基于主成分分析法的危险货物运输企业安全评价

为更准确地评估危险货物运输企业安全等级以降低其运输风险,提出基于主成分分析法(PCA)的危险货物运输企业BP神经网络安全评价模型;在从人-机-物-环境-管理角度构建危险货物运输企业安全评价指标的基础上,分别利用该模型和其他3种模型对3家实例企业进行仿真评价和对比分析。结果表明,该模型的评价结果与期望值间的相对误差约为0.5%～1.2%,计算精度优于其他模型,且具有计算量小等特点。     

基于模糊神经网络方法的信息系统安全风险评价研究

为提高信息系统安全风险评价的准确性,提出基于模糊神经网络的信息系统安全风险评价模型。该模型利用模糊理论隶属度反映各因子的相对状态,对模糊性具有很高的识别精度。将风险因子模糊隶属度矩阵输入BP神经网络中,增加了它对模糊性的识别能力。通过非线性分析处理的BP神经网络进行学习和测试,得到输出风险评价等级。实例分析结果证明算法的应用性。误差分析结果证明了模型的有效性。检验结果表明,模糊神经网络模型的识别精度高于单一的模糊评价模型和神经网络模型。     

上覆岩层瓦斯卸压范围及流动规律的应用研究

为合理、高效地治理朱家店煤矿巷道掘进和煤层开采过程中瓦斯浓度多次超限的技术阻力,本文针对该煤矿不同煤层上覆岩层瓦斯卸压范围及流动规律进行了较为深入的研究,建立了其BP神经网络破坏高度的数学预测模型。通过合理地计算,本文确定了该矿开采煤层上覆岩层的走向及倾向卸压长度、卸压上限和卸压范围,最后提出了有效控制上覆岩层瓦斯大量流向工作面及采空区的技术策略,从而达到了遏制矿井瓦斯事故发生的目的。     

基于BP神经网络算法的北京市地铁站应急疏散能力仿真评估模型

地铁站的应急疏散能力是地下铁道安全运营设计中非常重要的部分,对于维持社会稳定,保障人民安全具有重大意义.本文利用BP神经网络计算方法和MATLAB软件,选取可能影响地铁站疏散能力的相关因素作为评价指标,建立了应急疏散指标体系,并以北京北三环区域周边地铁站作为主要研究对象,对北京市地铁站应急疏散能力进行了仿真评估,提出了增加疏散通道、疏散楼梯、安全出口等数量,以提高地铁站应急疏散能力等一些可供参考的建议.     

基于改进多种群遗传算法的尾矿坝形变预测

针对遗传神经网络(GA-BP)建立的尾矿坝形变预测模型易出现早熟现象、预测结果不稳定、容易陷入局部最优值的不足,引入一种具有混沌局部搜索的多种群自适应遗传算法。该算法以双种群寻优为基础,改进了遗传参数的计算方式,分别以种群进化中染色体适应度值的集中程度和空间距离的分布作为自适应交叉率、变异率的计算依据应用于不同种群中,提高了种群的多样性和遗传算法全局搜索的能力;同时引入混沌局部搜索技术(CLS),完善了遗传算法局部搜索能力的不足。采用改进的遗传神经网络模型对贵州省白岩尾矿坝三维变形数据进行预测,并与传统的GA-BP和AGA-BP模型预测结果进行比较。结果表明:改进后的模型预测精度更高,结果更加稳定,具有良好的预测效果。     

人工智能与专家的故事

人工智能几起几落,一般认为这一轮热潮从2012年开始。这一年,Hinton和他的学生Alex Krizhevsky设计的Alex Net采用深度学习算法,在Image Net图像识别竞赛中获得冠军,图像错误识别率下降10多个百分比,同期的其他神经网络每次的成绩提升很少达到5%,立即引起业界对深度学习的极大关注。之后的两年时间,深度学习网络进一步把整体错误率下降至5%以内,达到了人眼的水平。随后,Google、Micro Soft、Facebook先后开源了自己的深度学习框架Tensorflow、CNTK和Caffe。一时间,国内外涌现了大量的人工智能创业公司。除了深度学习技术,GPU芯片、分布式计算、计算位数压缩等新的优化技术也加快了神经网络的训练和使用效率,人工智能应用从高性能数据中心向嵌入式设备发展。     

城区变电站周边商民用建筑物的安全分析和评估

随着中国社会经济的发展,不断出现变电站位于城区和市区的情况。为了更好的评估城区变电站周边商民用建筑物的安全性,文章分析了城区变电站对周边商民用建筑物和设备设施的影响,研究了城区变电站故障电流对周边商民用接地系统的耦合干扰。建立了城区变电站故障电流耦合干扰分析模型,基于接地导体GPR(地电位升)这个重要指标,提出了耦合干扰系数概念。定量分析探讨了影响耦合干扰系数的主要参数、因素及其变化规律,给出了城区变电站和商民用建筑物接地系统安全评估和分析的建议流程。最后基于BP神经网络建立了耦合干扰系数计算模型,从而设计者可以基于现场实际情况快速得到商民用建筑物受到的耦合干扰具体数值。研究成果为城区变电站周边商民用建筑物的安全防护和评估提供了理论依据和工程指导。     

基于HHO-CNN-LSTM的CMAQ修正模型及其在上海市空气质量预报中的应用

建立空气质量预报模型，预测污染物浓度对人类健康和社会经济发展具有重要意义。然而，传统的空气质量模型CMAQ对污染物浓度的预报精度并不理想。对此，本文提出了一种基于卷积神经网络(CNN)和长短期记忆神经网络(LSTM)的空气质量预报修正模型，并使用哈里斯鹰算法(HHO)对模型的超参数进行优化；用CMAQ模型对上海市2022年12月六种大气污染物(SO₂、NO₂、PM₁₀、PM_2.5、O₃、CO)浓度的预报数据以及监测站的气象数据和污染物浓度实测数据作为HHO-CNN-LSTM模型的输入，对CMAQ模型预报结果进行修正。使用均方根误差(RMSE)、平均绝对误差(MAE)和一致性指数(IOA)作为评价指标。结果显示，修正模型显著提高了六项污染物浓度的预测精度，RMSE减少了73.11%～91.31%,MAE减少了67.19%～89.25%,IOA提升了35.34%～108.29%。同时针对HHO算法陷入局部最优而导致修正模型对CO浓度预测效果不佳的问题，使用高斯随机游走策略对HHO算...     

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。     

基于BP神经网络算法的密云水库水质参数反演研究

密云水库是北京市重要的地表饮用水源地,在保障首都水源安全方面起着重要作用,而密云水库水质参数的区域监测已成为当前亟待解决的问题。为了实现密云水库水质参数大范围、实时获取,该文基于遥感和GIS技术,采用BP神经网络算法,结合地面监测数据和Landsat 8遥感影像,分别建立了反演总磷、总氮、氨氮和COD(化学需氧量)4个水质参数的BP神经网络模型,并反演了密云水库2013-2018年非结冰期主要水质参数,分析了密云水库主要水质参数的年际变化特征、季节变化特征和空间分异特征。结果表明,(1)水质参数的Landsat 8敏感波段分别为:总氮为1、4波段,氨氮为1-7波段,总磷为1、3-7波段,COD为2-5波段。(2)密云水库主要水质参数在2013-2018年总体呈下降趋势,氨氮和COD为Ⅰ类水质,总磷为Ⅱ类水质,总氮为Ⅲ类水质。(3)4个水质参数指标春季最高、秋季次之、夏季最低,总氮、总磷、氨氮和COD的春季值分别是夏季值的1.08、1.36、1.6、1.45倍。(4)密云水库不同水质参数的空间差异性较大,总体来看,水库北部和东部的4个水质参数含量相对较高,这种分布与北部和东部村庄密集以及密云水库两大入库河流有关。综上所述,基于BP神经网络算法的密云水库水质反演研究是可行的,且得到了较为可信的研究结果,该研究可为密云水库水质管理与政策制定提供重要的科学依据。