基于RBF神经网络的矿井主排水泵故障诊断

本文将RBF神经网络应用于煤矿井下主排水泵的故障诊断中,实验证明效果良好。本文的研究成果可为同行提供有意义的参考和借鉴。     

关于烟花爆竹重大危险源分级的探讨

烟花爆竹重大危险源分级是政府和企业对烟花爆竹行业进行安全监管的重要环节。分别对死亡人数与财产损失法、基于神经网络的重大危险源分级法、校正比值求和法进行了介绍和对比分析,找出了各自的优缺点,并分析了只用其中1种方法进行分级的缺陷,提出采用2种或2种以上方法对重大危险源进行分级。最后以某烟花爆竹企业原料储罐为例,用校正比值求和法计算得到分级指标R为19.24,判断为3级重大危险源。对3种方法的结合进行了详细描述,说明了该分级方法的可行性和准确性。     

基于多源数据融合的石油罐区安全监控模型

由于单一传感器在石油罐区安全监控中容易受到外界因素影响从而产生误差,为提高传感器检测结果的可靠性和罐区安全监控预警的准确性,基于多源数据融合技术,建立罐区安全状态预警模型。首先,介绍了多源数据融合技术的3个层级:数据级融合,特征级融合和决策级融合,以及目前各领域常见的数据融合方法;其次,建立了基于最优加权融合算法的一级融合模型和基于BP神经网络算法的二级融合模型;最后,得到石油罐区安全监控数据融合模型,并为进一步的实践应用打下了理论基础。     

基于改进贝叶斯神经网络的航空公司安全敏感性分析

针对当下航空公司安全质量管理体系(Quality Management System,SQMS)中风险识别与可靠性改进的问题,提出了基于区间数学改进的贝叶斯神经网络的灵敏度分析方法。利用区间数学理论分析贝叶斯神经网络中各指标与整体安全质量状况的扰动关系,实现指标灵敏度分析。通过东方航空公司的实例分析,发现在对指标进行人工干预时组合指标干预效果较好,且安全管理体系实施后指标的灵敏度有明显向好的方向变化的趋势。     

基于神经网络集成的单个飞行事件噪声预测模型

通过分析影响单个飞行事件噪声的各种因素,构建了BP神经网络回归预测模型,并通过自适应遗传算法优选出参与集成的个体神经网络,提出了预测单个飞行事件噪声的神经网络集成预测模型.为了有效保证差异性,设置不同隐藏神经元个数和Bagging算法来构建和训练单个网络.实验结果表明,单个飞行事件噪声的神经网络集成预测模型相对单个BP神经网络模型泛化能力更强,稳定性能更好.本文方法在测试集上误差在3dB以内的平均比率为96.9%,比单个网络高6.8%.     

基于径向基函数神经网络方法的城市生态压力预测

针对城市生态压力影响因素复杂,难以对城市未来可持续发展状况做出准确判断的问题,提出了城市生态压力的径向基函数神经网络预测模型,分析了影响城市生态系统的主要因素.以抚顺市1995-2009年数据为基础,验证了模型的准确性并预测了该市2010-2015年城市生态系统的压力情况.研究结果表明:能源消耗指标是影响城市生态系统压力的主要因素;运用径向基函数神经网络模型对训练样本的拟合精度以及对测试样本的仿真精度分别达97.91%和94.16%;抚顺市2015年的人均生态足迹、 生态承载力和生态赤字分别达到7.013、 0.523和6.49 hm²/人.     

基于AGA-BP神经网络的采空区危险性评价

针对采空区危险性评价的影响因素众多且关系复杂的特点,提出了基于AGA-BP神经网络算法评价采空区危险性。将岩体结构、地质构造、岩石抗压强度等13个影响因子作为神经网络输入,采空区危险性等级作为输出,建立一个采空区危险性评价的BP神经网络模型;采用自适应遗传算法(AGA)对BP网络的初始权值和阈值进行全局寻优,将寻优结果回代入网络中进行训练并预测得出采空区危险性等级;利用其它智能算法与该预测结果做出比较,以验证AGA-BP算法的有效性及优越性。结果表明:该算法的优化效果明显,同时在训练时间与预测精度上较其它智能算法有突出的优势,是一种在采空区危险性评价方面值得推广的新方法。     

基于GA-ELM浆体管道输送临界流速预测模型研究

针对浆体管道输送临界流速预测难度大、精确度低等技术难题,提出了基于极限学习机(ELM)的临界流速预测模型,用训练集对模型进行训练,以验证集预测值的均方误差作为适应度函数,利用遗传算法(GA)对ELM模型参数进行优化,应用优化得到的ELM模型对预测集进行预测。以某矿山为例,模型参数优化结果如下:隐含层节点数L为400,输入权值ai、偏置向量bi最优组合下预测结果适应度为0.0201。采用优化的ELM模型对预测集进行预测,预测结果的最大相对误差x=3.96%,平均相对误差y=1.58%,对比BP神经网络(x=12.95%)和SVM模型(x=3.19%),表明ELM模型更加精确、高效。     

基于改进深度学习网络对裂缝检测研究

提出了一种运用于混凝土裂缝检测的模型yolov5-slC,该方法建立在yolov5模型的基础上,改进yolov5s网络结构,将普通卷积替换为轻量卷积GSConv,在此基础上继续引用slimneck结构,降低网络复杂度的同时并未丧失精度,缩短检测时间,减少计算量;引入轻量化上采样算子CARAFE,减少了计算开销。与原yolov5s相比,该方法的mAP₅₀提高了3.5百分点,mAP₉₅提高了9.4百分点。在试验数据集和补充数据集进行可视化对比,yolov5-slC均表现良好,能高效精确地为混凝土裂缝检测提供新方法。     

基于BP-GM的工业污染生态安全预警系统研究

为了改善工业污染引发的生态安全的恶劣状况,保障经济发展与生态环境的可持续发展,根据生态安全预警的特点,结合BP神经网络和GM模型,建立了工业污染生态安全预警系统,并对内蒙古进行了实证分析,得到内蒙古2011年工业污染生态安全警度为中警,需要采取措施进行排警.