基于PCA-FPP-BP神经网络的高层建筑火灾安全评价

为解决高层建筑构造复杂、人员密度大、火灾触发因素繁多而造成高层建筑火灾安全评价困难的问题,本文提出基于PCA-FPP-BP神经网络的高层建筑火灾安全评价模型。首先运用主成分分析(PCA)对构建的高层建筑火灾安全评价指标降维处理,筛选主要信息;接着基于三角模糊数构建模糊评判矩阵,利用模糊优先规划(FPP)求解指标的权重值,减少主观的影响;最后考虑到指标间关系错综复杂彼此交叉和反馈的特性,选择BP神经网络对高层建筑火灾安全进行评价。通过工程案例证明该评价模型的实用性以及可靠性。     

基于BP神经网络的河南省火灾风险评价

采用火灾发生起数、死亡人数、受伤人数、直接经济损失、烧毁面积、受灾户数及人口火灾发生率7项指标构建河南省火灾风险评价综合体系,并用BP神经网络对该省份的18个地级市行政区的火灾风险进行评价,评价结果显示,该方法不但可以体现各地区的火灾风险相对水平,而且还可避免传统方法的主观性,具有较强的可行性和可靠性,对控制火灾风险、客观地反映各地区的消防工作现状具有一定的指导意义。     

基于模糊神经网络的海上施工安全评价

海上施工建设单位多、施工设备多、人员复杂且点多面广,施工安全的影响因素多而且模糊性强,因此,提出应用模糊神经网络评判法进行海上施工安全评价,并应用层次分析法进行各因素权重的确定.针对海上施工受气象、海洋环境影响大的特点,建立了海上施工安全评价的指标体系,该体系包含施工作业、施工管理、气象环境、通航环境4个1级指标,并利用改进的动量BP神经网络进行施工安全的评价预测,为指导海上施工安全提供了必要的理论基础.     

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。     

模糊综合评价在矿井内因火灾评价中的应用

矿井火灾是直接威肋矿井安全生产的主要灾害之一,而矿井火灾又以矿井内因火灾为主。矿井内因火灾的影响因素很多,影响过程也极其复杂。对矿井进行矿井内因火灾安全评价,可以有效识别矿井的火灾危险源和危险源的变化,并对其危险度做出评价,从而为矿井防火安全设计、安全管理提供依据。文中构建了矿井内因火灾评价指标体系的层次结构模型,综合运用模糊综合评价法和层次分析法建立矿井内因火灾模糊综合评价模式。结合实际矿井对其进行安全等级评价,评价结果与实际情况相符。根据评价结果可以采取相应的防灭火措施,为指导矿山安全生产奠定了重要的基础。     

基于BP神经网络的大型游乐设施安全评价

针对我国大型游乐设施的安全现状,结合大型游乐设施的特点,将大型游乐设施进行分解,建立了以各子系统为评价指标的大型游乐设施设备评价指标体系。介绍了大型游乐设施BP神经网络安全评价模型的建立和验证过程。BP神经网络模型经训练学习后,可有效降低定性评价的主观性,使评价结果更具科学性和客观性。利用该BP神经网络安全评价模型,对某游乐园中过山车的现状进行了安全评价,评价结果符合实际情况。     

基于模糊层次分析法的矿井安全综合评价

为定量地综合评价煤矿安全状况,结合目前煤矿灾害事故的特点,根据影响煤矿安全的因素,建立了包括环境、技术、人员、管理等4个单元、17项指标的多因素多级指标评价体系。采用模糊层次分析法(FAHP)和模糊综合评价模型相结合的方法对煤矿安全进行综合评价。首先是通过模糊层次分析法确定了各评价指标的权重,其结果显示:安全管理是影响煤矿安全的首要因素,其次是人员素质、技术与装备保障,而矿井自然安全条件排序为最后。理论联系实际,应用模糊综合评价方法对某矿的安全现状进行综合分析,得出其安全状况为"良好",同时也证明将模糊层次分析法应用于安全评价的可行性。     

基于模糊层次分析法的电缆火灾危险性评价

分析了实际工程中电缆的火灾危险性的影响因素,建立电缆火灾危险性的评价体系,运用模糊层次综合评判电缆的火灾危险性。     

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。     

基于BP神经网络模型的矿井通风可靠性研究

在MATLAB7．0神经网络工具箱的基础上,通过采用快速的Levenberg-Marquart算法。提高神经网络训练的速度与精度,实现矿井通风系统可靠性的研究和预测。旨在以一种相对简单的途径实现人工神经网络这种复杂而有效的非线性预测方法。实验结果显示了L—M算法的优越性,网络具有良好的收敛特性。     

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。     

基于人工神经网络理论的建筑物火灾安全评价研究

依据建筑物火灾危险性的影响因素,应用人工神经网络理论及系统安全方法,建立了建筑物火灾危险性的评价指标体系,该方法摆脱了评价过程中的随机性和参评人员主观上的不确定性及其认识上的模糊性等缺点,大大提高了准确性。为了验证评价模型的准确性,将该理论应用到某高校图书馆火灾危险性评价中,快速、准确地得到了安全评价结果,取得了满意效果,为建筑物防火设计以及安全管理提供了可行的依据。     

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。     

BP神经网络技术在交通工具火灾预警中的应用

通过对交通工具火灾成因机理以及现有典型交通工具火灾实例的分析研究,建立了预警评价指标体系。根据非线性理论和模式识别原理以及交通工具火灾的特点,采用基于BP神经网络的智能灾害诊断方法,对交通工具火灾发生的可能性和危险性进行评估和预测。研究表明:BP神经网络方法是解决非线性系统问题的一种有效方法,与传统的预警方法相比,该方法具有速度快、效率高、可信度好、自学能力强等特点。采用BP网络进行交通工具火灾预警时,只需输入影响交通工具火灾发生的相关指标因素,网络便可在较短的时间内得出可靠的预警结果。     

特种设备模糊神经网络安全评价研究

根据特种设备的特点,提出了包含其各生命周期的安全评价指标体系,建立了模糊安全评价的评价因素及其权重,建立了评价模型.应用BP神经网络,建立了特种设备安全评价的模糊神经网络模型,通过神经网络的多次学习训练,评价因素权重得到优化.开发了特种设备模糊神经安全评价系统,以塔机为例对评价因素权重进行了优化.     

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。     

两类新型神经网络及其在安全评价中的应用

详细讨论小波神经网络(WNN)和模糊神经网络(FNN)的构造以及训练学习过程,并针对安全评价问题分别完成算例。典型算例表明:小波神经网络具有很好的逼近与映射能力,并且有很强的泛化能力;模糊神经网络将模糊数学与人工神经网络相互融合起来,有效提升了系统的智能功能。两类新型神经网络使得人-机-环境系统工程中的许多安全评价问题有了更广泛的量化工具,并具有安全评价的量化较准确的特点。