基于BP神经网络的非煤地下矿山安全评价模型

针对非煤地下矿山安全评价的复杂性和非线性特性,BP神经网络对非线性动态系统较强的适应性,提出并建立了一种基于BP神经网络的非煤地下矿山安全评价模型。为提高该模型的可靠性,结合非煤地下矿山生产工艺特点,提出了一套便于统计和赋值的安全评价指标体系;确定了BP神经网络结构和评价结果表征方法;为提高BP神经网络算法的收敛速度和稳定性,对标准BP算法进行有效改进;通过实例运算验证了该模型的可行性。基于BP神经网络的安全评价模型为评价非煤地下矿山安全管理现状及水平提供了可操作的方法,为矿山有关部门提供了科学安全管理的依据。     

模糊神经网络技术在矿山安全评价中的适应性研究

我国矿山企业安全生产形势严峻,矿山安全一直是我国矿山企业急需解决的安全评价技术及其应用是预防和控制矿山灾害事故的重要内容.对国内外矿山安全评价理论和技术的研究进展进行了系统的论述,并对国内安全评价理论和技术的研究和应用过程出现的问题进行了分析,指出模糊神经网络技术在矿山安全研究中的可行性,为矿山安全管理和科学决策提供了一种新的思路.     

人工神经网络方法在拟建小区域环境质量评价中的应用

人工神经网络的评价方法用于小区域环境质量评价中,根据本地区特点因地制宜地选择环境质量参数,代入模型中进行环境质量评价及预测,对用于环境质量评价的BP人工神经网络模型进行了改进,即对网络模型的训练样本进行了扩充,从而提高了模型的抗干扰能力和准确性.将改进了的BP人工神经网络模型应用于四川省资阳市沱江二桥拟建项目小区域的大气、地表水环境质量评价中, 对该市小区域大气、地表水环境质量状况进行评价,评价结果表明,BP人工神经网络模型用于环境质量评价是可行的,且评价结论客观,评价模型普遍适用.     

基于神经网络理论的炼钢企业安全评价研究

介绍了神经网络的基本原理,对反向传播算法神经网络(Back Propagation Algorithm Neural Network,简称BP神经网络)模型结构和模型基本算法进行了研究,并在此基础上针对炼钢企业建立了基于神经网络理论的安全评价模型.通过将神经网络理论的安全评价方法与传统安全评价方法比较,说明了基于神经网络理论的炼钢企业安全评价方法是可行的.     

基于GMM-PNN模型的海底油气管道风险等级评价

为了提高海底油气管道风险评价的准确率,保证管道安全运行,利用高斯混合模型(GMM)和概率神经网络(PNN)对管道进行风险评价.在传统PNN的基础上做出两点改进:一是改变PNN的结构模型,在原有网络结构上增加一个特征层,目的是通过线性变化的方式增强输入维度之间的联系;二是将全局单一参数改为在模式层采用GMM,并用随机梯度下降法对参数进行更新.考虑海底管道在偶发因素下的风险,将相关指标量化,利用GMM-PNN模型划分等级,然后与PNN模型、人工神经网络、支持向量机进行对比.结果表明,GMM-PNN模型对训练样本数量要求较低且准确率高于其他3种模型,能够更加准确地对海底管道进行风险等级评价.     

基于遗传神经网络的化工企业安全评价

基于化工企业特点,建立了比较合理的安全评价指标结构,并构建了以遗传神经网络为基础的评价模型。通过建立训练样本,确定BP神经网络的网络结构,运用遗传算法（GA ）去优化BP网络的初始权值和阈值,再把优化之后的权值和阈值赋给BP神经网络,然后对其进行训练,训练完毕后将所建立的模型通过实例评价进行了验证,结果表明此模型在化工企业安全评价中具有较好的应用价值。     

基于人工神经网络理论的船舶动力装置安全综合评价模型

为提高船舶动力装置安全综合评价水平，依据人工神经网络的基本原理，分析了BP神经网络模型的基本原理和优化策略，将其应用于船舶动力装置的安全评价之中。提出了基于神经网络理论的船舶动力装置综合安全评价模型及实现方法，并以实例论证了此方法的可行性。     

基于粗糙集-人工神经网络的航空安全文化评价模型研究

根据航空运输企业安全生产系统的特征,制定相对科学的、适用的安全文化评价指标体系。将粗糙集、人工神经网络方法应用于航空安全文化评价研究。首先,通过问卷调查与粗糙集方法相结合,对安全文化评价指标信息表进行设定。利用粗糙集的属性约简功能,确定航空安全文化的核心要素;其次,利用人工神经网络对约简后指标权重进行计算;经过仿真实验,训练后的神经网络较好地获取并保存了安全文化评价的知识和经验,能够较为准确地对航空安全文化进行评价。     

基于人工神经网络理论的系统安全评价

阐述了人工神经网络基本原理 ,研究分析了 BP神经网络模型的缺陷并提出了优化策略。在此基础上 ,将神经网络理论应用于系统安全评价之中 ,提出了基于此理论的系统安全评价模型、实现方法和优点 ;评价实例证明了此方法的可行性。     

煤矿灾害及安全管理综合评价

通过分析煤矿灾害事故,针对目前煤矿安全生产中存在的突出问题以及安全评价和安全管理中显现的深层次矛盾,运用层次分析法对矿山灾害进行分析.对矿山安全管理系统进行模糊评价,为矿山安全管理和科学决策提供了依据.     

基于博弈论组合赋权灰靶模型的煤矿安全综合评价

为了合理准确地评价煤矿安全现状,建立了基于博弈论组合赋权耦合灰靶决策的煤矿安全评价模型。运用层次分析法、熵权法和神经网络算法单独计算出各个指标的权重,再根据最优线性组合系数确定博弈论组合赋权。以河南义马煤业5组矿井安全现状为例,运用博弈论组合赋权耦合灰靶决策计算矿井偏离靶心度,同时将该模型的评价结果与层次分析法耦合灰靶决策模型、熵权灰靶决策模型和神经网络算法耦合灰靶决策模型的评价结果进行对比分析。结果表明:博弈论组合赋权耦合灰靶决策模型的评价结果与煤矿实际安全情况基本一致,且该模型相较其他模型的评价结果更加精准简便。     

基于ART-2人工神经网络的煤矿安全风险评价

旨在为煤矿安全风险预控管理提供一种适用的风险评价模型或方法。研究过程中,介绍了人工神经网络自适应共振理论的ART-2算法;在安全系统工程理论及相关研究基础上,结合调研分析建立了风险评价指标体系;选取山西9家煤矿作为研究样本进行实证研究。该算法仿真识别结果与煤矿实际安全风险情况一致性程度达到77.78%,表明针对煤矿安全风险预控管理过程中的安全风险评价,ART-2神经网络具有较好的适用性。     

基于IPSO-BP的受损钢结构改造施工安全预警评估研究

为研究受损钢结构改造施工安全预警状况,建立受损情况下钢结构改造施工安全预警指标体系,并针对BP神经网络算法易陷入局部最优的问题,提出了用改进粒子群算法（IPSO）对BP神经网络权重及阈值进行调整的IPSO-BP安全预警评估模型。通过分析某单层重钢厂房受损现状,针对其结构损伤情况和已构建的安全控制指标体系进行数值模拟分析。研究结果表明:与传统的BP模型相比,IPSO-BP模型具有更好的预测能力,构建的安全预警指标体系及预警模型可以很好地对受损钢结构改造施工过程安全状况进行综合评估,对受损钢结构改造施工安全控制具有一定的参考价值。     

Classification technique for danger classes of coal and gas outburst in deep coal mines

In this investigation a new classification technique based on artificial neural network (ANN) and exponent evaluation method (EEM) has been developed to classify the danger classes of coal and gas outburst in deep mines. A weight computing model of mutual affecting factors is derived from backward algorithm of ANN (BA-ANN), which diminishes the influence of factitious factor, the environment factor and the time factor to the weight. The BA-ANN model is used for modeling the correlation between danger class and 12 affecting factors of coal and gas outburst and calculating weights of interconnection factors, which performs very well. In order to classify danger classes in a daily routine, the EEM with the well trained weights which are from BA-ANN, is performed in a deep mine. The case study shows that this new technique is useful to classify danger classes with quick and accurate computation. Moreover, the weight computing model of BA-ANN can be extended to other safety issue in different fields as well.     

基于班组安全氛围的建筑工人不安全行为预测

为拓展安全氛围在施工安全管理中的应用,提高建筑工人不安全行为可预测性,提出一种基于班组安全氛围预测建筑工人不安全行为的方法。通过文献研究获取班组安全氛围7个维度,并将其作为输入构建人工神经网络模型,利用问卷数据对模型进行训练、测试与仿真,最后通过实际案例验证模型实用性。研究结果表明:模型均方误差为0.015 4,目标输出与预测输出相关系数R大于0.9,该模型可有效用于建筑工人不安全行为预测,并在实际工程案例中准确识别出3个不安全行为因素。     

自适应神经网络在确定落煤残存瓦斯量中的应用

落煤残存瓦斯量的确定是采掘工作面瓦斯涌出量预测的重要环节，它直接影响着采掘工作面瓦斯涌出量预测的精度，并与煤的变质程度、落煤粒度，原始瓦斯含量、暴露时间等影响因素呈非线性关系，人工神经网络具有表示任意非线性关系和学习的能力，是解决复杂非线性，不确定性和时变性问题的新思想和新方法，基于此，作提出自适应神经网络的落煤残丰瓦斯量预测模型，并结合不同矿井落煤残存瓦斯量的实际测定结果进行验证研究，结果表明，自适应调整权值的变步长BP神经网络模型预测精度高，收敛速度快，该预测模型的应用可为采掘工作面瓦斯涌出量的动态预测提供可靠的基础数据，为采掘工作面落煤残存瓦斯量的确定提出了一种全新的方法和思路。     

基于耦合协调度的煤矿安全应急管理评价

针对煤矿安全应急管理主动性和协调性缺乏易导致矿难事故发生的问题,提出基 于网络层次分析法（ANP）与序参量法的安全应急管理耦合协调度评价模型。通过归纳 煤矿安全应急管理进程中的耦合协调度,构建包括5个子系统、11个序参量以及33个二 级指标的煤矿安全应急管理耦合协调度评价指标体系。借助超级决策软件确定各指标权 重,然后采用序参量法对煤矿安全应急管理的预防、准备、响应和恢复4个环节进行协 调度测算。结果表明:示例煤矿安全应急管理的准备与响应两环节的各子系统协调度最 高,系统整体协调度较低。     

BP神经网络在矿井本质安全程度评价中的应用

采用BP神经网络对矿井本质安全程度进行评价。介绍了矿井本质安全程度评价方法以及BP神经网络的结构及原理;按照BP神经网络训练的步骤,以matlab6．0为平台,利用其内嵌的神经网络工具箱,生成通用的神经网络评价模型;输入经过标准化后的矿井本质安全程度指标的评价分数,投入神经网络运算,就可以得出该矿井的本质安全程度。     

现代电子监控技术在安全生产领域的应用

现代电子监控技术在安全生产领域的应用越来越广泛,在安全生产各个环节发挥了重要作用.如手机屏蔽仪在加油站等易燃易爆场所进行信号监控,防止在加油站等易燃易爆场所使用手机引发爆炸事故;应用煤矿安全事故预警系统,实时对井下巷道的各个传感器进行瓦斯浓度和透水情况监测、记录和数据分析;建立远程安全生产监控系统,形成安全生产监测体系.利用现代化的电子通信技术、网络技术、传感技术和自动监控技术,可以大大增强对事故的防范能力,防止事故发生和减少事故的损失.