基于RBF神经网络的矿井突水水源识别方法研究

采用Na++K+、Ca2+、Mg2+、Cl-、SO42-和HCO3-六种常规水化学指标作为矿井突水水源识别的依据,利用Piper三线图分析了各充水水源水化学特征,筛选出适用于模型构建的样本。运用SPSS软件构建RBF神经网络,对6组待测样本进行识别。结果表明:RBF神经网络对孔隙水、地表水和奥灰水的判别正确率均为100%,对于砂岩水和太灰水的判别正确率分别为91.7%和50%;经过待判检验,RBF神经网络待判检验正确率为92.3%。     

基于水化学信息的顾北煤矿最佳突涌水水源判别模型

水灾是煤矿安全生产过程中的五大灾害之一,其中突涌水水源的确定是矿井水害防治的重中之重,而突涌水水化学信息是确定突涌水水源最快捷、准确的信息。本文以淮南矿区顾北煤矿为例,基于顾北煤矿水样的水化学信息,分别建立了确定该煤矿突涌水水源的3种判别模型,即贝叶斯判别模型、模糊综合判别模型和灰色关联度分析判别模型,并通过与顾北煤矿实际水样进行比较和验证,从而得出顾北煤矿的最佳突涌水水源判别模型为贝叶斯判别模型。该研究可为矿井防治水工作提供依据。     

基于GM-RBF神经网络的导弹武器系统使用可用度评估方法 研究

目的研究导弹武器系统使用可用度评估问题,方法通过基于故障数据的使用可用度评估,提出一种基于灰色模型GM（1,1）的径向基函数（RBF—Radial Basis Function）神经网络组合模型。结果该模型克服了灰色理论的长时间序列预估误差大和神经网络的训练样本需求量大、输入变量选取困难等缺点。结论仿真结果表明,GM—RBF神经网络对导弹武器系统使用可用度评估具有评估误差小、精度高等优点。     

基于径向基函数模型的优化方法在地下水污染源识别中的应用

采用一种基于径向基函数的替代模型代替地下水溶质运移模型,将其作为约束条件嵌入污染源识别的优化模型中,通过遗传算法对优化模型进行求解.最后通过一个假想例子评估优化模型的性能.研究表明：污染源泄漏量识别结果的平均绝对误差为1.00g/s,误差较小,计算时间为51min,耗时较少,因此,基于径向基函数模型的优化方法有效地避免了优化模型求解过程中多次调用模拟模型造成的巨大计算负荷,获得了较为准确的计算结果,是一种有效的地下水污染源识别方法,能够用来求解地下水污染源泄漏量.     

基于灰色关联分析与SA-PSO-Elman结合的地震直接经济损失评估

对地震灾害造成的损失进行评估是国家采取应急救援和灾后援建工作的重要依据。为快速评估地震灾害引起的直接经济损失,提出一种基于灰色关联分析与模拟退火-粒子群-Elman神经网络(SA-PSO-Elman)结合的地震灾害直接经济损失评估模型。该模型先采用灰色关联分析方法客观地选出地震灾害直接经济损失的主要影响因素,即为Elman神经网络的输入,然后将全局寻优能力强及收敛速度快的粒子群算法与能跳出局部极值的模拟退火算法相结合来优化Elman神经网络的权值和阀值,最后将训练好的Elman神经网络运用到地震灾害直接经济损失评估中。通过仿真试验结果表明:该混合算法优化的Elman神经网络模型比Elman神经网络模型和PSOElman神经网络模型具有更高的预测精度和收敛速度。     

两种新型流域非点源污染负荷估算模型的比较

为探索简单快捷、实用性强的流域非点源估算模型,基于降雨量差值法的基本思想,应用径向基函数(RBF)神经网络和支持向量机(SVM)2种技术,以渭河流域历年降雨量资料为基础建立了相应的流域非点源污染负荷估算模型.并将2种模型估算结果与相关分析法估算结果进行了比较,综合分析渭河流域历年径流量与三者所推得的历年点源负荷的标准差.结果表明,支持向量机的估算结果最为合理,且计算简单,操作便捷,具有实用价值.     

高校能源消耗建模研究与应用

针对高校能源消耗建模研究与应用问题,文中介绍了高校能耗日益增长现状,给出了高校能耗模型构建,为节约能源必须做好精准能耗预测.建立了灰色径向基函数神经网络高校能耗预测模型,并采用基于排序等分法赌盘规则选择算子的遗传算法对该模型进行全局优化,进一步用实例对比分析评估了模型的有效性.实践表明,优化后的模型能有效预测能耗,与传统单一的建模方式相比,有更好的拟合性、稳定性、预测精度和更快的收敛速度,为节能评估和设计提供了决策依据.     

基于粒子群优化的WA-SVM模型在滑坡位移预测中的应用

针对滑坡位移时间序列含大量噪声、具有明显的非线性等特征,本文提出了一种基于粒子群优化(PSO)的小波分析(WA)-支持向量机(SVM)滑坡位移预测模型(即WA-SVM模型)。该模型在混沌分析的基础上,首先用WA将滑坡位移序列分解成不同频率的分量,然后采用PSO算法优选SVM模型参数,并利用SVM模型预测各分量值,最后将各分量预测值组合得到最终预测值。结合滑坡位移序列实例,将基于粒子群优化的WA-SVM模型的预测结果与WA-BP模型、单独SVM模型进行对比,结果表明该滑坡位移序列存在混沌特性,基于粒子群优化的WA-SVM模型克服了噪声的干扰和参数优选的问题,具有较高的预测精度和预测效率,为滑坡位移的预测提供了一种新的方法。     

基于RBF和PSO的双喉道气动矢量喷管优化设计

本文探索了一种能多变量综合优化的方法,即对喷管进行参数化设计后,用均匀试验设计(UED)将试验样本均匀散布在设计区间内,求出各性能参数后,利用径向基神经网络(RBF)对试验样本进行拟合,再用粒子群算法(PSO)对训练好的神经网络进行寻优,找出了更好的双喉道气动矢量喷管设计参数组合。数值模拟结果显示,优化后的双喉道气动矢量喷管的矢量角有了明显提高。试验表明这种优化方法具有很好的优化能力,可以用来对喷管几何外形进行参数优化。      

径向基函数神经网络在水质评价中的应用

采用径向基函数 (RBF)来构造多层前馈BP神经网络 ,根据某流域水系的水质监测数据 ,建立一个对地表水质进行判别的多层前馈网络数学模型。以地表水质污染主要的七项指标为训练样本 ,利用该网络对水质进行评价 ,并将计算结果与其它方法进行比较分析。结果表明 ,该方法收敛速度较快 ,预测精度较高 ,效果好。