基于BP神经网络的甘肃省二氧化碳排放预测及影响因素研究

基于排放因子法估算2000—2020年甘肃省三大产业及生活能源消费直接CO₂排放量,描述分析其时序演变特征。建立BP神经网络模型并预测2021—2030年甘肃省CO₂排放量。构建甘肃省CO₂排放影响因素的STIRPAT拓展模型,利用多元回归分析定量探究了各因素对CO₂排放量的影响程度和内在作用机理,并结合随机森林进一步识别重要影响因素。结果表明：甘肃省产业及生活能源消耗直接CO₂排放总体呈波动增长趋势,且第二产业占比在70%以上,是主要的CO₂排放源;BP神经网络模型的预测误差为2×10^-4,相关系数>0.99,对于预测甘肃省CO₂排放具有较高精度,并得出2026年的甘肃省能源消耗直接CO₂排放量达到最大;甘肃省CO₂排放的驱动因素作用差异显著,CO₂排放强度、经济发展、城乡消费对CO₂排放的正向作用较大,城镇居民人均消...     

基于知识的管道系统泄漏检测方法

提出了3种基于知识的管道系统泄漏检测方法,分别是:通过对负压波波形分段符号化处理,采用上下文无关法表示波形结构模式的模式识别诊断系统;以选取合适维数的功率谱特征向量而建立的神经网络泄漏检测系统;与泄漏机理数学模型结合的泄漏诊断专家系统。     

基于RBF神经网络的矿井突水水源识别方法研究

采用Na++K+、Ca2+、Mg2+、Cl-、SO42-和HCO3-六种常规水化学指标作为矿井突水水源识别的依据,利用Piper三线图分析了各充水水源水化学特征,筛选出适用于模型构建的样本。运用SPSS软件构建RBF神经网络,对6组待测样本进行识别。结果表明:RBF神经网络对孔隙水、地表水和奥灰水的判别正确率均为100%,对于砂岩水和太灰水的判别正确率分别为91.7%和50%;经过待判检验,RBF神经网络待判检验正确率为92.3%。     

基于概率神经网络的液氨汽车罐车复合故障诊断

故障诊断在保证危险化学品汽车罐车运输安全方面具有重要意义。从国内交通运输安全的实际要求出发,依据液氨汽车罐车的结构特点及国家法律法规的要求,比较全面、系统地分析了液氨汽车罐车故障特征的相关参数,并将其作为概率神经网络的输入结点。根据实际可能发生的故障分类模式,考虑到故障诊断的容错能力和自适应能力,提出了基于概率神经网络的复合故障诊断模型。利用指标参数作为网络训练样本,对未知故障模式进行诊断,并以广西地区压力容器检验所液氨检测数据为例进行说明。理论分析和实例计算表明,该模型物理概念清晰,计算结果合理,精度较高,在危险化学品汽车罐车故障诊断中有很好的适用性。该项工作可为我国危险化学品汽车罐车故障智能诊断的深入开展提供参考依据。     

基于BP神经网络的矿井火灾安全评价方法

在对国内煤矿调研的基础上,建立了包括内因火灾、外因火灾、管理和救灾3个子系统的评价指标体系;通过模糊层次法,求解了各指标权重;结 合目前比较成熟的BP神经网络方法,研究了一种新的矿井火灾安全评价方法,并编制了界面友好的软件,在矿井实际应用中取得较为满意的评价结果.     

一种基于LVQ神经网络与图像处理的火焰识别算法

针对传统火灾探测技术存在的不稳定、误判率高等缺点,通过分析室内火灾图像与常见干扰光源图像的特点,提出一种基于人工神经网络的火焰图像检测技术。对火焰图像的基本特性进行分析,利用火焰图像序列的面积重叠率和中心相对移动率以及颜色等信息,结合实现学习向量量化(LVQ)神经网络融合技术,对视频序列图像中火焰的自动检测。仿真试验结果表明,基于LVQ神经网络的信息融合算法的网络收敛速度较快,有较高的火灾火焰识别准确率。     

基于粗糙集-模糊评判-神经网络的隧道施工安全状态评估

为了有效地对隧道施工进行安全状态评估,建立了以人-机-环-管理系统为基础的隧道施工安全状态评估指标体系,构造了基于粗糙集-模糊评判-神经网络的隧道施工安全状态评估模型.该模型通过粗糙集约简输入变量,提炼学习样本,再利用神经网络对其进行训练和评价,提出了使用层次分析法和模糊数学的方法对隧道施工安全整体综合评判,得到的评价值作为神经网络训练目标值的方法.实际结果表明,通过使用该模型方法,神经网络训练的条件属性由原来的17个变成6个,训练周期由原来的2 992次减少为1 637次,泛化能力、安全状态评估的结果都优于约减前,能够对隧道施工安全状态做出有效的评估结论.     

前馈神经网络在环境评价和预测中的应用进展

本文针对水环境中复杂的不确定性及非线性关系,在水环境不确定性分析的基础上,详细阐述了以BP网络和RBF网络为代表的前馈神经网络法的基本原理,分析了两种方法的优点。同时,本文对两种方法在水环境影响评价工作中的应用现状进行总结,分析了两种方法的研究发展趋势。     

基于BP神经网络的导弹环境适应性评估及对策

论述了转型期海军战术导弹开展环境适应性研究的必要性和紧迫性,分析了环境因素的影响。选取典型型号的海军战术导弹为研究对象,给出了8种严重影响导弹的环境适应性因子。结合BP神经网络算法建立了环境适应性模型,并对环境适应性水平进行了仿真评估分析。仿真结果表明,该模型具有良好的评估效用。根据仿真结果,针对不同时期的导弹提出了相应的环境适应性对策。     

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。