基于空间拟合和神经网络的机场噪声预测集成模型

将集成学习方法引入到机场噪声预测中,提出一种基于空间拟合和神经网络的机场噪声预测集成模型.该模型采用空间拟合算法和BP神经网络算法构建基学习器,然后通过所提出的基于观察学习的异构集成算法将基学习器集成起来,获得集成的机场噪声预测结果.该模型通过集成多个异构机场噪声预测基学习器,能够有效提升预测准确率.实验结果表明,本文所提出的基于观察学习的异构集成算法,较之其他异构集成算法,在解决机场噪声预测问题上准确性更高、容错性更强.     

人工神经网络在矿井多水源识别中的应用

以焦作矿区水化数据为例,选用Na++K+、Ca2+、Mg2+、Cl-、SO2-4、HCO-36种水化离子浓度作为识别矿井水源的依据,运用Matlab软件分别建立BP神经网络与Elman神经网络的矿井多水源识别模型。应用结果表明:与静态的BP神经网络相比,在结构上增加承接层的Elman神经网络在训练和仿真中拟合能力更强,识别精度更高和泛化能力更好;矿井地下水随着地下开采与扰动具有动态性,将具有非线性动态特征的Elman神经网络应用于矿井多水源的识别,对准确判断突水来源和分析地下水运移规律具有一定的辅助和指导意义。     

基于自适应遗传小波神经网络的水质评价建模

水环境污染过程的非确定性和非线性,使得传统的水质评价方法存在局限性。为了提高水质评价的准确性,提出了一种基于改进小波神经网络(wavelet neural network,WNN)的水质评价模型。采用自适应遗传算法(adaptive genetic algorithm,AGA)对小波神经网络的初始权值进行优化,再通过小波神经网络算法对网络进行训练,最后对训练好的网络展开测试。仿真结果表明,自适应遗传算法和小波神经网络的结合提高了网络的训练效率,该方法可以用于水质评价建模,并且评价结果具有较高的精度和准确性。     

基于小波神经网络的地下水流数值模拟模型的替代模型研究

以吉林西部为研究区,建立地下水流数值模拟模型,分别应用蒙特卡罗方法和拉丁超立方方法在研究区10个县(市)开采量的可行范围内进行采样,经对比选择拉丁超立方抽样结果得到输入(开采量)—输出(水位降深)数据集,建立小波神经网络模型作为地下水流数值模拟模型的替代模型,而后对替代模型有效性作误差分析,并与多元非线性回归替代模型进行对比.结果显示,2种替代模型在功能上都能逼近地下水流数值模拟模型,但小波神经网络模型得到的水位降深均值和水位降深剩余标准差与模拟模型计算结果的相对误差分别低于多元非线性回归模型76%和45%,说明小波神经网络模型更适合作为地下水流数值模拟模型的替代模型,这为减少优化模型求解过程中直接调用模拟模型所造成的计算负荷提供了一种有效的替代方法.     

基于RBF神经网络的矿井主排水泵故障诊断

本文将RBF神经网络应用于煤矿井下主排水泵的故障诊断中,实验证明效果良好。本文的研究成果可为同行提供有意义的参考和借鉴。     

关于烟花爆竹重大危险源分级的探讨

烟花爆竹重大危险源分级是政府和企业对烟花爆竹行业进行安全监管的重要环节。分别对死亡人数与财产损失法、基于神经网络的重大危险源分级法、校正比值求和法进行了介绍和对比分析,找出了各自的优缺点,并分析了只用其中1种方法进行分级的缺陷,提出采用2种或2种以上方法对重大危险源进行分级。最后以某烟花爆竹企业原料储罐为例,用校正比值求和法计算得到分级指标R为19.24,判断为3级重大危险源。对3种方法的结合进行了详细描述,说明了该分级方法的可行性和准确性。     

基于多源数据融合的石油罐区安全监控模型

由于单一传感器在石油罐区安全监控中容易受到外界因素影响从而产生误差,为提高传感器检测结果的可靠性和罐区安全监控预警的准确性,基于多源数据融合技术,建立罐区安全状态预警模型。首先,介绍了多源数据融合技术的3个层级:数据级融合,特征级融合和决策级融合,以及目前各领域常见的数据融合方法;其次,建立了基于最优加权融合算法的一级融合模型和基于BP神经网络算法的二级融合模型;最后,得到石油罐区安全监控数据融合模型,并为进一步的实践应用打下了理论基础。     

基于信息融合与GM的石油罐区安全监控预测模型

近年来,石油罐区安全事故发生频率呈不断上升趋势。为有效增强罐区安全监控预警系统监测数据的可靠性,并实现对事故的早期预警,基于多传感器信息融合技术和灰色模型(GM)理论,建立出石油罐区安全监控预测模型。首先,研究了基于递推最小二乘法改进的最优加权融合算法,并将其作为一级(特征级)融合模型,其次,介绍分析了灰色预测理论及GM(1,1)模型的实现过程,最后建立出基于GA-BP神经网络算法的二级(决策级)数据融合模型,并得到石油罐区安全监控预测模型。     

基于改进贝叶斯神经网络的航空公司安全敏感性分析

针对当下航空公司安全质量管理体系(Quality Management System,SQMS)中风险识别与可靠性改进的问题,提出了基于区间数学改进的贝叶斯神经网络的灵敏度分析方法。利用区间数学理论分析贝叶斯神经网络中各指标与整体安全质量状况的扰动关系,实现指标灵敏度分析。通过东方航空公司的实例分析,发现在对指标进行人工干预时组合指标干预效果较好,且安全管理体系实施后指标的灵敏度有明显向好的方向变化的趋势。