自适应神经网络在确定落煤残存瓦斯量中的应用

落煤残存瓦斯量的确定是采掘工作面瓦斯涌出量预测的重要环节，它直接影响着采掘工作面瓦斯涌出量预测的精度，并与煤的变质程度、落煤粒度，原始瓦斯含量、暴露时间等影响因素呈非线性关系，人工神经网络具有表示任意非线性关系和学习的能力，是解决复杂非线性，不确定性和时变性问题的新思想和新方法，基于此，作提出自适应神经网络的落煤残丰瓦斯量预测模型，并结合不同矿井落煤残存瓦斯量的实际测定结果进行验证研究，结果表明，自适应调整权值的变步长BP神经网络模型预测精度高，收敛速度快，该预测模型的应用可为采掘工作面瓦斯涌出量的动态预测提供可靠的基础数据，为采掘工作面落煤残存瓦斯量的确定提出了一种全新的方法和思路。     

对非线性科学在地质灾害领域的认识和展望

非线性科学的发展给地质灾害的研究注入了新的活力，崭新的思维方法和理念将会为地质灾害的研究和预报找到新的突破点。本文简要叙述了非线性科学在地质灾害领域运用的指导思想和应用前景，同时对用滑坡预报的BP神经网络例子加以深化。     

岩爆危险性预测的神经网络模型及应用研究

岩爆是高地应力区岩质隧道开挖施工过程中发生的主要施工地质灾害之一 ,它的发生对隧道施工企业的安全生产构成很大的威胁 ,对岩爆发生可能性及其程度的预测是这类隧道设计、施工及安全生产所面临的重大问题。依据隧道岩爆发生的条件 ,基于国内外隧道工程岩爆实例 ,应用人工神经网络方法 ,建立了岩爆危险性预测的评价模型并应用于实践。     

基于遗传算法与人工神经网络相结合的玉米估产研究

在遗传算法 (GeneticAlgorithm )与误差反传 (BackPropagation)网络结构模型相结合的基础上 ,设计了用遗传算法训练神经网络权重的新方法 ,并对吉林省梨树县的玉米进行了估产研究 ,同时与BP算法和灰色系统理论模型进行了比较。经检验 ,计算值与实际值接近 ,并优于灰色理论模型 ,具有良好的预测效果 ,从而为农作物估产提供了新方法     

基于卷积神经网络的行人人头检测方法对比研究

为提高车站客流统计的精度使其可以准确预警,针对传统的客流统计方法步骤繁琐、准确率低等局限性,对基于卷积神经网络的行人人头检测方法进行研究。首先在常州某车站安检站台处通过高位摄像头采集行人的人头数据库;然后通过不同的行人特征提取网络(Inception模块、Resnet、Mobilenet)与Faster R-CNN、SSD、R-FCN等目标检测结构组合的方式来对比探究各种行人人头检测组合模型的准确率和检测速度,并选择最优的行人人头检测方法;最后通过模型试验分析,结果显示Inception-V2特征提取网络与Faster R-CNN目标检测结构组合的行人人头检测模型具有较高的准确率和较优的实时性,这种行人人头检测方法对客流预警具有重要的意义。     

基于BP神经网络的测试模型测定水样中铜、铅、镉、锌

水样中金属元素快速、准确的测试方法研究具有现实意义.为此,在pH值为1.50的硝酸-硝酸钾溶液环境中,应用BP神经网络对方波溶出伏安数据进行处理,建立了铜、铅、镉、锌4种金属离子同时测定的神经网络测试模型,并应用该测试模型检测了水样中的4种金属离子.结果表明,该神经网络测试模型能够较好地解决金属离子之间的相互作用和伏安信号干扰问题,测量结果比较准确,具有一定的应用和研究价值.     

MATLAB软件在环境质量评价中的应用

在MATLAT6．5平台上建立环境质量评价模型的应用方法和要点，就网络模型结构的设计、训练数据的处理、网络的初始化、网络的训练及评价结果的仿真做了详细讲解，并给出应用示例。运行评价结果表明，MATLAB神经网络工具箱的环境质量评价模型是方便、可行、有效的。     

模糊神经网络用于环境大气质量评价的研究

研究了基于多准则学习的模糊神经网络评价环境大气质量的模型,并以此对某矿区的环境大气质量进行了评价,结果表明该方法简便、实用、客观。     

基于人工神经网络的城市用水需求组合预测

城市用水需求预测是涉及到诸多要素的复杂系统预测问题。为了减少简单外推法预测所带来的误差,通过在训练BP神经网络时自动调整学习步长和添加动量项修正神经单元之间的权重,既提高了神经网络的收敛速度,又抑制了神经网络限于局部极小现象的发生;然后使用改进的BP神经网络寻找多元回归预测、径向基函数(RBF)神经网络和改进BP神经网络3个单项预测的最佳组合,来综合各项独立预测所包含的信息,并以条件假设按照参考、高、低3个方案预测分析某城市的用水需求情况,说明这种基于人工神经网络的组合预测方法在预测城市用水需求量时是一个准确高效的方法。     

城市给水管网余氯的预测模型

选择余氯为研究对象,以南方某市给水管网水质监测的数据为基础,使用线性回归和非线性神经网络(ANN)方法建立模型,找到了一种利用在线监测数据和人工监测数据实时预测管网余氯的方法。通过建立给水管网水质模型,可以由监测系统动态回传的数据来实时的预测下一天人工点的水质。模拟的结果显示ANN模型比线性回归模型有更好的预测能力,预测的平均相对误差:ANN模型为14.9%,线性回归模型为25.8%。使用ANN模型可以实现实时预测。