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。     

模糊神经网络在火灾探测系统中的应用

为使火灾探测具有较低的误报率、较高的可靠性和较强的环境适应能力,提出了一种基于人工智能的数据融合技术的火灾探测算法,以环境温度、烟雾浓度、CO含量为检测对象,利用人工神经网络和模糊推理技术对多传感器信号进行融合,最终输出火灾危险性大小的信号。神经网络采用径向基函数网络(RBF),运用最近邻聚类学习算法,实现隶属度函数参数的自动提取,并结合模糊逻辑具有较强综合判断能力和识别能力的特点,在MATLAB下完成了火灾探测系统的设计与仿真,明显提高了火灾探测系统的性能。     

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。     

自适应神经网络在FPSO火灾预警中的应用

为实现海上浮式生产系统(FPSO)火灾的预警,准确定位火源点,针对传统神经网络在火灾预警中存在收敛速度慢等问题,开发一种基于自适应神经网络的实时监测火灾预警方法。首先通过添加动量项和自适应学习率改进传统神经网络,并依据FPSO火灾事故数据训练学习网络;然后根据现场温度的实时监测数据,预测FPSO的火灾发生情况及位置;以FPSO平台的工艺处理模块I区为例,建立实时监测火灾预警自适应神经网络模型,利用FLACS软件设置火灾场景,将火灾发生后的温度监测数据输入到模型中。结果表明:输出的火源点位置与FLACS设置的火灾场景一致,验证了模型的有效性。     

基于GIS空间分析及深度学习的调车场安全识别系统

为实现调车场的智能化安全管理,首先基于调车作业的常见事故,分析了调车场系统中的人-机-环事故致因要素。利用GIS对调车场各空间组成要素进行建模,以获得调车场的电子地图与各组成要素的属性数据库。在此基础上,利用Arc GIS空间分析引擎对调车场对象的属性数据进行操纵分析,得出电路分路情况、道岔尖轨间隙特征、人员作业热点、货物空间分布等特征图层;并利用卷积神经网络(CNN)作为融合工具,以专家判定的危险区域为学习标签,大规模自动化提取各特征图层的特征,以达到自主学习专家知识的目的;最后,利用Ecd转化工具将训练的CNN识别引擎转化为栅格分类器,供GIS系统进行安全分类评估时调用,最终达到调车场自动安全分析的目的。经仿真数据验证,结果表明:在CNN的训练过程中,Dropout机制可有效控制过拟合现象,经训练的CNN在测试集的识别正确率为73. 81%; GIS系统能有效调用CNN,实现自动融合电子地图中的对象属性数据,完成调车场安全评估及展示。     

深部煤层瓦斯含量的差值GM-RBF预测模型及其应用

基于灰熵理论和RBF神经网络理论,提出了一种改进的灰色神经网络深部煤层瓦斯含量预测模型。该模型首先利用灰熵关联度确定影响深部煤层瓦斯含量的主控因素,构建多个GM预测模型进行精度分析,寻求最优的灰色预测模块对分析系统进行一次预测,再利用灰色模型白化微分方程解序列相邻两元素分别与相应期望值作差,构建一个差值序列作为RBF神经网络输出对分析系统进行二次预测,得到的差序列预测结果的差值即为深部煤层瓦斯含量的预测值,从而构建了基于差值GM-RBF神经网络组合模型的深部煤层瓦斯含量预测体系。实际应用表明:差值GM-RBF神经网络组合模型的精度评价指标MAE、MAPE、RMSE、RRMSE分别为0.233 1、3.25%、0.2778、4.04%,远优于单一灰色、RBF模型;与传统GM-RBF组合模型相比,MAE和MAPE分别减小了23.8%和22.1%,RMSE和RRMSE分别减小了20.5%和17%。由此可见,以差值结合法将最优灰色模块与RBF神经网络有效结合起来的瓦斯含量预测体系增强了模型的泛化能力和数据利用率,精度更高,稳定性更好,能够满足深部煤层瓦斯含量准确预测的要求,为深部煤与瓦斯安全高效开采提供依据。     

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.     

模糊神经网络在火工品生产系统安全评价中的应用

针对火工品生产系统的安全评价问题,将模糊理论与神经网络相结合,建立了火工品生产系统模糊神经网络安全评价系统。文章描述了模糊神经网络的基本结构和原理,阐明了本评估系统的工作原理及实现方法,最后将该评估模糊神经网络评估系统应用于若干火工品生产企业的实际安全管理水平的评价中,取得良好的效果。     

基于粗糙集-模糊评判-神经网络的隧道施工安全状态评估

为了有效地对隧道施工进行安全状态评估,建立了以人-机-环-管理系统为基础的隧道施工安全状态评估指标体系,构造了基于粗糙集-模糊评判-神经网络的隧道施工安全状态评估模型.该模型通过粗糙集约简输入变量,提炼学习样本,再利用神经网络对其进行训练和评价,提出了使用层次分析法和模糊数学的方法对隧道施工安全整体综合评判,得到的评价值作为神经网络训练目标值的方法.实际结果表明,通过使用该模型方法,神经网络训练的条件属性由原来的17个变成6个,训练周期由原来的2 992次减少为1 637次,泛化能力、安全状态评估的结果都优于约减前,能够对隧道施工安全状态做出有效的评估结论.     

基于BP神经网络的海军飞行员人为差错安全影响评估

为了更客观合理地对海军飞行员人为差错安全影响进行评估,提出了一套基于BP神经网络的海军飞行员人为差错安全影响评估方法。首先,根据"人为错误因素"模型并结合海军航空兵飞行员人为因素事故案例建立海军飞行员人为差错安全影响评估指标体系;然后,依据该指标体系构建了基于BP神经网络的人为差错飞行安全影响评估模型;最后,以海军航空兵历年人为因素事故统计数据为训练样本对BP神经网络安全影响模型进行训练,并利用该模型对部分数据进行飞行安全影响评估测试。结果表明,评估结果符合实际情况,该方法可对海军航空兵飞行员人为差错安全影响进行评估。     

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。     

模糊神经网络在火工品生产系统安全评价中的应用

针对火工品生产系统的安全评价问题，将模糊理论与神经网络相结合，建立了火工品生产系统模糊神经网络安全评价系统。章描述了模糊神经网络的基本结构和原理，阐明了本评估系统的工作原理及实现方法，最后将该评估模糊神经网络评估系统应用于若干火工品生产企业的实际安全管理水平的评价中，取得良好的效果。     

基于PCA-RBF神经网络的地铁车站火灾风险评估

为避免地铁车站火灾事故的发生,帮助地铁车站管理部门做好火灾风险评估工作,提出基于PCA-RBF神经网络的地铁车站火灾风险评估模型。采用主成分分析法(Principal Component Analysis,PCA)对风险评价指标体系进行降维处理,并将降维后的主成分作为RBF神经网络的输入变量;选择具有代表性的样本数据训练RBF神经网络,并用检验样本测试训练效果;最后,输入待测样本数据得出火灾风险评估结果。通过实例对比分析,验证了该评估模型在地铁车站火灾风险评估中的可行性与准确性,对类似项目火灾风险评估具有一定参考意义。     

基于模糊Petri网的危险品运输安全评估模型及应用

针对现代危险品运输安全监控问题,以运输费用、事故风险、灾害致灾、补救能力为运输安全评估的关键因素,建立安全分析的评估指标体系,提出一种基于模糊Petri网的危险品运输安全评估模型。首先应用转换规则给出评估指标体系的模糊Petri网表示和在Petri网模型的基础上的模糊推理算法,其次结合层次分析法(AHP),采取定性与定量分析相结合的方法进行安全评价;最后给出基于ArcGIS的评估模型实现方法,并应用于危险品运输安全监控系统的开发。模糊Petri网的数学特性及易于实现的特性,使得安全评估模型的建立,有助于实现运输安全评估策略的形式化、定量化和动态决策,而基于安全评估模型的危险品运输车辆监控系统的成功开发,进一步表明评估模型、推理算法和实现方法是合理可行的。     

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。     

生产企业职工劳动安全评估指标体系的构建与实现

根据安全理论、现场调研和专家数据,提出并筛选出企业职工劳动安全的三级评估指标。运用层次分析法,通过专家打分计算各指标权重,利用模糊综合评价法建立职工劳动安全评估模型,综合评判职工劳动安全能力。利用计算机编程软件,开发评估辅助软件,将指标体系、评估模型和其他数据导入软件系统,实现自动化评估功能。     

模糊Petri网在城市安全发展水平评价中的应用分析

为克服传统Petri网在评价城市安全发展水平时不易处理模糊信息的缺点,提出基于Petri网络和模糊推理算法的评估分析方法。首先,分析城市安全管理风险特性;其次,借鉴国家安全发展示范城市评价细则,建立三级城市安全发展评价指标体系;然后,将指标转换成城市安全模糊Petri网络(FPN)模型,运用模糊推理算法对Petri网络进行迭代计算,得到最终评价矩阵;最后,通过模糊层次分析法(FAHP)与优劣解距离法(TOPSIS)验证该方法结果的可靠性。研究结果表明:该方法能够有效处理指标基础模糊信息,并确定优势环节和薄弱环节,有助于评估城市安全发展水平。     

供应链食品安全管理自适应系统的结构设计

食品供应链是食品安全监管体系的重要组成部分和载体。本文探讨了自适应系统理论在供应链食品质量安全管理方面应用的可能性;针对目前的食品安全问题,依照自适应原理,设计了食品安全的自适应系统,该系统含有两套自适应的子系统,即低成本常规食品安全管理系统和高成本食品安全突发事件控制预测系统;两套子系统所采用的规则集不同,但可相互通讯,共享跟踪系统及其所采集的数据。整个系统最终输出的是安全供应渠道,与供应链决策系统中的成本、需求方向、生产计划等一起构成决定食品原材料供应来源的因素。系统以人工神经网络为自适应系统的主体,判断安全的食品供应结点并预测突发性食品安全问题;同时,提出了实现上述功能的一种可能的系统结构,以期有效实现食品安全的动态反应和控制,为完善我国食品质量安全管理提供新的思路。