基于BP神经网络模型的矿井通风可靠性研究

在MATLAB7．0神经网络工具箱的基础上,通过采用快速的Levenberg-Marquart算法。提高神经网络训练的速度与精度,实现矿井通风系统可靠性的研究和预测。旨在以一种相对简单的途径实现人工神经网络这种复杂而有效的非线性预测方法。实验结果显示了L—M算法的优越性,网络具有良好的收敛特性。     

基于BP神经网络的非煤地下矿山安全评价模型

针对非煤地下矿山安全评价的复杂性和非线性特性,BP神经网络对非线性动态系统较强的适应性,提出并建立了一种基于BP神经网络的非煤地下矿山安全评价模型。为提高该模型的可靠性,结合非煤地下矿山生产工艺特点,提出了一套便于统计和赋值的安全评价指标体系;确定了BP神经网络结构和评价结果表征方法;为提高BP神经网络算法的收敛速度和稳定性,对标准BP算法进行有效改进;通过实例运算验证了该模型的可行性。基于BP神经网络的安全评价模型为评价非煤地下矿山安全管理现状及水平提供了可操作的方法,为矿山有关部门提供了科学安全管理的依据。     

灰色Elman神经网络在火灾事故预测中的应用研究

针对我国火灾事故现状,结合灰色理论和神经网络的特点,提出灰色Elman神经网络火灾事故预测模型。依据我国1998—2007年火灾事故统计数据,分别选用GM(1,1)模型和灰色Elman神经网络模型对1998—2005年数据(火灾起数)进行拟合,对2006年、2007年数据进行(火灾起数)预测。结果表明:灰色Elman神经网络火灾事故预测模型符合火灾事故的特点;有效地解决了传统灰色预测模型在火灾事故预测中误差大稳定性差的缺陷,提高了预测精度;可对火灾事故进行预测与分析,为消防安全管理提供依据,以最大限度地减少火灾事故的发生。     

基于主成分分析和BP神经网络的综合安全评价模型

提出了基于主成分分析法和BP神经网络的综合安全评价模型.利用主成分分析法的数据降维功能对评价指标进行特征提取,选用合适的主成分作为神经网络的输入,构建网络拓扑结构.在建立多层次道路危险货物运输企业安全评价指标体系的基础上,采用MATLAB对企业安全现状进行实证仿真分析.结果表明,基于主成分分析法和BP神经网络的综合安全评价模型的评价结果优于其他评价模型.研究表明,本文得到的综合模型能够更加客观、准确地反映评价对象的实际情况.     

舰船火灾监控报警信息融合理论应用研究

运用信息融合理论,构建舰船火灾监控多传感信息融合评判模型,有效利用多种信源对舰船火灾进行监控与预报,降低火灾监控系统的误报警率.     

高速公路线性评价方法研究

我国道路交通事故呈现频发多发现状,高速公路线形评价方法有多种,评价方法对高速公路线形安全性进行评价成为预防交通事故的关键.常用的方法主要有四类:层次分析法(analytichierarchy process,AHP)、模糊理论(fuzzy theories)、灰色理论法(gray theoryies)、人工神经网络(artif-ical nerve network).本文就高速公路线形评价方法进行了汇总,并介绍了各种方法的特点.     

基于BP神经网络的城市旅游环境质量评价

城市旅游环境质量与城市旅游可持续发展之间存在着极为密切的关系,实现可持续发展的关键就是要解决好城市旅游环境质量问题。而旅游资源环境、旅游自然生态环境、旅游社会服务环境、旅游信息环境是城市旅游环境质量评价的主要因素,利用BP神经网络的方法对城市旅游环境质量进行评价是十分科学有效的。     

基于深度学习和物联网技术的智慧污水管控系统

在智慧城市建设中,水资源的智慧化管理是其不可或缺的一环,智慧水务对促进城市的长期健康发展意义重大.以青岛市某精细化工厂为例,将人工智能技术与物联网技术相结合并运用于该化工厂智慧污水管控系统中,通过一系列传感器采集动态数据,实现对水质质量的实时监测.该智慧污水管控系统应用深度学习中的长短期记忆(Long Short-Te...     

典型下垫面径流系数预测的神经网络方法研究

根据5种典型下垫面的径流系数的实测数据,运用LM(Levenberg-Marquardt)BP算法的神经网络模型,建立了径流系数与影响因素关系间的S型/S型数学模型。用该方法对不同降雨条件下每种下垫面的径流系数进行了预测,并与传统方法进行了比较。结果表明,该模型的预测精度更高。