BP网络应用于大气颗粒物的源解析

应用BP网络对大气颗粒物进行源解析,将大气采集样本中的元素含量和大气颗粒物源成分谱构成训练样本集,用BP网络进行训练,由训练好的网络的权值可以计算出大气颗粒物的污染排放源的权重贡献率.将BP源解析法的计算结果与其它源解析法得到的结果比较,表明BP网络应用于大气颗粒物的源解析是可行的.     

基于人工神经网络的造纸废水处理动态仿真

研究了人工神经网络对废纸造纸废水处理过程动态仿真的可行性,采用误差反向传播网络(BP网)建立了表征原水COD、加药量、进水流量、历史出水COD与预计出水COD之间复杂关系的动态模型,并对不同训练方法进行了比较,发现带有动态调整的方法具有较好的效果,其模型的计算输出值与过程的实际输出值具有较好的一致性.对造纸厂现场排放的废水的实验表明,该模型可用于废纸造纸废水处理的动态描述.     

基于RBF神经网络的城市建成区面积预测研究——兼与BP神经网络和线性回归对比分析

城市建成区面积预测是城市研究的一个核心问题,其与城市经济社会之间表现为一种复杂的非线性关系,传统的方法模型难以精确预测。作为一种较新的人工神经网络模型,RBF神经网络能以任意精度全局逼近任意非线性关系,表现出了极强的处理复杂非线性系统的能力。以合肥市建成区面积预测为例,构建了基于RBF网络的预测模型,作为对比,同时用BP神经网络、一元线性回归和多元线性回归模型进行了预测。预测结果的综合分析表明,在预测精度上,RBF网络＞BP网络＞多元线性回归模型＞一元线性回归模型。研究显示,RBF网络能为城市建成区面积预测提供一种新思路和新方法,进而可为城市土地利用及其规划制定提供科学的决策依据     

地铁火灾二次事故BP神经网络安全评价方法研究

基于能量转移理论、多米诺效应理论等相关理论对地铁火灾二次事故概念进行界定,并分析地铁火灾二次事故的演化机理,确定地铁火灾条件下易发的二次事故类型;建立了地铁火灾二次事故安全评价指标体系,通过BP神经网络的安全评价方法对地铁火灾二次事故进行量化分析。     

基于变权重RBF组合模型的煤与瓦斯突出强度预测

为更准确预测煤与瓦斯突出强度,在组合算法和径向基函数(RBF)神经网络的基础上,建立变权重RBF组合模型。首先,选取最具代表性的3种单项模型:BP神经网络、支持向量回归机(SVR)、免疫遗传算法(IGA),分别建模后对样本序列进行预测,并重构预测结果数据。以重构后的预测序列为输入层,突出强度为输出层,对变权重RBF组合模型进行训练,获得各单项模型的动态权值,从而建立动态变权重RBF组合模型,最后对突出强度进行预测。结果表明:变权重RBF组合模型预测结果的平均相对误差为2.621 2%,优于各单项模型、定权重组合模型以及数据不重构组合模型。     

滇池水污染物浓度预测的人工神经网络模型

本文针对滇池日益严重的水污染现状,根据云南昆明西苑隧道断面2004年-2010年的监测资料,建立了基于BP神经网络的主要污染指标预测模型,并对其进行训练检验,研究结果表明：独立样本中pH、溶解氧、氨氮、高锰酸盐浓度的预测值与监测值的线性相关系数分别为0．952、0．967、0．945、0．936。结果证明该模型预测精度满足要求,通过准确地预测湖泊水污染物可以为治理湖泊营养化和综合利用水资源、规划管理、决策提供重要的科学依据。     

基于ICUOWGA-RBF神经网络的装配式建筑施工安全评价

为解决装配式建筑施工安全评价指标的模糊不确定性、随机性和指标间非线性关系造成专家难以洞察指标全部信息,从而降低评价结果科学性的难题,提出了基于ICUOWGA-RBF神经网络的装配式建筑施工安全评价方法。该方法首先根据事故致因理论,从人员-物-管理-技术-环境5个维度构建装配式建筑施工安全评价指标体系;然后引入模糊语义量化算子对传统CUOWGA算子进行改进得到ICUOWGA算子,并利用ICUOWGA算子计算评价指标的权重,进一步消除运算过程的主观性;最后利用RBF神经网络训练样本数据,规避模拟过程陷入局部最小值的缺陷,优化学习效率,提高收敛速度。通过将该方法运用于郑州某装配式建筑工程施工项目的安全评价,结果表明该装配式建筑施工的安全等级较高,并指出影响安全施工的主要因素,为装配式建筑施工安全管理提供了管理思路。     

基于GM-RBF神经网络的导弹武器系统使用可用度评估方法 研究

目的研究导弹武器系统使用可用度评估问题,方法通过基于故障数据的使用可用度评估,提出一种基于灰色模型GM（1,1）的径向基函数（RBF—Radial Basis Function）神经网络组合模型。结果该模型克服了灰色理论的长时间序列预估误差大和神经网络的训练样本需求量大、输入变量选取困难等缺点。结论仿真结果表明,GM—RBF神经网络对导弹武器系统使用可用度评估具有评估误差小、精度高等优点。     

BP人工神经网络在深基坑桩体位移预测中的应用

深基坑围护结构的水平位移是基坑变形破坏的最主要形式之一。深基坑在开挖过程中,由于卸荷作用产生的压力差使得基坑围护结构产生水平位移,如果位移值过大,则会直接导致基坑主体结构和周边建筑物的破坏。本文基于MATLAB神经网络工具箱函数建立了人工神经网络预测模型,对武汉某地铁车站深基坑开挖过程中桩体围护结构的水平位移进行了预测,并预测了基坑变形的未来发展趋势,以为基坑开挖与支护设计提供指导。预测结果显示其预测值与实际监测值基本一致,表明BP人工神经网络应用于深基坑桩体位移预测是可行、可靠的。     

基于FMEA与RBF神经网络的LPG汽车罐车储罐系统故障诊断

为了对液化石油气(LPG)公路运输罐车储罐系统故障进行准确、全面的诊断,通过利用故障模式影响分析方法(FMEA)构建储罐系统故障模式及故障特征指标,根据日常检测数据构造训练样本,运用径向基函数(RBF)神经网络对网络进行训练建立诊断模型并利用诊断模型对罐车故障进行诊断。经验证:诊断结果与实际情况相符合。因此,基于FMEA与RBF神经网络所构建的模型可以用于危险化学品汽车罐车储罐系统的故障诊断。