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拼提出优化策略。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。     

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。     

基于神经网络和遗传算法的城市火灾风险评价模型

以消防安全工程学与系统安全工程理论为基础,结合我国城市发展特征及消防安全管理状况,建立了城市区域火灾风险评价指标体系;针对神经网络易陷入局部极小而引起评价指标权值分布不合理的缺陷,提出了基于神经网络和遗传算法的城市火灾风险评价模型,该模型以火灾发生的可能性以及灾后的严重程度为输入单元,火灾风险等级为输出单元,采用误差反算法训练BP网络,最终得出火灾风险等级范围,有效地解决了城市火灾的动态性和非线性特征;研究实例证明了该模型的有效性,可为城市的消防安全管理提供确实可行的参考依据。     

航海人员的不安全行为分析与评价模型研究

随着国际、国内对航运系统安全认识的不断提高,航海人员的行为及如何对其安全行为进行科学评价日益受到关注。从人—机—环—管的安全系统基本要素出发,全面分析导致航海人员不安全行为的各种因素。在此基础上提出综合评价航海人员安全行为的指标体系,并探讨以各指标实测值经归一化处理后作为系统的输入,以评价结果作为系统的输出,应用BP神经网络建立综合评价模型。该种评价模型简单、实用,而且克服了其他评价方法中存在的人为和随机干扰,同时也为航海人员的安全行为评价提供了一种新的研究思路。     

基于小波神经网络的事故隐患危险性评价

提出了基于小波神经网络的事故隐患危险性评价方法,建立了小波神经网络模型.以事故隐患危险性评价指标为输入节点,以评价结果作为输出节点,对兴隆庄煤矿的安全状况进行了评价,比较误差得出此方法优于BP网络评价.     

遗传神经网络在地下商场火灾风险评价中的应用

由于地下商场火灾时非线性强、风险大,目前国内没有明确的地下商场火灾风险评价模型。建立了地下商场火灾风险评价的指标体系。根据遗传神经网络原理提出了地下商场火灾风险的遗传神经网络评价模型,其中采用了适用于少样本评价的灰色聚类方法来确定训练遗传神经网络的样本。将所建立的模型通过实例评价进行了验证,结果表明此模型在地下商场火灾评价中具有较好的应用价值。     

基于突变理论的地铁安全模糊动态评价

由于目前地铁常用评价方法中参数值的选取、各评价指标权重及评价因素重要性的确定等易受参评人员主观的影响,而导致评价难以获得客观结果,提出了基于突变理论的地铁安全模糊动态评价方法。从设备设施、人员、安全管理和外界环境4个方面分析了地铁系统安全影响因素,建立了地铁系统安全指标体系,并应用突变和模糊数学理论建立了综合评价模型。通过对评价目标进行多层次分解,根据突变理论归一化公式进行量化递归运算,计算出地铁安全总突变隶属函数值,从而实现了模糊动态分析与评判。实例应用表明,评价结果与实际情况基本一致,该方法合理可行,且评价结果具有较好的稳定性。     

地铁运营系统安全综合评价指标体系研究

分析地铁运营系统的特点、运营模式、系统故障模式,并运用系统工程的理论原则,从系统外部因素、系统指挥因素、设备设施因素、运营管理因素4个方面,确立地铁运营系统安全综合评价指标体系,利用模糊数学综合评价法,建立了地铁运营系统安全综合评价模型,并通过典型实例进行综合分析评价,进而证明将模糊数学理论应用于地铁安全综合评价的可行性。通过地铁运营系统安全指标体系和评价方法的研究和探索,对正确评价地铁系统运营安全现状,修正偏差,提高地铁系统安全总体水平具有十分重要的意义。     

城市隧道机电系统模糊综合安全评价

本文对城市隧道机电系统安全指标进行了分析。应用模糊数学理论建立了模糊综合安全评价指标体系和模型,并以厦门云顶隧道为例,对该隧道机电系统进行了模糊综合安全评价,得出隧道机电系统安全运营状态,对提高城市隧道机电系统安全管理水平具有重要的意义。     

基于BP网络的建筑安装施工现场安全综合评价的研究

针对目前我国建筑安装施工现场安全评价技术的不成熟和欠科学性的现状 ,笔者分析和综合了目前安全评价技术 ,结合建筑业特点 ,提出了基于BP神经网络的建筑安装施工现场安全评价方法 ,并对该评价模型的原理、方法及算法进行了研究。首先 ,结合建筑安装施工现场安全生产的特点建立评价指标体系 ,随后 ,运用层次分析法确定指标及准则层的权重 ,并运用模糊综合评价法生成评价样本集 ,最后 ,利用样本集训练BP网络 ,待误差满足要求后 ,即可运用训练成功的BP神经网络进行安全评价。     

神经元网络在安全评价中的应用

利用人工神经元网络进行安全评价可以克服传统的安全评价方法的缺点,提高安全评价方法的精确度和可靠性。笔者在BP神经网络基本原理的基础上,利用机会约束的思想建立了综合安全评价模型;运用反向传播算法和遗传算法对神经元网络进行训练;进而就系统综合安全评价模型进行求解,并对运用神经元网络进行综合安全评价的优点进行了分析。最后,通过对实例进行综合安全评价,得出计算结果,同时也证明将人工神经元网络应用于安全评价的可行性     

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。     

基于信息融合的自然灾害等级评估方法研究

为对自然灾害灾情等级进行准确评估,在BP神经网络模型的基础上,结合DS证据理论建立基于信息融合的自然灾害灾情等级评估模型。该模型通过对输入的灾害评估指标数据进行分类,建立网络组,对网络组的输出,建立对于各类信任度的基本概率分配函数,最后利用DS证据理论融合,从而实现灾害的最终等级评估。在MATLAB环境下,以我国45个自然灾害的灾情历史资料数据为训练样本进行模型训练,并对2009年自然灾害灾情进行评估测试。结果表明,该模型能改善单一BP神经网络不稳定、误差大的缺点,得到较优的结果。     

基于BP神经网络的苯储罐泄漏事故风险评价模型研究

为了在事故发生之前对苯储罐进行风险评价，提出1种基于BP神经网络的泄漏事故风险评价方法，利用该方法构建了苯储罐的风险评价模型，并对模型进行了训练及验证。研究结果表明:BP神经网络成功完成了建模任务，且模型训练结果较好，可利用基于BP神经网络所构建的苯泄漏事故风险评价模型对苯储罐发生泄漏事故的风险进行评价。     

基于人工神经网络的矿井通风系统评价研究

以矿井通风系统的“安全可靠、经济合理”和其定义所包含的各项内容为依据,从矿井通风动力、通风网络、通风设施、通风质量、通风监测、防灾抗灾能力、通风电耗、通风能力8个方面,确立了16项矿井通风系统评价指标,建立了一个新的矿井通风系统评价指标体系。采用人工神经网络中的BP网络算法,在VisualC++6.0平台上研制开发了矿井通风系统评价BP网络模型的计算机程序。并经过实际生产矿井检验,预测结果与实际完全吻合,说明了笔者所确定的矿井通风系统评价指标体系可以反映矿井通风系统的状况,所采用的BP网络算法正确,可以用来指导实际工作。该计算程序简单,易于操作,有一定的推广应用价值。     

基于神经网络的民航安全态势评估模型及仿真

民航安全态势评估可以向管理者提供民航安全态势和未来态势变化的信息,帮助管理者作出科学的决策,是预防事故发生的关键。航空器事故征候、事故征候率和灾变的科学预测评估是民航安全态势评估的核心内容,分析选取影响民航安全态势的安全运行因素,尝试建立了民航安全态势评估模型,结合BP神经网络和Elman神经网络进行民航安全态势评估。2008-2010年民航安全态势评估结果如下：民航安全态势整体良好但事故征候较多,其中2009年的民航安全态势相对严峻,需要密切注意民用航空器事故的发生,同时应对2010年民用航空器事故进行高度关注,希望管理者采取积极措施进行事故预防。结果表明,基于神经网络建立的民航安全态势评估模型是可行的,可以作为我国民航安全态势评估的有效工具。     

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%。