基于频率和BP神经网络的井架钢结构损伤识别

为了快速、准确地诊断井架钢结构的损伤位置和程度,提出仅基于测试精度高的频率数据和BP神经网络的识别方法。首先,选择频率变化比和频率平方变化比组合参数作为损伤位置识别因子,频率变化率作为损伤程度识别因子;然后,分步构建损伤位置和损伤程度识别的BP神经网络;最后,利用前10阶频率数据和BP神经网络对现场某井架钢结构的损伤位置和程度进行识别。分析结果表明,在测试噪声为10%时,采用前6阶损伤位置识别因子,能够清楚识别损伤位置,识别结果分别是1,5,9,15,19号单元损伤;采用前10阶损伤程度识别因子,1号单元的损伤程度识别结果分别为0.106 9,0.318 2,0.505 4,0.710 2,0.915 9,识别误差均不超过10%。     

基于复杂场景下步态识别技术研究

步态识别是指通过识别人的身体体形及行走姿态来分析人的身份,其物理基础是每个人不同的生理结构和行走习惯.目前,步态识别技术已在全国多地公安部门开展实战应用并取得非常不错的成绩,为案件侦破提供大量有价值的线索并有力提升了警务工作人员的办案效率,为公安部门侦查破案增添了一项新型技术手段.     

基于图像融合技术的步态识别

步态识别作为一种新型的生物特征识别技术,主要是通过人的步态特征进行身份识别。而一般提取出的步态特征往往不是很清晰,为了获得比较清晰的步态特征,利用图像融合技术中的小波变换融合对步态序列图像进行分解,将其分解到不同的频率段上,并采用不同的融合规则进行融合来获取比较清晰的步态特征。在此基础上进行了仿真实验,通过实验结果分析证实小波变换融合相对于其他融合方法确实能有效提高步态特征识别率,能够获得比较好的识别效果。     

基于傅立叶描述子的步态识别

步态作为一种重要的生物特征由于其远距离身份识别能力而逐渐受到人们的重视。本文提出了一种基于傅立叶描述子的步态识别方法。首先应用背景差方法获得运动人体关键帧,将关键帧分为八个来提取特征。对于特定的人,由于长期的行为习惯,形成了较为固定的行走方式,将这些长期的行为习惯、固定的行走方式所包含的信息提取出来,就可以将不同的个体区分出来。     

基于BP神经网络的民航机场安全预警研究

在完善、改进已有民航机场安全预警指标体系及其指标值的基础上,突破民航机场传统的危险预警模式,建立基于BP神经网络的民航机场安全预警模型.采用SPSS主成分分析法对模拟数据进行预处理,基于MATLAB软件实现网络模型的训练与检测,从而实现安全预警.研究表明此模型是可行有效的,可为研究机场安全预警问题提供新的思路和方法.     

基于BP神经网络的绿色建筑评价

绿色建筑是指在建筑的全寿命周期内,最大限度地节约资源,保护环境和减少污染,为人们提供健康、适用和高效的使用空间,与自然和谐共生。根据绿色建筑的特点,确立绿色建筑评价指标体系,并运用管理理论中的层次分析法(AHP)和模糊综合评价方法(Fuzzy),提出了人工神经网络(ANN)评价模型。评估结果表明,该评价体系用于绿色建筑等级综合评价是快速、有效的。     

基于PSO优化BP神经网络的水质预测研究

为快速准确地预测河流水质,结合汾河监测数据,使用粒子群算法(PSO)优化BP神经网络模型(PSO-BP)进行水质预测.通过灰色关联度分析确定输入变量,利用PSO算法修正BP网络的初始权值、阈值,优化神经网络结构及算法全局收敛性.采用该模型对汾河主要污染物指标COD、BOD5、氨氮、挥发酚等进行预测和验证.结果表明,与传统的BP神经网络模型相比,PSO-BP模型使最大相对误差从15.43％减小到1.46％,其平均误差由4.00％减小到1.01％,预测均方根误差从5.956×10-3减小到1.605×10-4.因此,基于PSO-BP神经网络模型的预测更加精确,可用于水质预测.     

基于BP神经网络的盘管泄漏检测方法研究

针对单一阈值不能适用于多变工况条件的问题,采用动态阈值修正的流量平衡法与神经网络法相结合的新方法检测反应釜内冷却水盘管泄漏.通过盘管泄漏模拟试验,研究工况变化与泄漏时盘管进出口流量的变化情况.从流量信号中提取盘管泄漏的特征指标构造出神经网络输入矩阵,通过使用大量试验数据对BP神经网络进行训练,对比不同结构的网络训练误差结果,确定其网络结构,建立对盘管运行状况进行分类的BP神经网络模型.试验证明,这种方法能有效检测出盘管泄漏.     

基于BP神经网络的煤矿安全预警评估机制研究

从预警预控机制出发,针对煤矿安全生产的特点对其安全隐患进行识别,从而构建由人员行为、自然因素、组织管理等影响安全状态的预警体系。提出了基于BP神经网络的安全预警评估模型,并给出了模型的实例检验,建立了预警预控的运作流程,为煤矿安全生产的长效机制提供决策支持。     

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神经网络的摩擦阻力系数确定

矿井巷道摩擦阻力系数是整个矿井通风设计、管理以及系统改造的关键,是矿井巷道阻力特性中的重要影响因素。为了确定矿井巷道的摩擦阻力系数,提高矿井通风的管理能力,采用BP神经网络模型对矿井巷道的摩擦阻力系数进行模式识别,结合改进的贝叶斯正则化方法,运用MATLAB软件进行计算,预测矿井巷道的摩擦阻力系数。与实测的摩擦阻力系数做对比,结果表明:BP神经网络结构简单,收敛速度较快,并且预测精度高,对矿井巷道摩擦阻力系数的确定发挥重要作用,方便矿山井巷通风安全管理的实现。     

新兴的步态识别技术

在停车场、军事基地、机场、社区等重要场合,有效准确地识别人、快速检测威胁并且提供不同人员的进入权限级别是相当重要的.美国9¨恐怖事件已使人们意识到当前安全的脆弱性,目前各国对大范围远距离安全监控系统给予了更多关注.为了成功操作,第一代身份识别技术(诸如指纹、虹膜、脸像等)通常依赖于上体近距离或接触性的协作感知.步态不需用户的任何交互性接触,易于秘密地远距离捕获,因此引起了研究者们的浓厚兴趣.由于个体之间身体结构和运动行为上的基本特性不同,步态运动为人的识别提供了独特的线索.     

基于BP神经网络的佛山空气质量预报模型的研究

提出非数值的佛山惠景城站点空气质量预报模型,将BP神经网络引入到预报模型中,以降雨量、风速、风向、温度、湿度和云量等气象参数和前1 d污染物浓度为模型输入参数,建立了结构为7-7-1的非季节预报模型和夏季预报模型.结果表明,夏季模型无论在模型检验还是在实际预报精度方面都略优于非季节模型.夏季模型的级别预报评分基本在90分以上,综合评分比非季节模型高10%.对夏季模型进行了参数敏感性分析,结果表明具有较好的稳定性.     

基于BP神经网络的作业场所风险预警模型研究

在全面分析作业场所职业危害风险影响因素的基础上,从人、物、环境、管理、安全技术、法制监管和社会经济利益等方面进行分析,建立了作业场所风险预警指标体系,建立了作业场所风险预警的BP神经网络模型.应用该模型分析多个企业作业场所职业危害的样本,对作业场所风险预警进行实证研究.结果表明,该模型精度较高,具有实用性和可行性,可用于作业场所职业危害风险预警.     

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。     

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。