模糊神经网络控制在污水处理中的应用研究

对模糊神经网络（FNN）技术应用于污水处理进行了研究，提出了一个具有五层的模糊神经网络控制器，仿真实验表明，该控制系统具有很强的鲁棒性与容错性。该控制器能够自动调整隶属度函数、动态优化控制规则，将其应用于溶解氧控制和出水水质预测，结果表明可以快速、有效地使溶解氧浓度达到期望值，实际出水水质预测结果也具有很好的收敛性和预测精度。     

唐山市地质灾害综合防灾研究

发生在城市的自然灾害往往表现出相互联系综合成灾的特点,综合防灾是城市防灾减灾的关键。根据唐山市的实际资料,分析了该市地质灾害的主要灾种和综合成灾特点以及控制综合成灾的主要影响因素,提出了唐山市综合成灾的模式和过程。针对各种致灾因子间关联关系的复杂性,建立了基于人工神经网络的综合成灾危险性评价模型,依据唐山市的实际资料和综合成灾过程分析结果,确定了模型因子和关联系数矩阵。应用所建的综合成灾危险性评价模型,结合城市地理信息系统图件,预测了唐山市地质灾害综合成灾危险性的分布。分析了计算结果,并对唐山市的地质灾害综合防灾工作提出了几点建议。     

川藏铁路桥隧施工安全风险评价

通过评估川藏铁路工程建设的施工风险等级,为高质量推进川藏铁路工程建设提供理论支撑。剖析了国内外学者关于风险评估研究的理论与方法,针对川藏铁路施工建设中的5座特大桥梁工程和9座超长隧道工程,分析了桥梁隧道建设工程的特征,构建了川藏铁路桥梁工程的17个安全风险评价指标体系和隧道工程的20个安全风险评价指标体系,通过建立基于模糊综合评价法的风险评估模型完成了对川藏铁路重点桥梁和隧道工程的风险评价,最后构造BP神经网络模型对风险评估结果进行验证,以川藏铁路部分重点桥梁工程评分数据和部分重点隧道工程评分数据为训练数据,以剩余评分结果为验证数据,预测桥梁和隧道工程的风险等级。结果表明:采用BP神经网络预测桥梁隧道工程安全风险等级的准确率高达98. 82%,BP神经网络对于该工程施工安全风险评价具有适用性;川藏铁路重点桥隧工程项目有50%处于较危险以上,只有20%的工程处于安全级别。     

基于GMM-PNN模型的海底油气管道风险等级评价

为了提高海底油气管道风险评价的准确率,保证管道安全运行,利用高斯混合模型(GMM)和概率神经网络(PNN)对管道进行风险评价.在传统PNN的基础上做出两点改进:一是改变PNN的结构模型,在原有网络结构上增加一个特征层,目的是通过线性变化的方式增强输入维度之间的联系;二是将全局单一参数改为在模式层采用GMM,并用随机梯度下降法对参数进行更新.考虑海底管道在偶发因素下的风险,将相关指标量化,利用GMM-PNN模型划分等级,然后与PNN模型、人工神经网络、支持向量机进行对比.结果表明,GMM-PNN模型对训练样本数量要求较低且准确率高于其他3种模型,能够更加准确地对海底管道进行风险等级评价.     

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.     

基于SVM-BP神经网络的风暴潮灾害损失预评估

风暴潮灾害是影响我国最严重的海洋灾害,风暴潮灾害损失的预评估对防灾减灾有重要作用。本文选用2002~2014年的40组风暴潮历史灾情资料进行试验,首先建立风暴潮灾害损失评估指标体系并用灰色关联分析法对指标进行筛选,然后采用最优权重组合将支持向量机和BP神经网络进行组合预测分别对风暴潮直接经济损失和受灾人口数进行预测,并与单一预测方法进行对比,发现组合预测方法可以降低误差,提高损失预测的准确性,建立风暴潮灾害损失预评估模型,为决策者进行预警信息的发布提供有效依据。     

BP和Elman神经网络在砂土液化预测中的研究

基于砂土液化的影响因素具有非线性关系,而神经网络模型能够逼近任意非线性函数和适合于动态系统辨识的特性,分别建立输入层为4,隐含层神经元为2,输出层为1的三层BP神经网络和Elman网络,并且通过matlab软件运算,实例比较得出Elman模型比BP模型收敛速度快、精度高,在砂土液化的预测中效果更好。     

矿区环境优化布点的人工神经网络模型

本文着重介绍一种新的优化布点的方法－人工神经网络算法和构造该算法的步骤。应用这 表明：人工神经网络算法用于环境监测优化布点是十分理想的。     

RBF神经网络氧化沟系统出水氮磷预报模型

为定量模拟污水处理系统进水及出水水质参数数学关系,为污水处理系统的智能反馈控制奠定理论基础,文章以河南漯河市污水净化中心氧化沟系统为考察对象,采用径向基函数(RBF)神经网络对其模拟分析,建立了氧化沟系统出水TN、TP预报的RBF网络模型。建模过程采用的主成分分析与聚类分析有效挖掘了样本信息,采用的数据预处理方法缩减了模型误差。模型性能及灵敏度检验表明,建成的模型对出水TN、TP预报准确率分别达到90%、70%,相关性检验系数分别达到0.95和0.89,可用于该系统出水TN、TP预报,为系统在线控制提供指导。研究同时表明,RBF神经网络由于克服了误差反向传播(BP)网络收敛慢、局部极值等缺点,在水处理系统模拟及其反馈控制中,具有巨大的应用潜力。