基于改进BP神经网络的职业危害预警模型

高危作业职业危害的严重性迫切需要对此建立有效的预警机制。目前的预警方法无法对多种职业危害因素作出综合、系统的评价。本文采用改进的BP神经网络,对多种职业危害因素进行综合预警,该预警模型不受人为因素的影响,在误差允许范围内可实现准确的实时预测。     

基于BP神经网络的海军飞行员人为差错安全影响评估

为了更客观合理地对海军飞行员人为差错安全影响进行评估,提出了一套基于BP神经网络的海军飞行员人为差错安全影响评估方法。首先,根据"人为错误因素"模型并结合海军航空兵飞行员人为因素事故案例建立海军飞行员人为差错安全影响评估指标体系;然后,依据该指标体系构建了基于BP神经网络的人为差错飞行安全影响评估模型;最后,以海军航空兵历年人为因素事故统计数据为训练样本对BP神经网络安全影响模型进行训练,并利用该模型对部分数据进行飞行安全影响评估测试。结果表明,评估结果符合实际情况,该方法可对海军航空兵飞行员人为差错安全影响进行评估。     

基于BP神经网络的铁路货运安全风险评价研究

铁路货运安全是铁路货运质量的核心内容,现今铁路货物列车运行速度大幅提高,铁路货运产品种类不断丰富、总量不断增加,铁路货运安全风险管理面临更大挑战。反向传播(BP)神经网络算法相较于常规算法具有收敛快、计算精确和弱化人为因素影响等优点。针对铁路货运安全中存在的风险,建立适当的评价指标体系,使用模糊算法、层次分析法(AHP)量化样本数据,降低数据主观性,通过建立BP神经网络模型,评价铁路货运安全风险;以丰台货运中心的各项数据为例进行验证,结果表明:基于BP神经网络的铁路货运安全风险评价模型能够保证预测结果的准确性。     

基于PCA-RBF的高校学生宿舍火灾安全评价及应用

为减少我国高校学生宿舍火灾隐患,采用PCA-RBF神经网络模型进行高校学生宿舍火灾安全评价.首先,获取高校学生宿舍火灾发生的主要影响因素,建立火灾安全评价指标体系.进而引入智能化评价方法,构建了基于径向基函数神经网络(Radial Basis Function Neural Network,RBF)的高校学生宿舍火灾安全评价模型.同时,为避免评价指标的冗余性和神经网络评价中维数爆炸的局限性,引入主成分分析法(Principal Component Analysis,PCA)对指标体系进行降维处理.最后,通过实例分析验证该评价模型的可行性和有效性.结果表明,引入主成分分析方法有效解决了 RBF神经网络在高校学生宿舍火灾安全评价上存在的多种局限性问题.     

人工神经网络对矿山安全状态的评判能力分析

通过改变神经网络训练样本等方法,对比分析了神经网络对不同训练样本的反映能力,讨论了人工神经网络对矿山安全程度进行评价的适应性.为了研究人工神经网络用于矿山安全评价时的优化设计,通过改变神经网络的神经元数目及初值赋值方式等方法,测试了不同结构、不同参数的神经网络对相同训练样本的评价结论.本文的研究为人工神经网络用于矿山安全评价时的进一步改进及其优化设计提出了合理的建议.     

模糊综合评价法在液体推进剂贮存风险评价中的应用

本文通过建立氧化剂四氧化二氮(N2O4)贮存安全评价指标体系,采用层次分析法确定各影响因素的权重分配,运用模糊综合评价方法对液体推进剂贮存中的泄漏风险进行了评价,最终得到液体推进剂贮存泄漏风险的模糊评价结果.结果表明,液体推进剂在贮存中的泄漏风险为第二等级,即风险较大. 其影响因素中安全管理所占的权重最大,其次为贮存环境因素、人为因素、贮存设备因素和偶然因素.各因素评价指标的权重反映出它们的相对重要性,相关单位可依此制定安全措施.     

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.     

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.     

基于神经网络的安全评价指标重要度判定方法及应用

安全评价指标重要度判定对合理进行安全管理和有效采取安全对策具有重要意义,它是一个多指标非线性分类问题,很难用数学公式进行描述。以往的判定方法由于受人为因素及模糊随机性影响,准确性较低。神经网络作为一种新技术,具有非线性分类、人工智能的特点。基于此,提出了一种基于人工神经网络的安全评价指标重要度判定方法。该方法最大特点是直接从学习后的网络连接权重中提取评价指标重要度信息。讨论了网络的拓扑结构,以及如何从学习后的网络权重中提取评价指标重要度信息的方法。应用数理统计方法消除了网络学习初始权重对评价结果的影响。用一实例对提出的方法进行了验证,分析了网络隐含层节点数对判定结果的影响。实验表明,该方法具有很强的操作性和较高的准确性。