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。     

基于云模型的舰艇弹药库房综合安全评价

为解决弹药库房安全评价过程中的定量描述与定性概念转换问题,基于云模型理论,选取人为、技术、物质、管理、作业及设备等五个方面作为安全评价因素,建立舰艇弹药库房安全评价指标体系。以某舰艇弹药库房为例,把各因素评语集转换为评语云模型。将专家打分的结果通过逆向云发生器生成云模型的数字特征,利用正向云发生器生成管理因素的综合云图以及弹药库房整体评价云图。算例的结果表明该方法能够更为直观、灵活地反映二级因素对一级因素的影响,并准确地确定整体安全综合评价等级,符合实际情况。     

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。