基于灰色BP神经网络组合模型的水上交通事故数预测

为了提高水上交通事故数的预测精度,在灰色预测模型与BP神经网络模型相组合的基础上,建立了灰色BP神经网络组合预测模型。以全国水上交通事故数、机动船数、驳船数、水上运输就业人数、水路货运量和水路客运量的数据作为样本数据,进行试验计算,并将组合预测模型的预测结果分别与灰色预测模型和BP神经网络预测模型的预测结果进行了对比。试验结果表明,相较灰色预测模型和BP神经网络预测模型灰色BP神经网络组合预测模型的误差更小、预测精度更高,且具有良好的稳定性。     

基于BP神经网络和SVR的Fund?o尾矿坝排水数据预测对比研究

针对尾矿库运行过程中安全预警问题,选取2015年巴西Samarco铁矿溃坝事故案例,研究BP神经网络和SVR方法在排水数据预测的适用性。综合分析了排水数据的复杂且非线性的特点,以库水位、降雨量和干滩长度为输入特征,采用上述2个模型对尾矿坝排水数据进行预测。研究结果表明:基于BP神经网络预测结果的最大相对误差不高于4.35%;基于SVR算法的最大相对误差不高于9.21%;Fundo坝的排水预测结果是可行的,BP神经网络的预测精度更高,而SVR模型的运算速度更快。研究结果可为矿山安全工作的快速响应和溃坝预警提供信息支撑和参考依据。     

基于BP神经网络技术的实验数据分析处理

许多热灾害实验的危险性和成本相对较高,很难进行多次实验,且数据较少。针对这些的问题,笔者根据BP神经网络基本原理,建立多层反向传播的神经网络,以现有实验数据为训练样本,对神经网络进行训练,利用训练后的网络对待测样本进行预测。以喷射火作用下液化气储罐热响应实验的数据处理为例,利用BP神经网络进行压力值预测。将预测的结果和实验数据进行比较,结果表明了神经网络对实验数据进行处理和预测的可行性。     

无线火灾传感网络故障诊断在工业建筑的应用

本文使用粗糙集中一种改进的基于差别矩阵和属性选择的属性约简算法,对故障样本数据进行约简,得到最小约简集,结合使用新旧版本的BP神经网络,对工业建筑节点故障进行检测,仿真实验结果得到采用RS-new BP神经网络比old BP神经网络的迭代次数减少了61次,正确率提高了7.11%。     

虚拟仪器技术在神经网络火灾识别模型中的应用研究

为降低火灾自动报警系统的误报、漏报率,基于BP神经网络算法,用LabVIEW虚拟仪器开发了一套智能火灾识别模型。在火灾探测区域内合理布置若干感温探测器,在火灾识别模型中,将探测到的温度场参数作为BP神经网络的输入,火灾发生与否作为输出,并对影响BP神经网络的各项参数和该模型的运行结果进行测试研究。仿真试验结果表明:选取42组训练样本,当网络训练到4 000次左右时,最大相对误差值达到目标值0.1,其中大部分相对误差值达到0.05以下,网络的实际输出值非常逼近样本的理想输出值;实际火灾试验表明:该火灾识别模型能够探测火灾的发生。     

遗传算法优化的BP神经网络在地震死亡人数评估中的应用

破坏性的地震灾害作为一种突发性自然灾害,往往会在短时间内造成大量的人员伤亡和财产损失。地震发生后若能有效地预测伤亡人数,可以更科学地组织人员救灾与配置救灾物资,对于减少震后的人员伤亡具有一定的指导作用。通过我国往期的地震数据信息,分析总结出对人员伤亡数目影响较大的7个因素,分别为地震等级、地震时间、震源深度、震中烈度、抗震设防烈度、震中烈度与抗震设防烈度之差(ΔL)、人口密度。鉴于这7个影响因素与地震时的死亡人数呈非线性关系,选用基于遗传算法(GA)优化的BP神经网络建立地震死亡人数预测模型。针对BP神经网络的局限性,利用遗传算法全局搜索最优值的特点,对BP神经网络的权值与阀值进行优化,防止BP神经网络陷入局部最优解,并且加快神经网络收敛速度,从而提高BP神经网络的预测精度。从我国1970年至2016年之间发生的地震灾害中,选取32组造成人员伤亡的地震数据,对初始数据进行处理后,利用遗传算法优化的BP神经网络预测模型进行训练并预测。选取27组样本作为训练样本,另外5组样本作为测试样本。预测分析结果表明,遗传算法优化的BP神经网络预测死亡人数与真实死亡人数相比平均误差为9.72%,均方误差为10.41,而BP神经网络的预测死亡人数的平均误差为17.61%,均方误差为18.02,因此GA-BP神经网络结果较为理想,相比传统的BP神经网络具有更高的逼近精度。     

河南省汛期地质灾害预警的BP神经网络模型及应用

根据诱发地质灾害的内外因素建立地质灾害预警模型,评价河南省地质灾害的危险性.选取地形地貌、地质构造、岩土体类型、植被分布、水土流失、降雨和人类生产活动7个影响地质灾害的因素,建立了地质灾害预警的BP神经网络模型.根据监测数据进行训练和检验后,采用该模型对河南省汛期地质灾害进行预测,发现预测结果与实际情况基本一致.研究表明,建立的BP神经网络模型作为一种灾害预警的探索和尝试,具有一定的适用性和推广价值,可以作为地质灾害危险性评价预测方法的补充.     

铁路行车事故预测方法分析与比较

对铁路行车事故的特点和类型进行分析;根据美国铁路2005年安全年报提供的数据,运用灰色系统理论和BP神经网络方法建立铁路行车事故的预测模型;利用MATLAB软件进行预测仿真,比较和分析两种预测方法的精度及特点。结果表明:灰色系统理论预测结果固定,短期效果比较好;BP神经网络预测具有适应性和灵活性,适用于长期预测。采用灰色系统理论和BP神经网络进行铁路行车事故的预测,克服了传统数学统计预测方法中建立复杂的数学模型,预测准确性低的缺点,对预防和控制铁路事故的发生,降低事故损失具有现实意义。     

基于PCA-GA-BP神经网络的瓦斯含量预测分析

为提高煤层瓦斯含量预测的效率和准确率,提出了先采用主成份分析（PCA）方法来降低变量间的相关性,然后将遗传算法（GA）与BP神经网络相结合的煤层瓦斯含量预测的新方法。为了避免BP神经网络收敛速度慢、易陷入局部极小值等问题,算法采用GA对BP神经网络的权值和阈值进行优化,利用Matlab软件进行编程,建立了BP神经网络和GA-BP神经网络瓦斯含量预测模型。选取淮南某矿瓦斯含量及其影响因素作为实验数据对该模型进行了实例分析,将主成份回归和BP网络算法预测结果与该模型进行了对比分析。结果表明:PCA-GA-BP网络预测模型平均相对误差为2.759%,预测效果明显优于主成份回归和BP网络预测模型,可以准确的预测煤层瓦斯含量。     

基于PSO优化BP神经网络的水质预测研究

为快速准确地预测河流水质,结合汾河监测数据,使用粒子群算法(PSO)优化BP神经网络模型(PSO-BP)进行水质预测.通过灰色关联度分析确定输入变量,利用PSO算法修正BP网络的初始权值、阈值,优化神经网络结构及算法全局收敛性.采用该模型对汾河主要污染物指标COD、BOD5、氨氮、挥发酚等进行预测和验证.结果表明,与传统的BP神经网络模型相比,PSO-BP模型使最大相对误差从15.43％减小到1.46％,其平均误差由4.00％减小到1.01％,预测均方根误差从5.956×10-3减小到1.605×10-4.因此,基于PSO-BP神经网络模型的预测更加精确,可用于水质预测.     

无消防水池的变电站火灾工况数值模拟研究

当前,建于市区的变电站为了节约用地,其消防系统通常不建设消防水池,消防用水直接从市政管网取水,该消防模式下的取水安全及管网响应情况值得关注.论文以某城市中心城区为例,采用EPANET 2.0构建了供水管网模型,针对供水高峰、流量转输和事故爆管3种不利供水条件,开展了无消防水池变电站的消防系统5种不同火灾工况的水力计算与...     

城市供水管网漏损动态预测的Bootstrap-Lee-Carter模型*

为对某城市供水片区的不同管径和管材的管道漏点率进行动态预测,考虑城市供水管网漏损时变特征,采用Bootstrap方法估计Lee-Carter参数模型。针对供水管网漏点率进行经典Lee-Carter模型预测,并通过残差等高线图及其同方差性质检验,比较分析最小二乘法和加权最小二乘法估计Lee-Carter模型参数的拟合效果;考虑供水管网漏损时变引起的模型参数不确定性扰动,利用残差Bootstrap方法抽样模拟Lee-Carter模型参数置信区间和模型改进后的供水管网漏损预测结果。结果表明:Bootstrap-Lee-Carter模型相比经典Lee-Carter模型具有更高的预测精度。     

基于LS-SVM的供水管网安全性评价方法研究

为评价城市供水管网的安全性,保障其正常运行,笔者基于多元分类最小二乘支持向量机(LS-SVM)的方法,在对城市供水管网安全运行影响因素总结与分析的基础上,构建供水管网安全性评价的指标因素集与评价模型,通过对有限的经验数据的学习,建立供水管网安全性与其影响因素之间的非线性关系。运用该模型进行实例仿真模拟,通过与实际安全等级及BP神经网络模型预测安全等级之间的对比表明:基于LS-SVM的供水管网安全性评价方法具有较高的精度,正确分类率可以达到83.33%。     

多目标优化方法在区域水资源优化配置中的应用——以唐山市为例

水资源供需矛盾日益加剧,如何优化配置区域内有限的水资源已成为水资源规划与管理研究中的热点.本文在考虑不同水质和水源的基础上,研究了决策变量的约束条件,综合考虑不同用水户的用水效益,采用工业、生活、环境和农业多目标优化的方法,按照决策者的不同意愿,给出不同的配置方案,即一系列非劣解集.通过调用Matlab优化工具箱中的函数对其进行求解,给出了5种不同的水资源优化配置方案,能够合理配置唐山市区内有限的水资源,使得该区域内环境、社会与经济协调发展.     

建筑消防水系统灭火可靠性动态评估模型研究

水位、水压、流量、阀门开启情况等运行状态参数是决定消防水灭火系统灭火可靠性的关键因素,基于对水灭火系统运行可靠性影响因素的研究,构建了用于评估灭火可靠性的贝叶斯网络推理模型。推理模型将影响系统灭火可靠性的因素分为给水设施可靠性、灭火系统管网供水可靠性、灭火设施启动可靠性、阀门开启状态等四个方面。网络结构图代表了监测因子与子系统可靠性的关联关系。节点变量状态值的分级方法和先验概率值参考了水灭火系统相关设计标准。根据监测因子对子系统可靠性的影响分别设置了各节点的条件概率表。应用表明,通过物联网技术实时监测灭火系统运行状态参数,将实时的状态参数信息输入到评估模型,可以实现动态评估系统灭火可靠性。     

基于BN-CREAM的深水井控压井作业风险诱因研究

深水井控压井作业是有效控制溢流演化为井喷事故的二级井控工艺屏障。为提高深水井控压井作业可靠性,采用 BN-CREAM方法对其风险诱因进行研究。结合深水井控压井作业特点,考虑共因失效等因素,采用贝叶斯网络方法建立深 水井控压井作业风险演化模型。应用人因可靠性分析CREAM法计算深水压井人因失误先验概率,参考海洋可靠性数据手 册OREDA确定深水井控设备失效先验概率。依托贝叶斯网络的逆向推理能力辨识压井作业的主要风险节点,从而实现对 深水井控压井作业风险诱因的有效预测和评估。研究表明:深水井控压井作业共包含6个关键风险根节点,且压井作业人 因可靠性要低于设备可靠性;3级子节点“压井方法选择不合理”对深水压井作业的成功起到至关重要的作用,需进一 步开展风险分析研究。     

A new pre-assessment model for failure-probability-based-planning by neural network

At present, the prediction of failure probability is based on the operation period for laid pipelines, and the method is complicated and time-consuming. If the failure probability can be predicted in the planning stage, the risk assessment system of gas pipeline will be greatly improved. In this paper, the pre-laying assessment model is established to minimize risk of leakage due to piping layout. Firstly, Fault Tree Analysis (FTA) modeling is carried out for urban natural gas pipeline network. According to expert evaluation, 84 failure factors, which can be determined in the planning stage, are selected as the input variables of the training network. Then the FTA model is used to calculate the theoretical failure probability value, and the failure probability prediction model is determined through repeated trial calculation based on BP (Back Propagation Neural Network) and RBF (Radial Basis Function), for obtaining the optimal network parameter combination. Finally, two prediction models are used to calculate the same example. By comparing our pre-assessment model with the theoretical prediction consequences of the fault tree, the results show that the error of RBF prediction model can be close to 3%, which proves the validity and correctness of the method.     

BP神经网络在航空机务人员本质安全程度评价中的应用

航空机务是飞机安全服役的重要保障,为提高航空机务系统的本质安全性,需要对航空机务人员的本质安全程度进行准确评价。在对本质安全人进行定义并明确航空机务人员本质安全程度评价项目后,构建了一种基于MATLAB的用于本质安全程度评价的BP神经网络模型。实例分析中,以某航空公司10位机务人员的专家打分数据作为样本输入,在对输入数据进行标准化处理,并明确期望输出后,通过编程计算,确定了网络隐含层神经元的最佳数目。采用优化结构进行仿真计算,结果表明BP网络的期望输出值和实际仿真输出值能较好吻合,证实了模型的可信性。基于BP网络的航空机务人员本质安全程度评价具有较好的适用性和可行性。