基于RBF的起重作业岗位人因可靠性预测

为提高起重作业可靠性,防止人因失误酿成事故,针对人因失误的随机性、模糊性和不确定性特点,提出运用具有非线性映射能力和容错能力的径向基函数(RBF)神经网络,分析人因失误非线性动力学过程。以起重机操作岗位作为人因可靠性分析(HRA)实例,首先,建立基于"作业人员、交流界面、作业环境、作业特性、作业组织"的人因可靠性预测指标体系,并对指标进行量化;其次,根据人因可靠性原理,统计出人因失误次数,给出人因失误率;最后,通过对"人的疲劳和情绪、交流通道、作业复杂程度和时间裕度、照明环境和风力影响、工作强度和安全监管"等因素的分析,构建基于RBF的起重机操作岗位人因可靠性预测分析神经网络模型。分析结果表明,RBF预测分析同时包含人的操作可靠性与认知可靠性,预测结果同现场实际观测结果的符合度达到92.0%。     

基于QPSO-RBF的瓦斯涌出量预测模型

为了提高径向基(RBF)网络预测瓦斯涌出量的泛化能力,提出QPSO-RBF模型。该模型采用量子粒子群(QPSO)算法优化RBF网络隐层基函数中心、扩展系数以及输出权等初始参数,将网络参数编码为QPSO学习算法中的粒子个体,在全局空间中搜索最优适应值参数。其中,RBF网络选取5-3-1的精简结构,采用5个变量作为影响因子预测瓦斯涌出量。结果表明,经QPSO优化后的RBF网络模型预测结果稳定且唯一,其泛化指标平均相对变动值(ARV)为0.012 2。与PSO-RBF、RBF模型预测结果比较,QPSO-RBF模型的泛化能力和网络训练速度优于前2种;预测精度约为PSO-RBF模型的1.5倍、RBF模型的4倍。     

基于BP神经网络的绿色建筑评价

绿色建筑是指在建筑的全寿命周期内,最大限度地节约资源,保护环境和减少污染,为人们提供健康、适用和高效的使用空间,与自然和谐共生。根据绿色建筑的特点,确立绿色建筑评价指标体系,并运用管理理论中的层次分析法(AHP)和模糊综合评价方法(Fuzzy),提出了人工神经网络(ANN)评价模型。评估结果表明,该评价体系用于绿色建筑等级综合评价是快速、有效的。     

北京市城市生活垃圾组分预测

研究了北京市1991-1999年城市生活垃圾组分及变化特点.发现食品的含量最大,其次是塑料和纸类.以20世纪90年代生活垃圾产量和组分数据为基础,建立了生活垃圾组分人工神经网络预测模型.以预测的生活垃圾产量为输入值,分别对6个不同区域2001年、2005年、2008年与2010年的生活垃圾组分进行了预测,并用类比法进行了修正.考虑到由于城市发展规划不同区域生活垃圾比例变化情况,最终计算出全市生活垃圾组分变化.结果表明,在未来几年内北京市城市生活垃圾组分中,食品含量较高,但其比例逐年下降,纸类与塑料垃圾有增加,灰土所占比例减少.     

人工神经网络在水环境质量评价中的应用

应用人工神经网络理论与方法建立了滏阳河水质评价的RBF(径向基函数)神经网络模型,对滏阳河邯郸市区段的从南环到北环的7个监测断面水质进行了评价,并与灰色聚类结果进行对比。结果表明RBF神经网络模型能很好地解决评价因子与水质等级间复杂的非线性关系,评价水质简便可靠,预测精度高,具有通性和客观性。根据评价结果,分析了滏阳河邯郸市区段水质污染程度,可以为水环境保护工作提供防治依据。     

栖息地适宜度评价方法研究进展

栖息地模拟法是根据指示物种所需的物理生境条件确定河流流量,评价栖息地适宜度,为水生生物提供一个适宜的物理生境。与其他方法相比,栖息地模拟法考虑了生物本身对物理生境的要求,需要建立物种-生境评价指标。文章总结了目前用于描述物种—生境关系的栖息地适宜度评价方法,包括栖息地适宜度指数、多元统计方法、模糊逻辑方法、人工神经网络、对多物种和群落的统计分析,归纳了各个方法的进展和应用情况,重点分析了统计学方法在评估栖息地适宜度时的优势和不足。栖息地适宜度指数有二元、单变量、多变量3种格式,前2种方法只考虑单一因子,实际应用中多变量格式应用较多。多变量格式方法直观、所需数据容易获取、实际操作性强,是栖息地定量化的经典方法,也是目前应用最多的方法,然而其对专家经验依赖较多,主观性较强。近些年来,多元统计方法在栖息地适宜度评价方面的应用不断增加,它考虑物理变量之间的相互作用和相关性。模糊逻辑法在处理栖息地模拟中的不确定性方面具有优势,能更好地利用专家知识,更合理的处理建模过程中测量的不准确性和不确定性,同时也考虑了多个变量之间的相互作用,但是当考虑的变量数增加时,模糊规则的数量会迅速增加,给计算带来不便。人工神经网络能够隐性地找出响应变量和环境变量之间的复杂关系,但是其解释能力不足,并需要大量的实测数据对其进行训练,实际应用受到限制。通过排序分析或梯度分析可以对多物种和群落进行统计分析。这些方法都各有优劣,在实际应用中,应结合实际情况选择最合适的栖息地适宜度评价方法。     

抚仙湖流域负荷削减的水质风险分析

以抚仙湖为研究对象,基于三维水动力-水质模型EFDC平台,开发了EFDC-神经网络(NN)耦合模型;并选用30d移动平均值为解译方式核算抚仙湖在不同风险下的流域负荷削减(TMDL).结果表明,对于100%的达标频度,为了达到I类水质,TP允许增加14%~18%,COD允许增加9%~11%,但TN需要削减13%~14%.如果放松对达标频度的要求,污染负荷将允许相应地增加.研究结果可为流域管理依据不同的风险与管理费用偏好实施流域削减提供基础.     

基于人工神经网络方法的河北省近海沉积物重金属污染综合评价

利用误差反相传播神经(BP)网络对河北省近海沉积物中的铅、镉、锌、汞、砷5种重金属元素的污染水平进行分析,利用自组织特征映射(SOFM)网络对上述重金属元素分布特征进行分类,通过分类与污染水平量化值的结合,进行综合评价。SOFM把52个沉积物样品分别划分为3、4、6类和9类。对比各种分类,分为3类的物理意义较明确,每个类别分别对应高中低不同的污染物浓度水平,差异显著、分类方式比较合理。通过此种分类可以判断河北省近海的沉积物重金属污染在不同海域存在一定的差别,整体上是离海岸越远,沉积物的重金属污染水平越高,距海岸较近的海域内,沉积物的重金属污染水平较低,但渤海湾内的重金属污染水平高于其他海域。     

基于ANN 的SBBR 短程硝化过程仿真研究

利用人工神经网络对实验室中短程硝化过程进行仿真模拟,采用误差反向传播算法,并结合自适应学习率,在MATLAB 语言环境下建立了进水NH₄⁺-N﹑DO﹑温度以及外加碳源与出水NH₄⁺-N 和NO^2--N 之间的非线性映射函数关系,确立了相关的动态模型.结合最优化网络模型运行参数,对样本进行仿真学习,仿真输出值与实际值的拟合程度相当高,最大误差仅13.8955%.通过权重分析,探究了各输入因素与输出结果之间的价值贡献关系,进水NH₄⁺-N 和温度对短程硝化过程表现出较大的影响.     

利用神经网络技术对华东地区进行地震预测

用BP神经网络技术研究华东地区(29°～37°N,114°～124°E)地震时间序列的规律,在大量实验的基础上得出,对于华东地区当输入层节点数目为12、隐层的节点数为16、输出层节点数为1时可以得到较好的收敛结果。根据选取的参数采用两种方法对华东地区进行地震预测,结果表明利用BP神经网络处理华东地区的地震时间序列有较强的容错性,进而认为将该方法用于华东地区地震时间序列的短临预测有较好的效果。