粒子群优化的RBF瓦斯涌出量预测

瓦斯涌出量是煤矿瓦斯灾害的主要来源,它直接影响煤矿安全生产和经济技术指标。瓦斯涌出量的传统预测方法是将其影响因素线性化后提出的,具有一定的局限性。本文基于群体智能理论,提出了一种基于粒子群算法优化的RBF神经网络瓦斯涌出量预测模型。研究表明RBF神经网络预测精度与网络权值和RBF参数初始值有很大关系,因此本文采用粒子群算法优化RBF网络权值和其他参数,形成PSO-RBF预测模型。该模型通过计算种群粒子的适应度,确定全局最优值,寻找网络参数的最优值。实验结果表明PSO-RBF优于传统的RBF预测模型,训练速度和预测精度显著提高。     

复合装药安全性优选BP神经网络模型

为在设计复合装药结构时得到复合装药的能量输出和安全性双优结构,利用BP人工神经网络理论,建立结构优选模型。利用不同的感度和能量输出试验数据,进行模型的训练,训练后对样本进行预测和优选。结果表明,该方法能够克服评估复合装药结构性能优劣的各因素之间的复杂关系,实现精确的非线性预测,得到安全性和能量输出双优的设计结构。     

基于MMAS-BP的煤与瓦斯突出强度预测

为提高煤与瓦斯突出强度的预测精度及预测速度,用最大最小蚂蚁系统和BP神经网络相结合的方法进行预测模型设计。根据煤与瓦斯突出强度及其主要影响因素之间的关系数据,建立其神经网络的预测模型。以网络的权值和阈值为自变量,网络误差为目标函数,通过蚁群算法的迭代运算,搜索出误差的全局最小值,以实现BP神经网络的初始权值、阈值优化,并用优化后的网络进行瓦斯突出强度的预测。实例结果表明,MMAS-BP算法的预测值均方差为0.089,约为BP神经网络的0.1倍,且输出稳定性好,适用于煤与瓦斯突出强度的预测。     

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.     

基于遗传算法优化BP神经网络的水生态修复原位控浊混凝投药预测

暴雨过后河湖浑浊度急剧升高,严重干扰了河湖水生态修复工程中沉水植物的恢复和重建。针对水生态修复原位混凝控浊过程中混凝剂选型和投加量难以确定的问题,对模拟河湖浑浊水样进行混凝实验并构建混凝预测数据集,采用BP神经网络模型对混凝剂投加量进行预测,并结合遗传算法对模型进行优化。基于混凝实验结果,选取综合混凝效果更佳和成本更低的混凝剂(硫酸铝),和不同投加量间混凝效果存在显著差异的混凝剂投加量范围在0～30 mg/L的混凝数据进行混凝预测模型的训练。结果表明：1)BP神经网络回归模型性能(R²=0.78)优于多元非线性、多元线性回归模型和BP神经网络分类模型,88.67%的样本预测绝对误差<5 mg/L;经遗传算法优化后,模型R²提升至0.86%且95%以上的样本预测绝对误差<5 mg/L,说明遗传算法有效提升了模型的预测精度和预测稳定性。2)混凝剂投药梯度是除建模数据量之外另一个影响模型性能的重要因素,在实际工程应用中,应尽可能增加建模数据量和降低投药梯度,以提高混凝投药预测模型性能。研究结果可为水生态修复原位混凝控浊过程中混凝剂种类和...     

基于ZYNQ图像处理研制便携式水质检测系统

综合光电检测技术和光谱分析技术中的紫外-可见吸收光谱法,研制多参数便携式地表水水质检测系统,能够现场快速检测出磷酸盐、亚硝酸盐、化学需氧量(COD)和NH₃-N水质参数。对水体中吸收特征波长在可见光部分的物质,使用摄像头采集其可见光谱,并对其可见光谱图像的灰度图进行卷积神经网络建模,吸收特征波长在紫外波段的物质,通过光电检测技术测其浓度值,将建立的卷积神经网络模型移植到ZYNQ中,结合紫外光电传感器,将被检测物质的浓度值通过LCD显示出来,以此实现水质检测仪的便携性。结果表明：所得卷积神经网络预测值为样本溶液在8种浓度值输出类型中的倾向值,准确率最高为100%,最低为40%。COD浓度值的最高误差为10%,证实该检测系统具有很好的实用价值。     

基于卷积神经网络的幼儿园户外环境安全评价

幼儿园户外环境是幼儿日常游戏的主要场所,其环境的安全与否影响到幼儿身心健康.幼儿户外环境的安全评价可以查找安全隐患,进而采取针对性的改进措施.传统的环境安全评价方法为访谈法、观察法、问卷法和案例法,具有较强的滞后性和主观性.为此,研究提出了基于卷积神经网络的幼儿园户外环境安全评价方法(S EB CNN).该方法以幼儿在运动环境中的影像为基础,利用卷积神经网络准确生成幼儿户外运动状态的大数据,进而利用算法处理后的大数据对运动环境进行安全性分析和风险预测.经对南方某幼儿园实验验证,该方法具有数据颗粒度高、数据准确完备及鲁棒性高的特性,为幼儿园户外环境安全性分析和预测提供了新的路径.     

基于ANFIS的铣刨机切深精度预测

针对某地区松软地表随地形等厚度铣刨的要求,提出了一种机械接触式"恒压力"地形探测器应用于铣刨机。铣刨机切深精度除了受切深控制系统本身影响外,铣刨鼓转速、行进速度、切削深度和地形探测器接地压力等工艺参数的合理设置和匹配也很关键。基于铣刨工艺参数实验,建立自适应模糊神经网络的铣刨机切深精度预测模型,实现了在给定输入参数条件下,对切深精度的准确预测,经过实验验证,平均预测误差不大于5%。     

基于BAS-BP模型的风暴潮灾害损失预测

风暴潮灾害是中国沿海地区最严重的灾害之一,近年来由其带来的经济损失均占海洋灾害总损失的90%以上,因此构建一个简单准确的损失预估模型显得尤为重要。本文以现有风暴潮灾害研究为基础建立了基于天牛须搜索（beetle antennae search）优化的BP神经网络模型,将其应用到风暴潮灾害经济损失预评估中。本文收集了福建省1994~2016年记录比较完善的29个风暴潮灾害损失数据,建立风暴潮灾害损失预评估指标体系并利用熵值法对指标因子进行预处理,消除数据冗余信息对预测的影响。对模型进行仿真测试,结果表明,与标准BP神经网络相比新模型有效避免了网络陷入局部极小值的可能,且与常规优化算法相比,克服了训练时间长、收敛速度慢的缺点,具有更好的鲁棒性和预测精度。