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SKPCA与NEAT算法的煤与瓦斯突出危险性预测

针对煤与瓦斯突出预测精度不足的问题,为了减少突出灾害的危害,提出了基于稀疏核主成分分析法(SKPCA)与增强拓扑神经进化算法(NEAT)的煤与瓦斯突出危险性预测方法.通过核主成分分析法对突出非线性数据进行降维,然后对主成分数据进行稀疏化,减少原始数据中不重要元素对降维后主成分的影响.搭建增强拓扑神经进化网络(NEAT)预测模型,采用进化算法同时优化神经网络的权值和拓扑结构,得到最佳神经网络预测模型.将处理后的主成分数据输入模型预测突出危险指数,结果表明,该方法危险等级预测准确度达到98％,SKPCA-NEAT模型在煤与瓦斯突出预测上相比PCA和BP神经网络具有优势.     

全社会资金波动的安全预警模型及实证分析

利用聚类分析、时差相关分析、K -L信息量等方法 ,以国内生产总值发展速度的波动曲线为基准循环曲线 ,对各种经济指标进行分类和筛选 ,从而选定先行、一致、滞后三类指标组 ,运用主成分分析方法编制景气指数 ,以对社会资金的运动安全预警。在此基础上 ,笔者结合我国改革开放以来经济周期波动的实际情况 ,利用所编制的景气指数进行实证仿真分析 ,得到令人满意的结果     

基于主成分分析和BP神经网络的综合安全评价模型

提出了基于主成分分析法和BP神经网络的综合安全评价模型.利用主成分分析法的数据降维功能对评价指标进行特征提取,选用合适的主成分作为神经网络的输入,构建网络拓扑结构.在建立多层次道路危险货物运输企业安全评价指标体系的基础上,采用MATLAB对企业安全现状进行实证仿真分析.结果表明,基于主成分分析法和BP神经网络的综合安全评价模型的评价结果优于其他评价模型.研究表明,本文得到的综合模型能够更加客观、准确地反映评价对象的实际情况.     

武汉市浅水湖泊生态系统健康评价指标重要度分析

对武汉市35个湖泊进行了采样分析,包括物理、化学、生物及生态系统等28个指标用于指标的遴选与验证.分析结果表明,主成分分析(PCA)及因子分析(FA)在简化生态系统健康评价指标中能较好地去除冗余信息,提取有效的指标作为生态系统健康评价的依据.同时,分析结果表明有3种指标在反映湖泊生态系统健康状况中具有重要的指示意义:①胁迫因素;②重金属;③营养化指标.香农指数及水温、结构能质3个指标与主因子具有最低的相关系数,在反映生态系统健康状况方面意义不大,原因可能与武汉市湖泊富营养化严重、生态系统结构单一有关.     

航空公司安全信息管理水平评价方法研究

分析了目前我国航空公司在安全信息管理和安全信息管理水平综合评价方面存在的问题.从航空公司安全信息管理的实际工作出发,结合安全管理体系(SMS)中对于安全信息管理的要求,建立了航空公司安全信息管理水平评价指标体系,并针对每个评价指标建立了4个等级的评价标准.基于主成分分析方法建立了航空公司安全信息管理水平综合评价模型.按照建立的指标体系和评价标准对5家航空公司进行了安全信息管理水平评分,并以此数据为基础,利用建立的综合评价模型对5家公司的安全信息管理水平进行了综合评价和排序,针对评价结果对各航空公司提高安全信息管理水平提出了具体的建议措施.     

PCA-SVM模型在煤层瓦斯涌出量预测中的应用

针对煤层瓦斯涌出量影响因素众多且各因素间呈复杂非线性的特点,文章利用主成分分析法(PCA)和支持向量机(SVM)的理论基础,构建了PCA-SVM的煤层瓦斯涌出量预测模型,该模型利用SPSS20.0软件中的主成分分析模块对影响煤层瓦斯涌出量的12个因素进行降维,提取其中3个最能反映原始数据本质特征的主成分因子,再将主成分因子的前25组数据作为训练集,后10组数据作为测试集,借助MATLAB中的LIBSVM工具箱进行支持向量机预测,最后将PCA-SVM、SVM及使用较为广泛的多元线性回归3种方法的瓦斯涌出量预测结果进行对比,预测结果表明PCA-SVM模型在预测精度、稳定性方面都优于其他两种预测方法,更适合煤层瓦斯涌出量的预测。     

基于主成分分析的公路隧道消防安全系统评价研究

基于系统安全分析方法并结合数理统计理论,建立了隧道消防安全系统原理图及评估指标体系,运用多元统计理论中的主成分分析法,构造了一种基于统计基础上的综合评估函数,对近年来的典型火灾隧道的防火安全系统进行了合理评估,针对评估结果构造了分级标准,提出了公路隧道消防安全等级评估的新思路.以雪峰山隧道的实例计算表明,该评估模型具有简便性、可操作性和准确性,能全面地反映隧道消防安全系统状况,以便及时发现隐患,减少火灾的潜在危险.     

高速公路交通事故严重程度与交通流特征的关系研究

为研究交通事故发生前后交通流特征对事故严重程度的影响,以JT高速公路作为研究对象,长期观测和采集交通流及事故数据。将交通事故发生时段的交通流主要衡量指标与事故信息进行数据匹配,形成交通事故与事故小时交通流匹配数据集,并分析流量、速度、大车比例等交通流表征指标与不同等级事故数的分布规律。通过分析发现:在某些流量、速度或大车比例区段,交通事故数及其严重程度处于较高的水平。在此基础上,利用主成分分析(PCA)技术对衡量交通流特征的初始指标进行降维处理,用交通流主成分指标综合反映交通流特征,并建立事故严重程度与交通流主成分指标的统计分析模型。结果表明:交通流主成分指标趋于零的区段的事故严重程度明显高于其他区段。     

基于PCA和BP神经网络边坡稳定性分析

基于影响边坡稳定性各因素之间具有一定的相关性和边坡工程是一个非线性、不确定的动态过程等这些特征,首次应用主成分和BP神经网络的原理和方法,建立了边坡稳定性评价模型,并应用SPSS软件对影响因素进行分析并确定主成分,应用Matlab71神经网络工具箱对一些边坡样本进行训练仿真。对比了经过主成分分析和未经过主成分分析评价结果,结果表明,经过主成分分析的BP神经网络评价精度更高,相对误差更小。表明了建立主成分和BP神经网络评价模型具有较好的可行性和适用性。     

基于物元分析与PCA的部队汽车分队安全评价模型

为改善部队汽车分队的安全状况,建立了基于主成分分析与BP神经网络的部队汽车分队安全评价模型。在利用层次分析法建立分队系统的安全评价指标体系的基础上,将专家作为样本,进行物元分析,两者联合确定指标权重,进而得到相对客观的评价样本。对样本提取主成分,使输入变量降维且相互独立,以提高网络训练和预测效果。结果表明,其预测精度优于不采用主成分分析的BP网络模型,且相对误差在4%以内,模型具有可行性。因此,结合了物元分析与主成分分析的BP网络耦合模型能更加客观、准确地评价和预测被评价对象的实际安全状况。     

天然气开发对区域水环境安全的影响研究——以川东平原德阳地区为例

天然气开发在实际过程中大多是区域滚动开发,对流域的水环境安全可能形成较大的影响和隐患.运用主成分分析法对区域内各部分环境特征和国家环境质量标准进行分析、处理、排序,能够识别区域内各部分的环境质量变化情况,为区域环境管理和风险预防提供理论基础.以川东盆地,沱江和涪江上游德阳地区天然气区域开发为例,分析天然气开采对区域内各部分地表水环境质量的影响.可知在选定的4个水质参数中,pH值和COD两个主成分能够代表开发前所有监测信息的93.02%,开发后的95.09%.研究结果表明,在加强环境保护的前提下,区域天然气开发不会影响区域水质;同时也证明在区域水环境安全评价中主成分分析法是一种非常有效、快速的方法.     

基于主成分分析模型的核设施放射性废物管理评价研究

针对核设施放射性废物管理问题,采用主成分分析方法直观定量地研究了大亚湾、岭澳、田湾、秦山等各核电厂单位装机容量（MW）三废年度实际排放值或产生量,揭示了核设施放射性废物管理评价指标数据间的相关性和差异性,识别出了核设施放射性废物管理评价指标数据的主要成分;分析结果基本上反映了各核电厂放射性废物管理状况,主成分分析得分以秦山核电站第一期核电厂最高,其他依次为田湾核电厂、秦山核电站第二期核电厂、岭澳核电厂、大亚湾核电厂,秦山核电站第三期核电厂最低,即秦山核电站第三期核电厂在核设施放射性废物管理最优,大亚湾核电厂次之。辅助核设施放射性废物管理作出快速分析与决策,以提高检测能力和监管能力,具有很好地应用价值。     

基于PCA-BP融合的边坡稳定性评价模型

针对边坡岩土体物理力学性质复杂、边坡稳定性影响因素众多等特点,提出将主成分分析(PCA)和BP神经网络结合起来进行边坡稳定性评价的方法。若BP神经网络训练误差一定,则网络信息容量与样本数成正比。当样本数较少时,就必须减少样本维数,以达到较好的匹配效果,为此,引入主成分分析法(PCA)对影响边坡稳定的众多变量进行降维处理,以消除输入数据间的相关性,有效地减少预测模型的输入量,优化网络的输入节点数,提高网络的运行效率。针对BP算法容易落入局部最小、收敛速度慢等缺点,引入粒子群优化算法(PSO)优化神经网络的连接权重与阀值,从而克服了BP神经网络的固有缺陷。在此基础上,建立基于PSO优化算法的PCA-BP融合的边坡稳定性评价模型。模型分为3个层次,第一层次为输入层,即经过PCA分析之后获得的主成分;第二层次为隐含层;第三层次为输出层,即安全系数。应用该评价模型进行算例分析,结果表明,安全系数的模型计算值与参考值的绝对误差均很小,相对误差均控制在6%以内,吻合程度较高。     

企业财产保险风险因素权重分析

本文简要阐述了主成分分析法。运用主成分分析法对企业财险风险因素进行分析识别。为保险公司确定风险因素,做好风险控制提供相关借鉴。     

基于熵权二维云模型的深基坑施工风险评价

深基坑施工过程中的风险因素具有模糊性与随机性的特点,基于此提出一种熵权二维云模型的风险评价方法。从环境因素、管理因素和施工因素3个方面进行危险源辨识,确定深基坑施工风险评价指标体系,并应用熵权法对评价指标进行加权处理;将风险概率和风险后果作为二维云模型的基础变量,同时提出风险云相近度的计算方法以确定风险等级。应用上述方法对南宁轨道交通3号线青秀山站明挖站厅基坑的施工过程进行了风险评价,得出该施工过程的风险需采取一定控制措施方可接受,与实际情况相符,表明基于熵权二维云模型的风险评价方法合理可行。     

长江口南槽底沙再悬浮对重金属吸附的影响

对长江口南槽底部水样中的含沙量、悬沙粒径以及水相和悬浮相重金属含量进行测试分析，探讨重金属的吸附规律及底沙再悬浮对水体自净能力的影响。依据长江口南槽底层悬浮相8种重金属元素的相关显性分析，将重金属元素分为3类，分析表明，重金属元素在该水域进行的是选择性置换吸附。同时，主成分分析表明，第一主成分与第二主成分的累积贡献率达到89．3％，两主成分已能较好地反映该水域重金属元素的变化，其中第一主成分的贡献率为70．4％，主要反映第一类元素Cu、Zn、As、Cd，说明这4种元素对长江口南槽重金属污染的影响最大。含沙量与元素吸附量的相关分析表明，随着泥沙含量的增加，单位质量悬浮泥沙吸附重金属元素的能力下降，总吸附量上升，但南槽底沙较强的再悬浮作用影响了相关显性。水相中重金属浓度与底沙再悬浮作用强度有关，依据浓度剖面ACP图像，涨、落急阶段再悬浮作用强，泥沙含量高，重金属浓度一般较转流阶段低。     

一种改进的CSCA+PCA化工过程异常检测技术

为了解决化工过程异常检测时因参数众多且数据庞杂而导致一些异常无法被有效检出的问题,在Brownlee的克隆选择分类算法（CSCA）基础上,通过引入主成分分析（PCA）技术,进行数据降维和数据重整,探讨了人工免疫算法在化工过程异常检测中的适用效果和技术方案,以TE过程数据作为样本进行异常检测和分类实验。结果表明,过程异常数据的规模、属性的数目对CSCA异常检测效果具有明显影响,而通过主成分分析进行数据降维之后,CSCA检测效果有所提高;进一步的数据重整之后,CSCA对过程异常分类辨识的准确率可提升到85%以上;基于CSCA+PCA的数据降维及重构之后的过程异常检测技术方案,可以获得较高的异常检测准确率,从而一定程度上为化工过程安全运行提供技术保障。     

基于PCA-BP神经网络的多股铜导线 熔痕定量金相识别方法研究

为实现火灾现场中多股铜导线熔痕的自动识别,采用主成分分析(PCA)和反向传播(BP)神经网络算法对四种多股铜导线熔痕(一次短路熔痕、二次短路熔痕、过负荷熔痕和火烧熔痕)的金相组织进行了识别研究。利用Image-Pro Plus 6.0和Axio-Imaging软件获取每种熔痕30组17维金相组织参数数据,采用PCA对四种熔痕共120组数据降维,获得前6个主成分得分矩阵,建立具有6个输入层节点,10个隐层节点和4个输出节点的神经网络模式识别模型。随机抽取每种熔痕的20组样品的主成分得分矩阵作为训练集,将每种熔痕的剩余10组主成分得分为测试数据,输入最终训练完成的模型进行识别,其识别准确率达到92.5%。实验结果表明采用PCA+BP神经网络的算法,可以较好地实现多股铜导线熔痕识别,为火灾物证鉴定工作提供了有力的工具。     

企业安全评价分析的主成分方法

依据某机车车辆厂的特点,建立了安全性评价指标体系,并应用主成分分析法对数据进行分析处理,求出指标综合表达式和排序结果,从而得到指标的客观权重,并指出了主成分法应用于安全评价中的特点。