基于地理信息系统和神经网络的煤与瓦斯突出预警

依据煤与瓦斯突出机理及突出过程物理特征,结合煤矿安全监测系统,提出以瓦斯浓度和煤体温度时间序列的煤与瓦斯突出预警指标,利用GIS技术和人工神经网络建立了煤与瓦斯突出预警模型.某矿17180工作面的预警结果表明:预警模型可以为煤与瓦斯突出预警提供技术支持.     

电子邮件系统中短信预警子系统的设计与实现

从讨论电子邮件系统的使用安全性入手,提出了短信预警子系统的思路和理念。并结合短信预警的需求分析,运用UML建模语言对短信预警子系统进行了设计与实现,包括子系统参与者与用例以及它们之间的关系描述。最后,本文还对短信预警子系统的部署模型进行了建模。本论文的设计成果可以被广泛应用于主流的电子邮件系统中,为提高电子邮件系统的使用安全提供帮助。     

基于工况识别的安全距离模型

针对传统自适应巡航控制系统安全距离模型缺乏对车辆驾驶工况变化考虑的问题,提出一种基于驾驶工况识别的安全距离模型。依据城市驾驶工况特点构建了4种典型城市工况,引入人工神经网络对车辆实时驾驶工况进行识别与预测,然后以现有安全距离模型为基础,结合工况识别结果,完成对该模型的优化。通过CarSim和Simulink联合仿真验证,结果表明：基于驾驶工况识别的安全距离模型可以更好地实现与前车的速度跟随与距离控制,提高了乘坐安全性与道路利用率。     

斜拉桥智能施工控制专家系统中安全预警应用

斜拉桥施工过程中的安全一直备受建设者关注,要确保斜拉桥建设的质量与安全,在斜拉桥施工过程中进行安全预警具有极其重要的意义.在预警理论基础上,结合斜拉桥智能施工控制专家系统,设计了安全预警子系统,通过对监测数据的采集和分析,根据预先设置好的预警准则,发现异常数据立即报警,并对预警结果提供一定的决策,将风险降到最低,真正地实现安全预警的自动化和智能化.     

农产品产地安全预警研究

本论文从农产品产地安全性的角度出发,对农产品产地的预警指标因子、预测预警模型、预警类型进行了研究,分析了建立农产品产地安全预警系统的方法,为全国其他地区开展相同类型的区域性安全预测预警研究提供研究参考。     

对KJ110型公路隧道施工安全预警系统的应用研究

通过结合KJ110型公路隧道施工安全预警系统系统在实际工程中的应用,系统的介绍KJ110型公路隧道施工安全预警系统的系统组成、系统功能、系统供电及数据通讯技术等,为公路隧道施工过程中对有害气体、二衬与掌子面安全步距及隧道围岩变形的自动化监测及预警提供了有效的技术支撑,确保了公路在建隧道施工人员及设备的安全性,提高了工程项目建设质量和管理水平。     

基于动态预警的人车共驾智能汽车侧向避障鲁棒控制

为提高人车共驾智能汽车侧向避障安全性,提出了基于动态避障预警的侧向避障鲁棒控制策略.针对汽车行驶前方汽车加速度和速度动态变化,建立汽车纵向安全距离模型,提出了基于临界纵向安全距离和碰撞时间倒数融合互补的多级预警算法.针对不同预警状态,根据驾驶员是否介入,对智能汽车进行相应控制,实现人车共驾智能汽车安全性;针对避障过程前后侧偏刚度参数动态摄动,提出了考虑参数动态摄动的鲁棒控制策略,以实现智能汽车侧向避障轨迹精准跟踪.搭建了Carsim与Simulink联合仿真平台,进行了所提控制策略仿真分析,结果表明:所提控制策略有效,实现了不同级别预警并能根据驾驶员动态介入而动态调整预警状态,若驾驶员对预警未介入直到四级预警,控制策略自动接管人车共驾智能汽车,进行侧向避障控制,提高了人车共驾智能汽车安全性和横摆稳定性.     

基于模糊贝叶斯网络的建筑火灾预警算法研究

提高建筑防火安全,降低建筑火灾预警结果的误报率与漏报率,本研究设计了基于模糊贝叶斯网络的建筑火灾预警算法。在构建火灾预警指标体系的基础上,结合贝叶斯网络构建事故树模型。将建筑物中待监控的火灾危险因素分为静态和动态两部分,依据事故树模型实现对建筑火灾的有效预警。仿真实验结果表明:应用该算法后,建筑火灾预警结果的误报率和漏报率有所下降。且该算法能够使火灾预警更及时,提高建筑物的安全性。     

基于人工神经网络的运行车速与道路安全性关系

通过实测中国高速公路车辆运行车速并分析其道路事故特征,提出了使用运行车速以及相邻路段运行车速差预测道路安全性的概念,并运用反向传输网络(BP网络)较强的非线性适应能力,采用多层BP网络,建立了基于人工神经网络的运行车速与道路安全性关系模型.使用训练后模型测试部分实测路段安全性,取得了较好的结果,为高速公路的道路安全性评价提供了一种较为可行的方法.     

基于BP神经网络的沈阳房地产市场预警

结合沈阳房地产市场的特点,借助监测、评价、预警等环节的有机结合,设置预警指标体系;依托人工神经网络(BP模型),选取了11年(1998年～2008年)预警指标的数据,其中前9年的数据作为训练样本,后2年的数据作为检测样本.通过1 538次贝叶斯归一化网络训练,达到了目标误差的要求,其网络仿真效果有着较高的精度和可信度.模型分析与市场实践的对比反映出,2007和2008年的市场都比较活跃;该模型不仅可以用于市场预警,而且有利于促进房地产市场的健康与可持续发展.     

基于RBF神经网络的销售预测模型的研究与应用

文章研究一种基于RBF神经网络建立预测模型方法,其主要采用有监督学习的SG(Stochastic gradient)法对RBF神经网络进行训练,并通过遗传算法优化隐层节点的中心值,用优化的中心值再次训练网络,优化网络参数,得到全局最优解。     

基于计算机仿真技术的结构疲劳可靠性分析方法

利用人工神经网络建立起载荷级、累积损伤参量及材料性能之间的映射关系·建立了材料疲劳可靠性分析仿真系统,提出了动态失效准则,并利用蒙特卡洛法对随机载荷进行给定分布下的随机抽样处理,将随机离散仿真方法运用于模拟材料性能变化的全过程·通过仿真统计分析出的寿命分布,经部分实验验证,预测精度较高·     

B2C电子商务网站综合评价

通过分析B2C电子商务网站评价指标设计的原则,制定了B2C电子商务网站评价指标体系,阐述了用神经网络对B2C电子商务网站进行评价的方法,并以一个实例来说明如何用神经网络方法评价电子商务网站.此方法在该应用领域具有一定的先进性.     

基于人工神经网络的股市预测模型

建立了构成基于人工神经网络的3种股市预测模型（基本数据模型、技术指标模型和宏观分析模型）,分析了神经网络应用于股市预测的实效性。实证分析表明,3种模型对上证综合指数的拟合效果均较好。在“基本数据模型“中,建立带有附加动量项和自适应学习速率的BP网络,具有较快的运算速度和逼近性能。在“技术指标模型”中,通过一些股市重要技术指标的引入,使其增加了反映市场各方面深层内涵的信息,而且网络的泛化能力有所提高。在“宏观分析模型”中,引入了影响股市的5项主要宏观经济指标,使模型包含了宏观经济基本面的更多信息,强化了股市神经网络模型的应用价值。     

人工神经网络预测含硫芳香族化合物的水解速率常数

本文利用误差反向传播（ＢＰ）的人工神经网络（ＡＮＮ）模型处理低度非线性问题。研究了含硫芳香族化合物水解速率常数与其结构及物理化学参数之间的定量结构活性相关（ＱＳＡＲ）。预测结果与实验结果符合良好，优于多元回归方法（ＭＬＲ）所得的结果。     

An Expert System for the Prediction of Surface Finish in Turning Process

Prediction of surface finish in turning process is a difficult but important task. Artificial Neural Networks (ANN) can reliably pred ict the surface finish but require a lot of training data. To overcome this prob lem, an expert system approach is proposed, wherein it will be possible to predi ct the surface finish from limited experiments. The expert system contains a kno wledge base prepared from machining data handbooks and number of experiments con ducted by turning steel rods, over a wide range of c...     

基于改进型BP神经网络的无刷直流电机调速系统的应用研究

针对无刷直流电动机的速度问题,提出了一种基于改进型BP神经网络的无刷直流电机调速系统,即利用改进型BP神经网络来优化PID控制器的比例,积分,微分系数。所采用的BP神经网络的学习算法为粒子群算法,可以有效克服标准BP算法一般所存在收敛速度慢、存在局部极小值等问题,从而可以实现对无刷直流电动机的高精度的速度控制。最后,建立了仿真系统,其结果表明该算法效果良好。     

神经网络模型在短期交通流预测领域应用综述

对基于神经网络的预测模型和方法的研究进行了综述,基于神经网络模型用于短期交通流预测的优点和固有缺陷,认为多种神经网络相结合的混合模型比单一的神经网络模型的预测效果要好,而将神经网络模型与其他领域的研究相结合的综合模型的预测效果要好于混合模型。因此,神经网络与各相关学科的人工智能技术有机结合将会形成强大的综合优势,更有效地用于短期交通流预测研究。     

神经网络的研究及其进展

本文介绍了神经网络的有关基本概念、基本特征和基本机制,论述了神经网络研究的意义及其复兴的动力。此外,还对神经网络研究历史,尤其是近年来关于神经网络研究的典型理论模型作了较为详细的评述。     

基于大数据的城市土地利用分类研究——以西宁市为例

以西宁市为例，基于宜出行和兴趣点（points of interest，POI）2类常用大数据以及最大似然、支持向量机和神经网络3种常用分类方法，开展了城市土地利用分类研究．通过对比不同数据与方法组合下的城市土地利用分类精度，确定了提取城市土地利用信息的最优数据组合方式和分类方法．并基于分类结果对西宁市的城市土地利用格局进行了分析．结果显示，基于POI和宜出行数据的神经网络分类方法获取的研究区城市土地利用信息精度最高，总体精度为71.25%，Kappa系数为0.62．主要原因在于综合POI和宜出行可以更加充分地反映不同土地利用类型的特征，而神经网络可以有效综合多源大数据的信息．因此，基于多源大数据和神经网络为快速有效地获取城市土地利用信息提供了有效途径，具有较大的应用潜力．