基于BP神经网络的煤矿综掘面风流智能调控模型研究北大核心CSCD

煤矿综掘面传统的通风系统智能化程度低，风筒出风口风流状态无法根据实际通风需求来进行连续动态调控，易造成巷道内瓦斯和粉尘聚集严重，影响掘进面安全高效开采，危害工作人员的身体健康。为提高掘进工作面通风智能化、精细化管理水平，以陕西神木柠条塔矿S1202综掘面为研究对象，利用数值模拟试验数据作为训练样本数据，建立了基于Adam(适应性矩估计)算法优化BP(反向传播)神经网络的煤矿综掘面风流智能调控模型；由实时监测数据驱动该模型输出调控方案，通过自主研制的出风口风流智能调控装置对风流进行连续动态精准调控；在物理实验平台和井下分别进行了模型调控效果测试，其中在物理实验平台以一个截割循环为单位，验证了模型连续调控的效果，在井下验证了单方案的降尘效果。结果表明，模型能够根据粉尘和瓦斯浓度实时监测数据实现风流智能调控，有效优化风场分布，降低瓦斯和粉尘浓度。     

流域尺度的景观破碎化分析及生态环境质量评价

为了解乌裕尔河流域在生态环境保护和经济快速发展背景下的景观破碎化和生态环境质量变化情况，文中利用Landsat遥感影像对乌裕尔河流域景观格局变化尤其是破碎化过程进行分析，并且从景观稳定性、景观受干扰度和社会经济影响度3个方面选取16个指标构建了乌裕尔河流域生态环境质量评价指标体系；利用RBF径向基神经网络模型定量评价了乌裕尔河流域的生态环境质量。结果表明：1980—2020年间乌裕尔河流域景观破碎化程度加重，生态环境质量处于优和一般之间，并且有向不良方向退化的趋势。评价结果可作为今后乌裕尔河流域生态系统保护和恢复治理的依据，并为相似的流域生态环境质量评价提供参考。     

基于量子神经网络的地层对比研究

针对油田开发井之间的地层对比过程中,砂体相变快、小层断失以及工作量大的问题,提出一种基于量子神经网络的地层对比方法。采用量子计算原理,利用朝阳沟油田长46区块6口井共计126个地层样本构造量子神经网络模型,然后对全区336口井进行地层对比工作。实验表明,三级小层对比的正确率最高可达88.48%。这说明了量子神经网络对于多开发井间的复杂地层对比具有良好的效果。     

斜坡稳定性评估神经网络专家系统N^2ES^3E

在于工程实列，采用神经网络理论，建立了斜坡稳定性评估分支结构专家系统，并针对斜坡评价的不同阶段，分别建立了以地质信息为３指标和斜坡的几何与力学参数为评价指标的两种评估系统。文中阐述了该系统的开发设想，介绍了系统的主要组成部分，同时给出了应用实例，应用结果表明该系统是有效的。     

"鸟巢"演唱会人员疏散CA-BP仿真研究

针对现今大型活动中的人群踩踏事故频发问题,通过对"鸟巢"演唱会进行人流疏散仿真分析,研究紧急情况下人流疏散逃生规律及均衡疏散方法.通过设置人员速度、移动余值、出口逃生条件等因素扩展元胞自动机行人流模型,并借助Matlab语言实现可视化仿真模拟,以探究人流疏散逃生规律;引入疏散系数,并通过建立BP神经网络获取较优疏散系数,均衡各个出口所承担的疏散任务.结果表明,"鸟巢"演唱会在疏散过程中人群对通行出口的选择较为不合理,仿真疏散总时间长达455.5 s,与理想疏散曲线所得疏散总时间270.0s相比,存在40.7％的偏差,为减小此偏差引入出口疏散系数指导人群定向选择出口,通过仿真模拟得到的疏散总时间为312.0 s,减少约31.5％,出口选择不均衡现象被显著缓解.最后提出了针对疏散不平衡问题的相关措施.     

基于T-S模糊神经网络的颍河水质时空变化特征分析

基于T-S模糊神经网络分析颍河(河南段)2007-2010年5个监测断面的水质指标监测数据,克服了过去仅用各级评价标准作为训练样本,导致训练样本数过少和不能构建检测样本的缺点,对实测数据仿真有很好的效果。应用主成分分析法,选出溶解氧、高锰酸盐指数、生化需氧量、氨氮、化学需氧量、总磷、六价铬、阴离子表面活性剂8项对水质具有重要影响的指标,建立适用于颍河的T-S模糊神经网络水质评价模型,对颍河水质时空变化特征进行分析。结果显示:颍河水质在近几年呈改善趋势;白沙水库断面水质最优,且稳定;周口康店断面水质较差,西华址坊在2007年第2季度水质恶化严重;沈丘纸店断面水质逐渐改善。表明了T-S模糊神经网络对水质时空变化特征分析的效果显著,也反映了颍河水质状况,为颍河水质监测、管理与控制提供依据。     

高校能源消耗建模研究与应用

针对高校能源消耗建模研究与应用问题,文中介绍了高校能耗日益增长现状,给出了高校能耗模型构建,为节约能源必须做好精准能耗预测.建立了灰色径向基函数神经网络高校能耗预测模型,并采用基于排序等分法赌盘规则选择算子的遗传算法对该模型进行全局优化,进一步用实例对比分析评估了模型的有效性.实践表明,优化后的模型能有效预测能耗,与传统单一的建模方式相比,有更好的拟合性、稳定性、预测精度和更快的收敛速度,为节能评估和设计提供了决策依据.     

基于经济统计数据的生活垃圾热值计算模型

用神经网络法预测垃圾热值是利用当地经济和自然环境统计数据进行热值估算的方法。灰色关联度分析得出燃气普及率、年降雨量、城镇居民人均可支配收入、地区生产总值等是影响城市生活垃圾热值的主要因素,将这些影响因素作为神经网络的输入参数,结合对成都市垃圾热值的多年跟踪检测结果,利用MATLAB工具箱建立了基于社会经济统计数据的城市生活垃圾热值BP神经网络估算模型。开集和闭集测试结果表明,该模型仿真效果好,计算准确度高,仿真结果误差小,网络稳定性好,训练速度快,能够有效进行仿真计算。     

城市空气质量的BP和RBF人工神经网络建模及分类评价

根据MATLAB提供的人工神经网络模型,将其应用到城市空气质量评价,研究并对比分析BP和RBF两种人工神经网络的建模方法及评价结果。首先构建BP神经网络模型,确定输入层、隐含层和输出层的神经元数,选择Sigmoid型函数作为激励函数,应用内插扩展出的训练样本对BP网络进行学习,再用训练成熟的BP网络对待评价样本进行仿真;其次构建RBF神经网络模型,确定其输入层和输出层的神经元数,选择Gauss函数作为隐含层激励函数,再用同样的训练样本进行学习和仿真;最终进行归一化论证,验证归一化预处理在空气质量评价中的必要性。结果表明:应用BP和RBF人工神经网络可以得出较好的城市空气质量分类评价结果,其中RBF神经网络模型与改进的灰色聚类法评价结果一致,具有较高的准确率,是一种快捷、有效的综合评价方法。     

基于BP神经网络的表层土壤重金属分布模拟

以新疆克拉玛依人工碳汇林为研究区,利用采样点实测数据及理化试验得出的表层土壤重金属含量数据,借助Matlab实现双隐层BP神经网络预测模型,并结合GIS技术分析模型误差,最终实现研究区域土壤重金属含量的三维空间分布格局的可视化表示。结果表明:用双隐层BP神经网络模型拟合精度达90%左右,检验精度以及实际评价效果均较好,说明利用BP神经网络模型对土壤重金属污染进行空间分析与评价具有可行性;整个研究区中部区域Cu、Zn、Fe、Mn、Ni 5种重金属含量相对较低,对环境的负面影响较小,而在研究区周边区域这5种重金属含量相对较高,对环境的负面影响较大。