基于神经网络的二元混合液体自燃温度预测

自燃温度(Auto-Ignition Temperature, AIT)是防火防爆安全设计的关键临界参数之一。为解决目前多数采用试验方法测量混合物AIT费时费力且有一定危险性的问题,运用定量结构-性质关系方法,使用反向传播神经网络(Back Propagation Neural Network, BPNN)和一维卷积神经网络(one-Dimensional Convolutional Neural Network, 1DCNN)技术建立二元混合液体AIT预测模型。以二元混合液体的分子描述符为输入、试验测得的AIT为输出,经多种方法对模型的拟合性、稳定性和预测能力评价验证。结果表明,BPNN模型和1DCNN模型均有良好的预测能力,其均方根误差分别为4.780℃和9.603℃,拟合度与5折交叉验证拟合度差值分别为0.058和0.040,表明BPNN模型有更好的拟合能力,1DCNN模型有良好的稳定性。     

基于BP神经网络的煤层自燃预测

在全面分析影响煤层自燃因素的基础上,建立了煤层自燃预测的人工神经网络模型.应用该模型对某煤田的多个煤层样本进行了训练和预测,网络经过10次训练后,误差达到设定的最小值,6次预测测试中最大误差仅为0.027 8,最小的为0.000 1.研究表明,该模型精度较高,可用于预测煤层自燃的实际应用.     

基于BP神经网络人群流量预测的实现

人群拥挤踩踏突发性的特点决定了现场的事故救援措施效果较差,事前预防是唯一有效的策略。对商业区人群流量进行预测,对于合理控制商业网点人口,预防人群类事故的发生具有重要的意义。本文介绍了基于BP神经网络的人群流量预测方法,利用Matlab建立了相关模型,并结合实际数据对模型进行了调整,分析了隐含层神经元个数、不同输入-输出结构、不同传递函数等因素对网络性能的影响。研究表明利用神经网络的非线性映射能力对人群流量进行预测时可行的。     

BP神经网络法预测唐山市需水量

需水量预测研究已成为当前水资源规划与管理研究中的重要课题之一.本文设定不同的神经网络运行次数,根据预测结果进行误差分析,BP神经网络在运行5 000次时,具有高度的可信度和可行性.应用5 000次运行次数的BP神经网络模型对唐山市规划水平年的需水量进行预测.最后引入人均综合用水量概念,结果表明,预测结果在理论上和实际上都具有可行性.     

道路交通事故BP神经网络预测研究

在分析道路交通事故影响因素的基础上,确定道路交通事故评价指标体系。该体系包含交通事故次数、死亡人数、受伤人数3个输出指标及12个影响因素。利用人工神经网络具的强非线性逼近、模糊推理、自学习的优点,建立道路交通事故BP神经网络预测模型。模型对我国2006年、2007年、2008年的交通事故情况进行预测,其中,2006年、2007年预测精度较高,2008年预测误差稍大,可能的原因为2007年12月修订的《中华人民共和国道路交通安全法》对减少交通事故起到较大作用。     

基于MATLAB工具箱的开采煤层自燃危险性预测

正确预测开采煤层自燃发火的趋势与危险性,对煤矿安全生产具有重要的指导意义。煤层自燃发火的趋势和危险程度与其影响因素之间存在着复杂的非线性关系,而人工神经网络具有极强的非线性逼近能力,能真实刻画出输入变量与输出变量之间的非线性关系。为准确预测开采煤层自燃发火的危险性,笔者针对反向BP神经网络收敛差的缺点,分别采用基于MATLAB神经网络工具箱中的VLBP和LMBP算法的改进BP神经网络模型对开采煤层自燃的危险性进行了预测。根据开采煤层自燃的特点,选取煤本身自燃倾向性、煤层地质及赋存条件、通风技术条件3个关键影响因素作为开采煤层自燃危险性的评判指标,建立了开采煤层自燃危险性预测的神经网络模型。实际应用效果表明,采用基于MATLAB神经网络工具箱的BP网络模型,能克服一般BP网络收敛较慢的缺点,能加快收敛速度;运用LMBP算法比VLBP算法快,但需较大计算机内存;该模型收敛速度快,准确性高,是一种十分有效的开采煤层自燃危险性预测方法。     

乙醇汽油自燃温度及爆炸极限测试

为评估不同标号乙醇汽油(E10)的燃爆危险特性,补充完善乙醇汽油的技术指标,首次采用AIT551自燃温度测试仪和FRTA爆炸极限测试仪测试了E10的自燃温度和爆炸极限,并分析了温度对乙醇汽油爆炸极限的影响规律。结果表明:90号、93号、97号E10自燃温度分别为373℃、339℃、373℃,对应着火延迟时间为8 s、9 s、8s;90号、93号、97号E10的爆炸范围分别为1.223%~8.292%、1.343%~8.893%、1.294%~8.546%;温度从20℃升高至120℃,93号E10的爆炸范围从1.491%~8.765%变宽至1.318%~9.103%,即E10蒸气爆炸极限范围随温度升高而变宽;推导了测量E10蒸气爆炸极限时待测样品量预估计的公式。     

基于BP神经网络的新浇筑混凝土爆破安全震动速度预测

岩体开挖爆破与局部浇筑混凝土交叉施工时,爆破产生的地震波对新浇筑混凝土的力学性能会产生不利影响,预测控制混凝土质点峰值震动速度对确保新浇筑混凝土工程质量至关重要。以新浇筑混凝土结构质点峰值震动速度为研究对象,基于BP神经网络理论,选取混凝土极限拉应变、混凝土的弹性模量和泊松比、基岩的弹性模量和泊松比5个影响因素,建立了新浇筑混凝土爆破安全震动速度BP神经网络预测模型。并对龄期为1.5 d和40 d的混凝土在两种不同基岩条件下的爆破安全震动速度进行了预测,预测结果相对误差分别为0.025、0.011、0.004和0.002,满足工程需要。研究表明,该方法计算量小,预测性能好,便于工程人员掌握。     

基于BP神经网络的红外可燃气体探测器温度补偿研究

针对红外可燃气体探测器输出电压随温度变化,而又缺乏理论补偿公式的情况,提出采用BP神经网络对基于NDIR的可燃气体探测器进行温度补偿的方法,解决了以往温度补偿通过硬件补偿带来的探测器体积大、重量增加的弱点;与已有的软件补偿方法相比,BP神经网络方法通过对数据进行训练、学习获得温度补偿模型,得到了较好的结果,使得红外可燃气体探测器具有较宽的使用温度范围。     

矿井潮湿巷道风流温度预测方法改进

高温矿井风流温度准确预测是很多学者关注的课题,难点是预测模型中的含湿量或水蒸气分压力与温度关系复杂。结合矿井风流温湿度特点,充分考虑风流温度、相对湿度共同对潜热交换量的影响,提出了分区间将含湿量项回归成温度、相对湿度的二元一次函数的简化方法;根据矿井风流能量方程理论,提出了利用焓值方程闭合差校验模型预测精度的方法;得出了精度较高、且可手动计算的预测通风时间1 a以内和1 a以上巷道末端风流温度计算模型。     

煤尘润湿接触角的BP神经网络估算方法研究

通过采集和测定35个矿区煤样品的化学组成、结构参数和润湿接触角,构建了以13个影响因子为输入参数和以接触角为输出目标的3层BP人工神经网络,并利用该模型估算煤尘润湿接触角。结果表明,隐含层节点数为19时,接触角估算值与实测值的决定系数R2=0.957,平均相对误差为4.59%,表明基于BP神经网络建立的煤尘润湿接触角估算模型具有很高的精度。     

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。     

Flammability hazard analysis of imidazolium-based ionic liquid binary mixtures under high temperatures

Ionic liquid (IL) mixtures are promising because they can optimize the involved properties according to industrial needs. It has already been demonstrated that IL flammability is due mainly to IL decomposition generating flammable substances. Four different ILs, 1-Butylimidazolium tetrafluoroborate ([BIM][BF₄]), 1-butylimidazolium nitrate ([BIM][NO₃]), 1-butyl-3-methylimidazolium tetrafluoroborate([BMIM][BF₄]), and 1-butyl-3-methylimidazolium nitrate ([BMIM][NO₃]), were selected as the parent salts to form the different imidazolium-based IL binary mixtures. These mixtures were tested via isothermal thermogravimetric analyzer (TGA) at different temperatures (120, 150, 180, 210, and 240 °C), then tested by the flash point analyzer after isothermal heating pretreatment at the above temperatures. Results show that the mixtures' flash point values decrease with the heating temperature increase. Vaporization of the IL mixtures’ decomposition products results in a higher concentration of flammable gases and a flash point decrease, which lead to the flammability hazard increasing. Moreover, results show that the flash points of the studied binary imidazolium IL mixtures are more similar to those of the more unstable IL in their parent ILs. Also, the flammability hazard of IL binary mixtures may obviously increase under the high temperature environment for a long time.     

基于PCA和BP神经网络边坡稳定性分析

基于影响边坡稳定性各因素之间具有一定的相关性和边坡工程是一个非线性、不确定的动态过程等这些特征,首次应用主成分和BP神经网络的原理和方法,建立了边坡稳定性评价模型,并应用SPSS软件对影响因素进行分析并确定主成分,应用Matlab71神经网络工具箱对一些边坡样本进行训练仿真。对比了经过主成分分析和未经过主成分分析评价结果,结果表明,经过主成分分析的BP神经网络评价精度更高,相对误差更小。表明了建立主成分和BP神经网络评价模型具有较好的可行性和适用性。     

基于PSO优化BP神经网络的钻井动态风险评估方法

传统钻井动态风险评估严重依赖于专家主观判断、结果大多是定性或半定量,无法满足深井复杂地层钻井安全需求。针对该问题,研究建立了基于PSO优化BP神经网络的钻井动态风险评估方法。通过对录井资料的监测分析,实时判断井下风险发生的类型并定量计算风险发生概率,可以在风险发生的早期给出预警信息,及时指导风险调控措施的开展。海上BD气田的实例分析表明,基于构建的动态风险评估模型得到的风险预测结果与实际风险发生情况相符合,说明建立的模型是合理可行的。该模型对于钻井作业过程中动态风险评估具有一定的参考价值。     

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。     

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并提出了优化策略。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。