基于BP神经网络的空洞型采空区稳定性评价研究

通过分析空洞型采空区稳定性的影响因素,依照BP神经网络原理,构建出适合空洞型采空区稳定性评价的BP神经网络模型。再通过收集到的空洞型采空区稳定性样本对所构建的BP神经网络进行训练,得出空洞型采空区稳定性评价BP神经网络模型,并应用检测样本测试其准确性。并以陕北讨老乌素煤矿采空区为例,应用训练好的BP神经网络模型对其进行预测评价,最终得到了与实际情况吻合的结果。     

基于熵权-BP神经网络的涉农类上市企业融资风险预警研究

针对涉农类上市企业的融资风险预警问题,首先从企业的资金流融入以及融出两个层面构建了含有15个指标的融资风险预警指标体系;然后收集了24家涉农类上市企业2017年的相关指标数据,并利用熵权法确定各指标层的权重值,结合指标数据计算得到24家上市企业的融资风险预警指数RWI值,即为BP神经网络的输出层;最后通过BP神经网络工具箱建立涉农类上市企业的融资风险预警模型,并进行了神经网络训练以及仿真预测。结果发现,所建立的BP神经网络融资风险预警模型对涉农类上市企业的融资风险预警具有较好的适用性,对企业的融资风险预测与控制具有实践意义。     

在线检测系统中对预行程误差预测和补偿的应用分析

预测和补偿预行程误差,能在很大程度上提高在线检测系统中测量的精确度,基于这一原理,提出基于BP与正则化RBF神经网络的一种新的检测误差预测的方法,同时基于BP和正则化RBF神经网络,建立了一个能够在线检测系统并且预行程误差的模型,利用相关的实验数据,将已经训练好的网络运用到实际中,对加工零件的误差进行预测与补偿.     

跨层次视角下建筑工人安全行为预警

以行为安全理论为基础,根据文献分析和人员访谈,基于跨层次的系统视角构建了建筑工人安全行为预警体系.根据该体系,制作了调查问卷,面向现场建筑工人进行了数据收集,并采用反向传播(BP)神经网络对该体系进行了训练和测试.结果表明:仿真得出的输出值和实际安全行为数据一致性较高,训练后的神经网络模型仿真能力较强,该评价体系能有效地对建筑工人的安全行为进行评价和预警.根据阈值,把安全行为分为优秀、良好、较差等3个等级,并针对预警结果采取不同的安全干预方案,从而提高安全管理能力,改进项目安全绩效.     

基于BP神经网络的水质预测技术

针对城市污水处理厂在生化处理污水过程中测量重要过程变量困难、无法及时检测的问题,提出了基于BP神经网络的预测技术.利用某化工污水处理厂的实际运行数据对提出的BP神经网络结构进行了训练和仿真.结果表明:通过合理选择辅助输入变量,可以实现对过程变量的在线预测.     

基于BP神经网络的单病种质量控制自动预警系统模型

为了进行单病种控制预警模型研究,采用了BP人工神经网络工具,建立了单病种质量控制自动预警模型,经过对样本的反复训练和学习,BP神经网络对单病种质量预警的计算机仿真计算的结果与其实际情况是基本上一致的。研究结果表明,基于BP神经网络的单病种质量控制预警的模型能够对单病种质量控制出现危机时为医院管理者提供及时的预警,使得相关管理者提前采取相应的方法来应对。     

基于BP神经网络的信誉欺骗检测模型

在分析信誉系统评价的目标系统的行为特征的基础上,提出了一种集成的BP神经网络模型.该模型使用训练集对构造好的BP神经网络进行训练,将测试集输入到训练好的BP神经网络中,进行欺骗检测,并在行为维度上进行欺骗检测效果验证.实验结果验证了基于BP神经网络的信誉欺骗检测模型的可行性.基于BP神经网络的欺骗检测模型能够快速、准确地实现欺骗行为的检测.     

用BP神经网络对气流床粉煤气化炉的预测

利用3层BP神经网络对气流床粉煤气化炉进行模拟研究.以Gibbs自由能最小化方法建立粉煤气化炉数学模型的模拟结果作为BP神经网络训练数据,训练后的BP神经网络模型对模拟数据的预测准确度较好.以Shell粉煤气化炉和国内首套粉煤加压气化中试装置上的实际生产数据作为BP神经网络的训练数据,训练后的BP神经网络模型能预测实际生产数据.     

基于BP神经网络的网络安全态势评估研究

随着网络攻击行为事件的频繁发生,互联网安全受到了人们的持续关注,人们对于网络安全日益重视。网络安全态势感知评估模型可以提升评估网络安全性能,并提升网络安全预警精确性。通过分析当前网络安全情况,设计了攻击指标因子来全面的反应网络攻击行为。此外了更好地解决收敛速度较低,训练效率差等问题,应用遗传算法来优化BP神经网络训练过程权值,提升了训练效率,并基于优化后的BP神经网络构建了网络态势评估模型指标体系,实时统计监控分析网络安全状态。实验结果表明文章提出的基于BP神经网络安全态势评估模型中具备较好的训练集以及收敛速度,评估效率也更符合预期值。     

基于BP神经网络的财务预警实证研究

运用BP神经网络对我国制造业的上市企业进行实证研究,选取2002～2005年的62家ST企业为样本,并选取同行业、同时期、同规模的健康上市企业进行配对.通过显著性检验对指标进行筛选,并建立单纯依靠财务指标的BP神经网络财务预警模型,比较引入非财务指标后的模型的预测效果,得出引入非财务指标后的BP神经网络财务预警模型更加精确.     

基于模糊神经网络的煤矿安全评价综合评判

针对煤矿安全综合评价方法中因人为因素、模糊因素及动态因素而导致评价结果不够准确的情况,依据煤矿安全评价指标体系结构,构建了基于模糊神经网络的多级模糊评判模型,提出了神经网络分级BP学习算法,解决了多级模糊评判中权值学习困难的问题,使训练速度和评判的准确性大幅提高.以鸡西矿业集团煤矿为研究对象,建立了基于模糊神经网络的安全评价模型.结果表明:该方法能有效地对煤矿进行安全评价,综合评判客观、准确.     

基于神经网络的企业财务危机预警系统的构建

针对目前企业财务危机预警模型存在的问题,提出一种基于神经网络的企业财务危机预警方法．重点阐述了前向三层BP网络企业财务危机预警系统的构建,并选取了30家上市公司作为样本,进行了网络训练和测试,结果表明所设计的预警模式是有效的．     

化学化工实验室无线安全监测系统故障诊断方法研究

针对化学化工实验室的安全问题设计了一种无线安全监测系统,通过无线通信模块传输现场检测数据和经压缩后的图片,实现了实验室安全远程无线监测与监视的功能. 由于监测系统中的无线通信模块能耗较高,长期运行容易发生故障,其故障检测方式也较为复杂. 为了在线检测无线通信模块的故障和识别其类型,以确保无线安全监测系统的可靠性,研究了无线通信模块的电流特性,建立了基于模糊神经网络的故障诊断模型,可实现对无线通信模块在不同状态下的故障进行诊断. 实验结果表明,与BP神经网相比,采用模糊神经网络的无线通信模块故障诊断方法训练耗时短、收敛快、训练误差和验证误差小、诊断正确率高,能够在线检测无线通信模块的多种类型故障,明显提高了无线安全监测系统的可靠性,具有较好的实际应用价值.      

BP神经网络在蜜网系统中的应用

介绍了BP算法的基本思想及其网络模型,蜜网中数据的处理流程.借鉴BP算法应用于入侵检测系统,将BP神经网络技术应用于蜜网系统中,提出了在蜜网中基于BP神经网络的数据处理模型及训练过程.     

基于BP神经网络的结构损伤检测

介绍了BP神经网络的学习算法,通过对一个钢筋混凝土简支梁模型进行了损伤数值模拟,提取固有频率作为BP神经网络的输入参数,并应用简支梁损伤前后的数据输入训练好的神经网络来判断结构损伤。检测表明,该方法在结构损伤检测中具有较好的应用前景。     

基于正交设计的BP神经网络在油页岩渣制砖配方研究中的应用

采用正交实验设计与BP神经网络相结合,建立了油页岩渣砖配比与抗压强度之间的非线性关系模型,以正交实验数据为基础进行神经网络训练,得到了油页岩渣砖的BP神经网络预测模型.并对模型进行验证,预测结果基本满意.同时用训练好的BP神经网络预测模型建立了配方中单因素分析,对寻找最优配方有一定的指导意义.最终达到缩短实验周期,节省人力、物力的目的.     

神经网络与贝叶斯滤波器在换道预测中的应用

为提高车辆在换道过程中的行车安全性。提出一种基于BP神经网络与贝叶斯滤波器的换道意图预测方法,通过车道线传感器、方向盘转角传感器和车身CAN总线采集相关表征参数,将其作为BP神经网络输入数据,对驾驶人换道意图进行初步预测,BP神经网络输出结果作为贝叶斯滤波器输入数据,对BP神经网络预测结果作进一步修正。对模型利用真实换道数据进行训练和检测,结果表明此模型的预测准确率达到91.38%,相较于单一的BP神经网络模型,预测准确率提高了6%,并且具有更强的通用性。     

基于PCA-Rprop神经网络的建筑业上市公司退市风险预警研究

针对标准BP神经网络仅从预测误差负梯度方向修正权值和阈值,存在学习算法收敛速度满、容易陷入局部最小值从而导致模型泛化能力不足的问题.本文提出了一种基于误差反向传播算法(back-propagation algorithm,BP)改进的弹性反向传播算法(resilient back propagation,Rprop),并与主成分分析法相结合,形成了PCA-Rprop神经网络算法.同时,构建包含财务变量和非财务变量的预警体系,运用Matlab软件对我国195家建筑业(涉及房地产概念)上市公司进行退市风险预警实证分析,实证结果表明PCA-Rprop神经网络算法的退市风险预警准确性相较于标准BP神经网络算法和支持向量机模型分别提高了7.03%和10.29%.因此,该模型有望为利益相关者的风险管控和投资决策提供较好的参考依据.     

某扫雷车扫雷犁电液伺服系统辨识与控制

针对某扫雷车扫雷犁电液伺服系统存在非线性及时变性的问题,研究了其辨识和控制方案.提出了离线训练与在线微调相结合的神经网络辨识方案,较好地解决了反向传播BP神经网络易陷入局部最小的问题,加速了网络的收敛速度,且离线训练后的权值参数为合理值,避免了在线微调时的振荡现象.研究了神经网络间接模型参考自适应控制方案,该方案利用神经网络在线辨识器为神经网络控制器实时提供梯度信息,使神经网络控制器的学习修正能够正常进行.仿真研究和样机试验结果证明了所提出辨识和控制方案的有效性和正确性.     

基于域适应学习的非侵入式负荷分解问题研究

基于神经网络的非侵入式负荷分解方法需要利用大量的先验数据对神经网络进行训练,针对某一特定设备在大量的先验数据参与训练的情况下,可达到较好的分解效果,然而将该模型应用于其他设备时,分解精度会迅速下降,因此具有较大的局限性,不利于基于神经网络的非侵入式负荷分解方法在智能电网中的大规模部署。针对此类问题,提出了一种域适应深度学习方法,该方法从训练数据角度出发,混合源域数据与目标域数据对网络进行训练,极大提升了非侵入式负荷分解网络模型的泛化性能。依据现有公开数据进行实验测试,本文所提方法显示出了良好的效果。