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。     

基于灰色BP网络的火灾事故预测

将BP网络模型与灰色系统预测方法相结合,利用人工神经网络对GM(1,1)模型进行残差修正,建立了火灾事故预测模型.该模型兼具灰色系统与BP网络的优点,不但能体现火灾复杂的灰色系统行为,又能根据每次学习误差的不同调整学习速率,加快收敛速度.与单一的GM(1,1)模型相比,该模型预测结果具有更高的精度.     

城市传统居住街区的火灾事故致因与对策研究

由于传统居住街区的建筑通常为砖木结构 ,且年久失修 ,因此 ,防治火灾是保护城市传统居住街区的重点。笔者结合传统居住街区的特点 ,对其火灾事故致因从防火报警系统、疏散对策、灭火系统、建筑结构、个体素质等方面存在的缺陷进行了分析 ,并按照历史街区的保护原则 ,结合湘潭市中山路传统居住街区改造的案例 ,提出了疏通消防通道、完善基础设施建设、改善消防设施、对保护价值较低的传统居住街区实施拆旧建新、以人为本 ,群策群防等防范对策。     

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。     

城市火灾预测分析的灰色系统方法

指出了灰色系统理论进行城市火灾预测的合理性，并在一般灰色模型基础上，基于等维灰色递补GM（1，1）动态预测模型通过分时段比较，对某市近年的火灾状况进行了预测，结果发现分时段预测结果更精确。     

火灾事故案例库设计方法

通过对火灾事故案例进行结构化,并提取它的属性,建立一个对应的火灾事故案例库表结构,对火灾事故相关属性进行了科学分析,为以后的火灾事故应急决策和救援提供参考依据,从而达到科学认识灾害事故和提高应急决策和救援能力的目的。     

基于人工神经网络的二元液体闪点预测

建立了一个基于人工神经网络的理论模型,用于预测二元混合液体的闪点.根据所研究混合液体的物理性质,选择了相关黏度、表面张力等物理参数来表征闪点,以这些参数作为输入参数,二元混合液体的闪点作为输出值,应用反向传播(BP)人工神经网络方法对两者之间的内在定量关系进行模拟.结果表明,闪点预测值与实验值符合良好,优于传统的计算方...     

城市火灾的马尔可夫链预测方法

对1951-2004年间城市火灾起火数据进行分析,可以看出城市火灾发生率具有马尔可夫性.用马尔可夫链预测方法对2005年城市火灾发生率进行了预测,得到预测值与实际值完全吻合.用1991-2004年间城市火灾发生的实际数据对该方法进行了检验,说明该方法的可行性.预测结果表明,马尔可夫链预测方法用于城市火灾发生率及其分级的预测是一种切实可行的方法.     

改进的灰色预测模型在火灾事故预测中的应用

简要说明了GM（1，1）模型预测事故的基本步骤，提出了模型的改进方法，用此方法对某火灾事故进行了预测，并用Matlab语言编程的方法对数据做了处理，结果表明用该方法预测得到的数据与实际数据非常接近。     

基于Tripod-Beta模型的船舶火灾事故风险分析

为深入分析船舶火灾事故风险因素及其后果产生的影响,通过分析1991-2017年全球船舶火灾事故调查报告,从人员、管理、船舶设备、货物、环境5个方面对船舶火灾影响因素进行识别研究;采用三脚架事故致因模型(Tripod-Beta model),构建考虑安全栅的船舶火灾事故情景演化模型,识别船舶火灾关键影响因素;并在样本量较少的情况下,采用信息扩散理论计算船舶火灾发生率;最后,利用布尔函数和风险矩阵,对船舶火灾事故风险进行评价研究。结果表明:船员不安全行为和船舶设备表面过热、设备短路是船舶火灾事故的关键风险因素;事故后果链中安全栅遭到破坏时,船舶火灾风险处于不希望发生范围内。该方法能有效评估船舶火灾风险的等级,满足海事管理部门的监管工作需求。     

基于神经网络的煤层自然发火的非线性预测

煤炭自燃是一典型的非线性现象。笔者论述了煤炭自燃的危害 ,从非线性理论的角度分析了煤炭自燃的本质特征 ;应用神经网络中BP网络这一高度非线性关系映射建立了自然发火预测模型 ,克服了传统预测方法的不足并在山东枣庄矿业集团公司柴里煤矿进行了预测分析 ,预测结果与验证结果基本吻合 ,取得了满意的效果 ,为解决煤炭自燃的预测提供了一条良好的思路和方法 ,具有较大的理论意义和应用价值。     

基于人工神经网络的矿井通风系统评价研究

以矿井通风系统的“安全可靠、经济合理”和其定义所包含的各项内容为依据,从矿井通风动力、通风网络、通风设施、通风质量、通风监测、防灾抗灾能力、通风电耗、通风能力8个方面,确立了16项矿井通风系统评价指标,建立了一个新的矿井通风系统评价指标体系。采用人工神经网络中的BP网络算法,在VisualC++6.0平台上研制开发了矿井通风系统评价BP网络模型的计算机程序。并经过实际生产矿井检验,预测结果与实际完全吻合,说明了笔者所确定的矿井通风系统评价指标体系可以反映矿井通风系统的状况,所采用的BP网络算法正确,可以用来指导实际工作。该计算程序简单,易于操作,有一定的推广应用价值。     

岩层移动角选取的神经网络方法研究

岩层移动角是进行各类保护煤柱设计时的关键性参数 ,涉及地表建 (构 )筑物的安全。在综合分析影响岩层移动角因素的基础上 ,采用人工神经网络方法建立岩层移动角选取的模型。该模型采用改进的BP算法 ,运用我国典型的地表移动观测站资料作为学习训练样本和测试样本 ,对模型的计算结果与实测值进行了对比分析。分析结果表明 :用人工神经网络方法求算岩层移动角考虑的因素更为全面 ,结果更接近于实际。笔者为岩层移动角的理论计算探索出了一种新的方法。     

基于人工神经网络理论的建筑物火灾安全评价研究

依据建筑物火灾危险性的影响因素,应用人工神经网络理论及系统安全方法,建立了建筑物火灾危险性的评价指标体系,该方法摆脱了评价过程中的随机性和参评人员主观上的不确定性及其认识上的模糊性等缺点,大大提高了准确性。为了验证评价模型的准确性,将该理论应用到某高校图书馆火灾危险性评价中,快速、准确地得到了安全评价结果,取得了满意效果,为建筑物防火设计以及安全管理提供了可行的依据。     

煤层底板采动导水破坏深度计算的神经网络方法

在综合分析影响煤层底板采动导水破坏深度因素的基础上 ,应用人工神经网络方法 ,建立了底板破坏深度的计算模型。该模型利用现场观测资料作为学习训练样本和测试样本 ,对模型的测算结果、理论计算值和实测值进行了对比分析。结果表明 :用神经网络方法计算底板破坏深度考虑的因素更加全面 ,结果更接近于实际。笔者研究的计算模型和测算方法 ,为承压水上安全采煤决策提供了科学依据。     

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神经网络的事故致因分析方法

根据目前所采用的事故致因因素分析方法,提出了一种动态的分析方法,即神经网络分析方法,利用其中的一种神经网络（即BP网络）的原理和方法,根据专家系统提供的较为可靠和代表性数据训练网络,利用训练后的网络对所研究对象之间的相互关系进行分析.分析结果表明,该方法更为直观、准确,尤其在一些其他方法使用困难的场合,更有优越性.     

回采工作面瓦斯涌出量预测的神经网络方法

回采工作面瓦斯涌出量受煤层瓦斯含量、工作面产量和采煤方法等各种因素的影响 ,笔者通过研究得出 :回采工作面瓦斯涌出量与煤层的赋存条件和开采条件之间是一种非线性关系 ,但目前还难以用精确的数学建模来求解。因此 ,提出了一种应用BP人工神经网络模型和算法 ,建立工作面瓦斯涌出量预测模型 ,从而预测不同开采条件下回采工作面瓦斯涌出量。实际应用表明 ,模型精度能满足要求。笔者还对隐含层神经元数目对步长影响作了讨论。     

常州市燃气管网破坏的人工神经网络预测模型

作为一种高效清洁的能源,燃气已经成为城市能源中的重要一员,燃气管网破坏亦成为城市所面临的重大安全隐患。城市埋地燃气管网的破坏风险,往往受到多种影响因素的共同作用。通过分析常州市埋地燃气管网破坏的影响因素,确定了地面沉降、地裂缝、城市内涝、土壤腐蚀等4个风险评价因子。运用MATLAB中的人工神经网络工具,通过人工神经网络计算,优化了模型网络结构,建立了常州市埋地燃气管网破坏风险预测的人工神经网络模型。分析计算结果,并为常州市埋地燃气管网的安全防护提供了建议。