基于DE-BPNN模型的含腐蚀缺陷管道失效压力预测

为提升含腐蚀缺陷管道失效压力预测精度,准确把控管道状态,建立基于DE-BPNN的含腐蚀缺陷管道失效压力预测模型,有效避免BPNN模型陷入局部最优问题,提升预测精度.基于61组管道爆破实验数据,分别用DE-BPNN与BPNN模型进行仿真计算.结果表明:DE-BPNN预测结果平均相对误差为3.26％,R2为0.98585,...     

RS-PSO-ELM下腐蚀管道失效压力预测

为提高腐蚀管道失效压力的预测精度并简化其计算过程,提出基于粗糙集(RS)和粒子群算法(PSO)融合极限学习机(ELM)的腐蚀管道失效压力预测模型。通过属性约简提取影响失效压力的关键因素,选用PSO优化ELM的输入权值和隐含层偏差,将归一化的核心指标数据代入计算。结果表明:该模型预测结果与实际值基本一致,与单一ELM模型相比,预测结果的均方差(MSE)降至0.255;与其他蚀管道失效压力评价模型相比,该模型预测结果的绝对误差平均值降至0.32。     

基于遗传-神经网络算法的含均匀腐蚀缺陷油气管线爆破压力预测研究*

为提高含均匀腐蚀缺陷油气管线爆破压力的预测精度,保障长输油气管线的安全运行,将遗传算法和BP神经网络相结合,建立含均匀腐蚀缺陷油气管线爆破压力预测的遗传-BP神经网络（GA-BPNNs）模型。采用已有文献实验数据,分析对比该模型与AGA NG-18,ASME B31G,修正B31G,PCORRC,DNV RP-F101和SHELL 92等方法用于X46,X52,X60,X65,X80等材质油气管线含均匀腐蚀缺陷时爆破压力的计算误差。结果表明:GA-BPNNs模型用于含均匀腐蚀缺陷油气管线爆破压力预测时,误差在-7.78%～6.06%之间,预测精度明显高于目前国内外通用规范的计算结果;该模型操作简单,适用范围广,工程实用性好,为含缺陷压力管道爆破压力的预测提供更好的思路和方案。     

基于灰色神经网络组合模型的矿山安全事故预测分析

本文在分析灰色预测方法和神经网络预测方法所具有的互补优势的基础上,提出修正灰色预测残差序列的方法,计算其拟合结果,排除系统数据受到的冲击和干扰,建立基于灰色神经网络组合算法的模型,进而提高预测的精度。将此方法运用于矿业安全事故预测分析中,建立了多个预测模型,比较得出灰色神经网络组合预测模型的最优性,为矿业安全事故的预测研究提供了一种可行性途径。     

混沌遗传神经网络在空气质量预测中的应用

为了提高对空气质量预测的准确性,提出了一种基于混沌遗传算法(CGA)的BP神经网络改进方法。BP神经网络是目前应用最广泛的神经网络,但存在收敛速度慢和易陷入极小值的缺陷。该改进算法的基本思想是用混沌遗传算法优化BP神经网络的初始权值和阈值。混沌遗传算法结合了混沌运动的遍历性和遗传算法的反演性。将混沌变量加入遗传算法中,进一步提高了遗传算法的全局搜索能力和收敛速度;将混沌遗传算法优化后得到的最优解作为BP神经网络的初始权值和阈值。利用改进后的CGA-BP算法进行空气质量预测,结果表明,该方法对空气质量的预测效果明显好于单纯使用BP神经网络的预测效果。     

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。     

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。     

基于小波神经网络的煤层底板突水非线性预测方法研究

针对煤层底板突水系统为一非线性动力学系统的特性,并在考察目前煤层底板突水预测方法的基础上,给出利用小波神经网络对煤层底板突水进行预测的可行性和优越性;阐述了小波神经网络的基本原理;提出和分析了基于小波神经网络的煤层底板突水预测模型及算法;并通过实例证明,应用小波神经网络解决煤层底板突水预测的可行性和优越性。研究及实践表明:小波神经网络的预测精度更高、更准确。     

基于BP神经网络和组合赋权的煤矿安全评价模型

基于大量现场数据,建立了能够全面而有效地反映煤矿安全属性的煤矿安全评价指标体系,通过因子分析法和层次分析法主客观组合赋权的方式对指标体系中各指标进行合理的权重分配,通过BP神经网络建立了安全评价模型。通过验证,该评价体系能够较为全面有效的反映煤矿的安全属性,提高了安全评价结果的科学性和准确度。     

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。     

气象参数对基于BP神经网络的PM2.5日均值预报模型的影响

建立了基于BP神经网络的PM2.5质量浓度预报模型,对广州市5个监测点2012年6月-2013年5月的PM2.5质量浓度日均值进行预报,分析了总体预报误差、不同风速和降雨量下的预报误差,以及天气预报误差对PM2.5质量浓度预报误差的影响.结果表明,BP神经网络模型对5个站点的PM2.5预报结果稳定,平均相对误差为29.71％.在有利于PM2.5扩散的气象条件下预报误差较大,风速较大时与风速较小时预报误差的差异高达15％,而不同降雨量情况下的预报误差较相近.修正天气预报后,各站点的预报误差平均降低了4.67％.这表明可从空气质量数据质量等方面人手改进模型.     

改进的Elman神经网络在瓦斯涌出量预测中的应用

在煤矿瓦斯灾害中,煤矿瓦斯突出是导致瓦斯重特大事故的主要原因之一。目前常用的基于反向传播(BP)神经网络和遗传算法-Elman神经网络(GA-ENN)耦合算法等建立瓦斯涌出量预测模型的预测方法在收敛性和精度上均存在一定的缺陷。提出了一种利用混沌免疫遗传优化算法(CIGOA)对Elman神经网络进行改进的新型智能优化算法来增强粒子的活性,提高其局部搜索能力和全局优化能力,克服了遗传算法(GA)的固有缺陷。对煤矿现场跟踪实测后进行仿真分析,结果表明:运用提出的CIGOA-ENN预测模型预测的最大相对误差为4.47%,最小相对误差为1.12%,平均相对误差为2.27%,明显小于BP神经网络和GA-ENN等预测模型的预测结果,表明CIGOA-ENN预测模型的输出结果更精确,对瓦斯涌出量预测系统的辨识误差更小,性能更优越。     

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。     

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。     

基于灰色神经网络优化组合模型的火灾预测研究

为了提高火灾事故预测的精度,根据我国火灾事故数据样本较小,波动性较大的特点,将遗传算法优化的灰色无偏预测模型与遗传算法优化的BP神经网络模型结合起来,建立灰色神经网络优化组合模型,充分发挥无偏灰色预测模型适用于小样本的数据预测的优势与BP神经网络处理非线性问题的优点。分别采用遗传算法优化后的无偏灰色GM（1,1）模型、遗传算法优化的BP神经网络预测模型与灰色神经网络优化组合模型对我国1998-2008年的火灾事故进行拟合,并对2009-2011年的火灾事故发生数进行预测。结果表明:灰色神经网络优化组合模型的预测误差最小,精度最高,适用于火灾事故的预测。     

基于BP神经网络算法的北京市地铁站应急疏散能力仿真评估模型

地铁站的应急疏散能力是地下铁道安全运营设计中非常重要的部分,对于维持社会稳定,保障人民安全具有重大意义.本文利用BP神经网络计算方法和MATLAB软件,选取可能影响地铁站疏散能力的相关因素作为评价指标,建立了应急疏散指标体系,并以北京北三环区域周边地铁站作为主要研究对象,对北京市地铁站应急疏散能力进行了仿真评估,提出了增加疏散通道、疏散楼梯、安全出口等数量,以提高地铁站应急疏散能力等一些可供参考的建议.     

An optimization of artificial neural network modeling methodology for the reliability assessment of corroding natural gas pipelines

A fast calculation of the reliability is meaningful to the in-line inspection of corroding natural gas pipelines. However, the traditional Monte Carlo simulation(MCS) method is time consuming for the low possibilities of the pipeline failure. The artificial neural network(ANN) is preferable for the complex nonlinear situation. An optimization of artificial neural network modeling methodology for the reliability assessment of corroding natural gas pipelines is proposed in this paper. To reduce the influence of training sets random behaviors on the calculation results, some algorithms are used to optimize the sequence of the training samples and the initial parameters of ANN models. The optimized model is applied to the reliability assessment of a corroded pipe with two successive inline inspections. According to the physical parameters of the pipeline, the trend of corroding pipeline reliability in time is predicted. The comparison between the trained ANN model, the MCS method and non-optimized ANN model shows the advantages the proposed modeling process. The methodology given in this paper is general and it can be applied to evaluate the reliability of other kind of structure safeties in practical systems.