基于ANN的环境质量评价

人工神经网络通过神经元之间的相互作用来完成整个网络的信息处理，具有自学习和自适应等一系列优点，因而用它来评价环境质量是可行的。本文针对环境质量评价问题，建立了基于神经网络的评价系统，给出了应用实例。     

基于RBF神经网络的火灾报警系统失效概率预测

报警系统失效主要包括漏报、误报,对系统进行失效概率预测,可以帮助判断设备质量优劣,评估系统效能。利用Matlab软件编程,通过神经网络预测失效概率。根据不同场所正在使用的火灾报警器的失效数据作为原始数据,归纳总结失效原因,建立事故树,结合专家打分法与模糊理论得到网络的输入值与输出值。通过网络训练,得到可以对系统失效概率进行预测的RBF神经网络,测算效率大幅提高。以70组不同品牌、用途的火灾报警系统作为算例,通过训练数据,最终达到输入底事件发生概率可直接输出顶事件发生概率的目的。结果表明,RBF神经网络相较于BP网络与事故树算得的失效概率具有更高的拟合度,RBF神经网络模型在进行系统失效概率预测时具有可靠性。     

深部煤层瓦斯含量的差值GM-RBF预测模型及其应用

基于灰熵理论和RBF神经网络理论,提出了一种改进的灰色神经网络深部煤层瓦斯含量预测模型。该模型首先利用灰熵关联度确定影响深部煤层瓦斯含量的主控因素,构建多个GM预测模型进行精度分析,寻求最优的灰色预测模块对分析系统进行一次预测,再利用灰色模型白化微分方程解序列相邻两元素分别与相应期望值作差,构建一个差值序列作为RBF神经网络输出对分析系统进行二次预测,得到的差序列预测结果的差值即为深部煤层瓦斯含量的预测值,从而构建了基于差值GM-RBF神经网络组合模型的深部煤层瓦斯含量预测体系。实际应用表明:差值GM-RBF神经网络组合模型的精度评价指标MAE、MAPE、RMSE、RRMSE分别为0.233 1、3.25%、0.2778、4.04%,远优于单一灰色、RBF模型;与传统GM-RBF组合模型相比,MAE和MAPE分别减小了23.8%和22.1%,RMSE和RRMSE分别减小了20.5%和17%。由此可见,以差值结合法将最优灰色模块与RBF神经网络有效结合起来的瓦斯含量预测体系增强了模型的泛化能力和数据利用率,精度更高,稳定性更好,能够满足深部煤层瓦斯含量准确预测的要求,为深部煤与瓦斯安全高效开采提供依据。     

基于人工神经网络的森林资源管理模型研究

介绍了人工神经网络方法，建立了森林资源管理的三层前馈反向传播神经网络模型，并与Ｌｏｇｉｓｔｉｃ函数进行了比较。仿真结果表明，人工神经网络模型优于Ｌｏｇｉｓｔｉｃ模型，可应用于森林资源动态模拟。     

GA-BP神经网络在铜合金海洋腐蚀预测中的应用

目的 充分利用海洋腐蚀数据,深入分析数据规律.方法 在BP神经网络的基础上引入遗传算法,以克服神经网络模型固有缺陷,提高预测精度和训练速度.结果 对GA-BP人工神经网络进行了简要阐述,并以铜合金在海水中的腐蚀数据为例,应用GA-BP人工神经网络建立了海水腐蚀预测模型,对预测结果进行了评价.结论 预测结果表明,模型能满足设计要求,具有较好的泛化能力.     

基于班组安全氛围的建筑工人不安全行为预测

为拓展安全氛围在施工安全管理中的应用,提高建筑工人不安全行为可预测性,提出一种基于班组安全氛围预测建筑工人不安全行为的方法。通过文献研究获取班组安全氛围7个维度,并将其作为输入构建人工神经网络模型,利用问卷数据对模型进行训练、测试与仿真,最后通过实际案例验证模型实用性。研究结果表明:模型均方误差为0.015 4,目标输出与预测输出相关系数R大于0.9,该模型可有效用于建筑工人不安全行为预测,并在实际工程案例中准确识别出3个不安全行为因素。     

基于F-R-M法的刚构-连续梁桥施工期结构强度风险分析

为了解决刚构-连续梁桥施工过程中的风险问题,提出了一种神经网络与有限元结合的定量风险分析方法（F-R-M法）。以八盘峡黄河特大桥为工程背景建立有限元模型,运用参数敏感性分析确定出最不利施工阶段的结构强度主要风险随机变量,然后以蒙特卡洛原理为基础,通过径向基（RBF）神经网络计算结构失效概率,最后对桥梁施工风险进行定量分析。结果表明:该桥在最大悬臂状态下,结构应力仿真次数超过 1 000 万次时,梁体在最大悬臂端应力失效概率仅约为 1.17×10-5,失效概率极低。基于参数敏感性的F-R-M法可以快速、较高精度地对高速铁路刚构-连续梁桥施工期结构强度风险进行定量分析。     

枯草芽孢杆菌ME714产聚-γ-谷氨酸固态发酵培养基的优化

为了提高固态发酵聚-γ-谷氨酸(PGA)的产量,对发酵培养基中的4个主要外加营养组分——谷氨酸钠、尿素、柠檬酸钠、淀粉的配比采用正交设计方案进行试验设计,运用径向基神经网络(RBFNN)建立PGA产量与培养基组分浓度之间的预测模型,采用遗传算法(GA)对此模型进行全局寻优,得到4种主要组份的优化配比:谷氨酸钠318g/kg、尿素28.3g/kg、柠檬酸钠24g/kg、淀粉46g/kg.采用上述方法优化后PGA产量达到75.3g/kg,较原始培养基提高了25.1%.图1表3参14     

基于人工神经网络的储罐区泄漏源实时定位技术初步研究

本文建立了基于误差反向传播算法（BP）的多层感知器（MLP）结构的神经网络进行储罐区泄漏源的实时定位，提出了现场传感器阵列优化布置的原则，设计了输入空间和解空间，应用计算机仿真获得的泄漏浓度场对建立起来的神经网络进行了训练，并成功进行了验证，分析了隐层节点数、权值和阈值的取值范围和符号、学习因子等因素对网络性能的影响。研究表明利用神经网络的非线性映射能力对储罐区泄漏源进行实时定位是可行的，单隐层的MLP可以被训练来反向分析泄漏浓度场。     

旱涝灾害的门限神经网络预报模型

根据旱涝灾害具有非线性和突变性的演变特征，提出了利用门限值和门限变量构造神经网络的旱涝灾害预报新方法。由于该方法可以根据预报量与预报因子间的不同相关关系构成不同的神经网络学习矩阵，因此实际的预报计算结果表明，该方法对历史样本的拟合和预报精度比一般的逐步回归方法有明显提高。