次根据现代化建筑工程项目的特点构建出合理的风险评价指标体系,并且运用层次分析法确定各指标的综合权重,然后将各指标作为RBF神经网络的输入,利用RBF神经网络的无线逼近能力和快速收敛的特点,建立了新型建筑工程风险评价模型。MATLAB仿真结果表明,此方法能较准确的对建筑工程项目安全进行评估,为全面评价建筑施工安全状况提供了新的方法与思路。     

基于FMEA与RBF神经网络的LPG汽车罐车储罐系统故障诊断

为了对液化石油气(LPG)公路运输罐车储罐系统故障进行准确、全面的诊断,通过利用故障模式影响分析方法(FMEA)构建储罐系统故障模式及故障特征指标,根据日常检测数据构造训练样本,运用径向基函数(RBF)神经网络对网络进行训练建立诊断模型并利用诊断模型对罐车故障进行诊断。经验证:诊断结果与实际情况相符合。因此,基于FMEA与RBF神经网络所构建的模型可以用于危险化学品汽车罐车储罐系统的故障诊断。     

基于PCA-RBF的高校学生宿舍火灾安全评价及应用

为减少我国高校学生宿舍火灾隐患,采用PCA-RBF神经网络模型进行高校学生宿舍火灾安全评价.首先,获取高校学生宿舍火灾发生的主要影响因素,建立火灾安全评价指标体系.进而引入智能化评价方法,构建了基于径向基函数神经网络(Radial Basis Function Neural Network,RBF)的高校学生宿舍火灾安全评价模型.同时,为避免评价指标的冗余性和神经网络评价中维数爆炸的局限性,引入主成分分析法(Principal Component Analysis,PCA)对指标体系进行降维处理.最后,通过实例分析验证该评价模型的可行性和有效性.结果表明,引入主成分分析方法有效解决了 RBF神经网络在高校学生宿舍火灾安全评价上存在的多种局限性问题.     

基于泛平均运算的矿井瓦斯浓度组合预测模型

为有效分析煤矿瓦斯监测数据以实现准确、可靠的瓦斯浓度预测,基于不等权泛平均运算模型,研究瓦斯浓度时间序列组合预测的方法,提出一种新的矿井瓦斯浓度组合预测模型,并证明最优组合预测模型是其特例。采用自回归(AR)模型和径向基函数(RBF)神经网络预测模型作为组合预测模型的单项预测模型;以遗传算法和最小二乘法确定新组合预测模型的参数,实现瓦斯浓度预测单项模型的最优组合。试验分析表明:新模型在平方和误差、平均绝对误差、均方误差、平均绝对百分比误差、均方百分比误差等评价指标上,均取得比自回归模型、径向基函数神经网络模型和最优组合预测模型更低的误差。     

基于误差补偿的GM-RBF海底管道腐蚀预测模型

为准确预测海底油气管道腐蚀剩余寿命,构建基于误差补偿原理的灰色径向基函数(GM-RBF)神经网络腐蚀速率预测模型。首先,建立腐蚀速率的灰色模型(GM),将腐蚀速率灰色预测值作为径向基(RBF)神经网络的输入,残差作为输出,训练神经网络得到误差补偿器;其次,补偿新的灰色预测值,得到腐蚀速率的最终预测值;然后,根据预测结果计算出年腐蚀深度,结合剩余强度准则,计算管道剩余寿命;最后,以某海底管道为实例,验证模型的预测有效性。结果表明:单一使用GM模型预测的相对误差为17.48%,用GM-RBF模型预测的相对误差为6.37%,并预测出管道的剩余寿命为5.4年,GM-RBF模型提高了预测精度,且能够较好地描述腐蚀发展趋势。     

粒子群优化的RBF瓦斯涌出量预测

瓦斯涌出量是煤矿瓦斯灾害的主要来源,它直接影响煤矿安全生产和经济技术指标。瓦斯涌出量的传统预测方法是将其影响因素线性化后提出的,具有一定的局限性。本文基于群体智能理论,提出了一种基于粒子群算法优化的RBF神经网络瓦斯涌出量预测模型。研究表明RBF神经网络预测精度与网络权值和RBF参数初始值有很大关系,因此本文采用粒子群算法优化RBF网络权值和其他参数,形成PSO-RBF预测模型。该模型通过计算种群粒子的适应度,确定全局最优值,寻找网络参数的最优值。实验结果表明PSO-RBF优于传统的RBF预测模型,训练速度和预测精度显著提高。     

基于自适应模糊推理和RBF网络的桥梁安全评估

为准确评估桥梁的安全性能,根据钢筋混凝土桥梁的结构特征,首先构建桥梁安全性评估指标体系,确定评估指标的分级标准;然后使用径向基函数神经网络(RBF)替代传统的BP神经网络,优化学习速度和适用范围;其次结合自适应模糊推理,建立基于自适应RBF神经网络-模糊推理的桥梁安全性评估系统;最后用该系统评估某钢筋混凝土桥梁的安全性能。示例分析结果表明,大量专家评估意见调查数据,可为评估系统提供足够的输入数据,学习后的系统的输出结果与专家的评估意见误差减小,可用于评估桥梁的实时工作状态。     

基于组合权物元分析模型的地下水水质评价

针对以往地下水水质评价中多采用单一权重法确定各评价指标权重的不足,提出基于主客观组合权重的权重计算模式,并运用权重风险度计算公式选出相对合适的组合权重,再与物元分析理念相结合,构建用于评价地下水水质的组合权物元分析模型。应用该模型对阜新新邱露天煤矿排土场淋溶水的地下水污染区的12个监测点水质进行综合评价。结果表明:研究区的1#～5#监测点水质均达到Ⅱ级以上,符合国家饮用水标准要求;6#～12#监测点水质均受到不同程度的污染,已不能饮用。评价结论与灰色关联分析法和模糊综合评价法所得结论基本一致。     

煤矿作业人员人因可靠性的径向基神经网络评价模型研究

依据人因可靠性原理、事故致因理论,结合煤矿生产系统的特点,提出了观测可靠度的概念,确立了一系列便于统计和赋值的人因可靠性评价指标。针对人因失误事件过程的动态性、复杂性以及数据的不完整性,利用径向基（RBF）神经网络学习速度快、抗干扰能力强的特点,建立了基于RBF神经网络的煤矿作业人员人因可靠性评价模型。对于岗位工龄短或有效记录不足的煤矿作业人员,利用训练好的RBF神经网络模型进行人因可靠性评价,经过实例验算证实了模型的可信性。     

川藏铁路桥隧施工安全风险评价

通过评估川藏铁路工程建设的施工风险等级,为高质量推进川藏铁路工程建设提供理论支撑。剖析了国内外学者关于风险评估研究的理论与方法,针对川藏铁路施工建设中的5座特大桥梁工程和9座超长隧道工程,分析了桥梁隧道建设工程的特征,构建了川藏铁路桥梁工程的17个安全风险评价指标体系和隧道工程的20个安全风险评价指标体系,通过建立基于模糊综合评价法的风险评估模型完成了对川藏铁路重点桥梁和隧道工程的风险评价,最后构造BP神经网络模型对风险评估结果进行验证,以川藏铁路部分重点桥梁工程评分数据和部分重点隧道工程评分数据为训练数据,以剩余评分结果为验证数据,预测桥梁和隧道工程的风险等级。结果表明:采用BP神经网络预测桥梁隧道工程安全风险等级的准确率高达98. 82%,BP神经网络对于该工程施工安全风险评价具有适用性;川藏铁路重点桥隧工程项目有50%处于较危险以上,只有20%的工程处于安全级别。     

基于GIS的城市工程地质环境质量变权评价

城市工程地质环境质量传统评价方法中,指标权重确定后,无论各指标值如何变化,指标权重值总是固定不变,无法反映各项指标内部差异性对城市工程地质环境质量的影响,进而影响评价结果的客观公正性。为此,将变权原理引入城市工程地质环境质量评价。根据城市工程地质环境特点及评价精度要求,构建城市工程地质环境质量评价指标体系,采用分段强惩罚-激励型变权模型,并结合GIS空间分析功能对其进行评价。以郑州市为例,采用常权和变权两种方法对其工程地质环境质量进行评价。结果表明,变权评价结果与常权评价结果趋势性较为一致,且变权评价结果比常权评价结果更易区分评价等级,在一定程度上避免了常权法在权重分配中的缺陷,充分体现了各项评价指标内部差异性对城市工程地质环境质量整体性的影响,提高了城市工程地质环境质量评价等级的可信度。     

RBF神经网络可靠度分析方法在边坡稳定性研究中的应用

针对边坡稳定性可靠度分析,当状态函数无法显式表达且传统计算方法求解复杂问题困难时,提出一种基于ABAQUS和粒子群优化径向基函数神经网络的可靠度分析方法。基于ABAQUS的强度折减方法计算所选随机变量对应的安全系数,利用径向基函数神经网络的数据拟合功能,建立模型并映射出安全系数和随机变量之间的关系,构造响应面功能函数;利用蒙特卡罗生成的大量随机样本代入功能函数得到相应的安全系数,进而计算边坡的失稳概率和可靠度指标来反映边坡稳定性。研究结果表明:相对于传统方法,本文方法计算效率更高、误差更小,适合实际工程应用。     

神经网络在大气环境质量评价中的应用研究

在大气环境质量评价中 ,采用了函数连接型神经网络模型 ,与常用的BP网络不同 ,函数连接型网络通过对输入模式的增强来实现复杂模式的分类。用此模型研究实例的大气环境质量 ,结果表明函数连接型网络用于环境质量评价具有客观性和实用性     

基于RBF神经网络的火灾报警系统失效概率预测

报警系统失效主要包括漏报、误报,对系统进行失效概率预测,可以帮助判断设备质量优劣,评估系统效能。利用Matlab软件编程,通过神经网络预测失效概率。根据不同场所正在使用的火灾报警器的失效数据作为原始数据,归纳总结失效原因,建立事故树,结合专家打分法与模糊理论得到网络的输入值与输出值。通过网络训练,得到可以对系统失效概率进行预测的RBF神经网络,测算效率大幅提高。以70组不同品牌、用途的火灾报警系统作为算例,通过训练数据,最终达到输入底事件发生概率可直接输出顶事件发生概率的目的。结果表明,RBF神经网络相较于BP网络与事故树算得的失效概率具有更高的拟合度,RBF神经网络模型在进行系统失效概率预测时具有可靠性。