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.     

矿区岩溶地表塌陷神经网络预测模型研究

针对矿区岩溶地表塌陷存在的非线性动力学特征,为更准确预测岩溶地质矿区地表塌陷区域分布,在分析研究某矿区岩溶地表塌陷机理及其影响因素基础上,确定矿区地表塌陷的影响因素,构建矿区岩溶地表塌陷BP神经网络非线性动力学预测模型。采集并分析某岩溶矿区大量岩溶地表塌陷历史数据,应用Matlab神经网络工具箱,采用构建的矿区岩溶地表塌陷BP神经网络预测模型,对上述矿区岩溶地表塌陷区域分布情况进行非线性预测。研究结果表明,采用训练的神经网络预测模型可以实现对矿区岩溶地表塌陷危险性的合理预测。     

用灰关联分析和神经网络方法预测煤与瓦斯突出

本文应用灰色系统理论的灰色关联分析,对煤与瓦斯突出影响因素进行灰关联分析,得出了各影响因素对煤与瓦斯突出影响程度的大小排序,选择灰关联分析的五个优势因子:瓦斯放散初速度、坚固性系数、瓦斯压力、煤体破坏类型和开采深度,作为输入参数,用计算机对神经网络编写程序,建立了煤与瓦斯突出预测的神经网络模型.用我国典型突出矿井的煤与瓦斯突出实例作为学习样本,对网络进行训练学习,并以云南恩洪煤矿的煤与瓦斯突出实例作为预测样本进行验证.     

基于人工神经网络的气体泄爆最大超压预测研究

为解决传统经验公式在预测气体泄爆中最大超压出现时的较大偏差或过于保守的问题,提出使用人工神经网络预测气体泄爆最大超压。基于124组实验数据,采用BP与RBF神经网络,通过优化算法计算与迭代循环对泄爆样本中的影响因素进行降维与选择,并确定2类神经网络本身在学习与计算气体泄爆样本时的相关参数。结果表明:PCA（主成分分析法）在当前样本条件下的降维效果较差,而通过迭代对比确认气体泄爆样本中的5类特征全部保留时神经网络的训练模拟效果最好;通过对124组实验数据进行随机挑选训练集与测试集的训练模拟结果发现,神经网络对气体泄爆中最大超压的预测效果较好;通过对比Molkov提出的和经Fakandu等改进的NFPA 68经验公式以及2类神经网络的预测结果表明,神经网络相比于传统气体泄爆经验公式具有明显优势。     

基于AGA-BP神经网络的采空区危险性评价

针对采空区危险性评价的影响因素众多且关系复杂的特点,提出了基于AGA-BP神经网络算法评价采空区危险性。将岩体结构、地质构造、岩石抗压强度等13个影响因子作为神经网络输入,采空区危险性等级作为输出,建立一个采空区危险性评价的BP神经网络模型;采用自适应遗传算法(AGA)对BP网络的初始权值和阈值进行全局寻优,将寻优结果回代入网络中进行训练并预测得出采空区危险性等级;利用其它智能算法与该预测结果做出比较,以验证AGA-BP算法的有效性及优越性。结果表明:该算法的优化效果明显,同时在训练时间与预测精度上较其它智能算法有突出的优势,是一种在采空区危险性评价方面值得推广的新方法。     

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。     

基于BP神经网络的安全生产事故统计情况预测分析

通过对1990—2008年安全生产事故统计情况进行分析,梳理了社会经济发展的各项指标,选择其中的人均GDP、第三产业比重、非农就业人口比重、城镇居民可支配收入、万人大学生数、万人医生数等反映经济发展的主要指标作为神经网络的输入端,以安全生产事故起数和死亡人数为输出端,以2007年全国各地区经济发展指标和事故统计情况为样本训练BP神经网络,进行不同省份安全生产情况的预测。其结果与实际情况符合性较好,为目前安全生产形势分析提供了一种新方法,该法对预测安全生产监督管理工作提供参考。     

RBF神经网络在锅炉安全液位控制中的应用

锅炉是现代工业过程中不可缺少的动力设备,在工业锅炉的自动化控制过程中,蒸汽锅炉的给水调节是其控制过程的重要任务。结合锅炉安全液位控制过程的影响因素,文中分析了给水流量作用下的动态特性、蒸汽流量作用下的动态特性和炉膛热负荷作用下的动态特性,提出了基于径向基神经网络PID的分段式锅炉液位控制策略。控制策略中采用的高斯函数的径向基神经网络算法,实现了系统参数智能化自动调整;分段式控制方法有效地提高了系统的调节精度和响应速度。该控制策略的实际应用,对实现工业控制过程自动化,提高系统控制品质和保证生产过程安全具有重要意义。     

含硫气井完整性风险等级预测研究

为保证含硫气井在开发过程中安全高效生产,提出一种基于主成分分析(PCA)和BP神经网络的含硫气井完整性风险等级预测模型。首先,采用Bow-tie方法得到含硫气井完整性失效风险因素,通过模糊评价法对风险因素进行量化处理;然后,利用PCA提取综合指标,并结合BP神经网络得到预测模型,进而得到风险等级。研究结果表明:通过PCA能使BP神经网络的输入数据由28个减少至4个,所建模型的风险等级预测精度高于未经PCA的BP神经网络;通过PCA与BP神经网络结合的预测模型可识别含硫气井开发过程中完整性失效的风险因素,完善了含硫气井风险等级预测技术。     

ATIS环境下驾驶员认知负荷研究进展

为构建更加符合驾驶员认知特性的出行信息环境,提高驾驶员出行信息服务水平,对ATIS环境下驾驶员认知负荷研究进展进行系统分析与评述.首先阐述了认知负荷的理论基础,随后分析了ATIS环境下驾驶员认知负荷的影响因素,同时分类解析了驾驶员内在认知负荷、外在认知负荷与相关认知负荷的产生根源,并对认知负荷的形成机理进行了分析;系统评述了驾驶员认知负荷的测量方法,最后基于驾驶员信息认知负荷提出了ATIS优化对策.结果表明:年龄、性别、受教育程度、月收入、出行经验是影响驾驶员认知负荷的主要因素;道路交通标志的版面设计与驾驶员的标志视认时间关联密切;驾驶过程中拨打手机及使用车载终端均会分散驾驶员注意力,增加驾驶员的信息认知负荷;较高的车速与音频播放等环境会对驾驶员的信息认知能力提出更高要求.     

基于BP神经网络的煤与瓦斯突出预测系统开发

煤与瓦斯突出影响因素多,难以为其建立合适的多指标非线性预测模型,为提高突出预测的准确性和增强预测预报方法的实用性,采用改进的BP算法建立煤与瓦斯突出预测数学模型。通过研究不同算法的突出预测效果,对已建模型的泛化能力进行检验,利用Matlab GUI和神经网络工具箱设计开发煤与瓦斯突出预测系统,通过向系统输入已知的突出样本数据,经过学习、训练,实现对未知参数的预测。仿真结果表明:网络在训练300次后,误差训练曲线的均方差(MSE)可以达到10-15,实际预测误差也小于0.1,系统得到的5组数据预测结果与实际情况相符。     

基于FMEA与RBF神经网络的LPG汽车罐车储罐系统故障诊断

为了对液化石油气(LPG)公路运输罐车储罐系统故障进行准确、全面的诊断,通过利用故障模式影响分析方法(FMEA)构建储罐系统故障模式及故障特征指标,根据日常检测数据构造训练样本,运用径向基函数(RBF)神经网络对网络进行训练建立诊断模型并利用诊断模型对罐车故障进行诊断。经验证:诊断结果与实际情况相符合。因此,基于FMEA与RBF神经网络所构建的模型可以用于危险化学品汽车罐车储罐系统的故障诊断。     

基于多因素的LSTM瓦斯浓度预测模型*

为解决煤矿瓦斯浓度预测问题,提出基于多因素的LSTM瓦斯浓度预测模型。模型首先对煤矿多源监测数据进行数据融合、缺失值处理;其次通过特征衍生、有监督化、无量纲化,融合各环境因素特征和时序数据的时间性特征,且衍生出更多交叉项特征和高次项特征;然后利用经验法和逐步试错法确定隐藏层维度;最后进行模型训练和测试。研究结果表明:基于多因素的LSTM瓦斯浓度预测模型的RMSE仅为0.021,MAE为0.01,比单因素LSTM模型、RNN模型预测效果好。因此,基于多因素的LSTM瓦斯浓度预测模型可更精准地进行瓦斯浓度多步预测,促进煤矿安全生产。     

BP神经网络法在斜拉桥换索施工控制中的应用研究

运用神经网络理论,结合一座双塔三跨混凝土斜拉桥换索施工过程,对斜拉桥换索过程索力和主梁标高进行预测研究。运用平面杆系有限元理论计算出施工状态的理论索力和理论标高,再通过数值计算软件MATLAB7.1建立神经网络仿真模型得出各施工阶段的索力和标高预测值,为具体的换索工程提供参考。通过对比该斜拉桥换索过程中索力及主梁控制点标高的计算值和实测值可知,预测数据与目标数据相近,变化趋势一致,验证了BP神经网络在换索施工控制中进行参数预测的可行性。     

Prediction of ultimate bearing capacity of Tubular T-joint under fire using artificial neural networks

An artificial neural network (ANN) model is developed for the prediction of the ultimate bearing capacity of tubular T-joint under fire. The input parameters of the network are composed of the diameter ratio (β), the wall thickness ratio (τ), the diameter–thickness ratio (γ) and the temperature (T). The output parameter is composed of the ultimate bearing capacity. In this paper, the training and testing data of the neural network are obtained using the finite element program ABAQUS. The network is trained by 216 dataset and tested by 27 dataset. In the process of training of the network, the Levenberg-Marquardt back-propagation algorithm is adopted. The ‘tansig’ function is adopted in the hidden layer, and the ‘purelin’ function is adopted in the output layer. The results predicted by ANN are compared with the results simulated by finite element method (FEM). These results show that the prediction of the ultimate bearing capacity using the network model is accurate and effective.     

基于PCA-VMD-CNN的输电线路覆冰重量预测模型*

为防止覆冰灾害危及电路安全,提出1种输电线路覆冰重量预测模型。首先对多个气象因素进行主成分分析提取气象因素中的有效信息,再对覆冰历史数据进行变分模态分解,获得具有不同特性的本征模态分量;然后基于卷积神经网络,对具有不同时间尺度（周期性、波动性不同）的各个分量进行训练及预测,并将每个分量的预测结果相加。研究结果表明:通过对某覆冰区域的输电线路监测数据进行实验仿真,研究所提出的覆冰重量预测模型有更高精度。     

灰色Elman神经网络在火灾事故预测中的应用研究

针对我国火灾事故现状,结合灰色理论和神经网络的特点,提出灰色Elman神经网络火灾事故预测模型。依据我国1998—2007年火灾事故统计数据,分别选用GM(1,1)模型和灰色Elman神经网络模型对1998—2005年数据(火灾起数)进行拟合,对2006年、2007年数据进行(火灾起数)预测。结果表明:灰色Elman神经网络火灾事故预测模型符合火灾事故的特点;有效地解决了传统灰色预测模型在火灾事故预测中误差大稳定性差的缺陷,提高了预测精度;可对火灾事故进行预测与分析,为消防安全管理提供依据,以最大限度地减少火灾事故的发生。     

基于ICEEMDAN和MC-CNN的矿山声发射信号识别分类方法

为精准识别地下矿山声发射事件,采用基于改进的完全集合经验模态分解模型(ICEEMDAN)和多通道卷积神经网络(MC-CNN)模型对声发射信号进行处理后得到分量图,根据各通道输入分量峭度值赋予不同权重,并利用卷积神经网络对输入数据进行训练,最终采用五折交叉实验方法验证该分类识别方法的可行性及有效性.结果表明:基于ICEE...     

基于层次分析-模糊综合评判的电解车间安全现状评价研究

根据电解车间安全评价存在的模糊性和随机性的特点,建立涵盖职工素质、工艺过程、生产设备、职业卫生、安全管理一级指标的安全现状综合评价指标体系;运用层次分析(AHP)理论,用标度取值方法、分根法分别构造模糊判断矩阵和计算各单因素的权重值;运用模糊综合评判(fuzzy comprehensive evaluation)理论,提出安全现状二级模糊综合评价方法;在组织专家对评价指标打分和确定模糊等级的基础上,结合前面得出的权重值,对某电解车间的安全现状进行了综合评价,得出其安全状况为"一般";在评价过程中,分析了指标体系中一级指标的状况,为制定安全措施提供了指导。笔者认为,该方法对于提高电解车间安全现状综合评价的客观性和准确性具有理论意义和实用价值。     

灰色层次分析法在中小型电厂安全性评价中的应用

电厂安全性评价是综合运用安全系统工程的方法对系统的安全性进行度量和预测。笔者确定了电厂安全性评价的指标体系,提出了应用灰色层次分析法评价电厂安全性的方法与步骤。该方法能在缺资料、少信息条件下完成建模、预测和决策,将评价专家的分散信息处理成一个描述不同灰类程度的权向量并进行单值化处理,从而可得到受评电厂安全性体系的综合评价值和电厂安全性的等级划分,再应用灰色层次分析法对模型电厂进行了实际评价,其结论是可信、方法适用。