基于FAHP的项目风险预警模型分析

项目作为集合经济、技术、管理、组织等各方面的综合性社会活动,在各个方面都存在着不确定性。项目风险预警系统就是通过对项目建立风险评估体系,进而进行风险预控、化解风险的发生,并将风险造成的损失降至最低程度的有效手段。以项目风险分析理论为基础,结合项目风险的特点,从经济、社会、自然、经营、技术等方面,运用系统工程理论与方法,构建项目风险预警系统,实时跟踪项目风险因素的变动趋势,测评风险所处状态,及时发出警报,为决策者掌握和控制风险提供信息支撑,确保项目按计划顺利进行。     

基于SSA-BP极端高温天气驾驶疲劳的检测

摘 要：疲劳驾驶是引起道路交通事故的主要因素之一,提高驾驶疲劳检测精度是预防交通事故的有效措施。为研究驾驶员在极端高温天气下驾驶过程中疲劳程度情况,基于生理反馈仪和卡罗林斯卡嗜睡表（Karolinska Sleepiness Scale, KSS）主观疲劳调查方法,采集了本地和外地2类驾驶员在正常天气（35℃以下）、高温天气（35℃~39℃）及极端高温天气（40℃及以上）等3种气温环境下主观疲劳值和生理指标（心电信号与表皮温度）。通过应用皮尔逊相关性分析方法、非参数检验（曼-惠特尼U检验）及配对检验针对各项生理指标进行特征分析。结果表明,在极端高温天气下2类驾驶员主观疲劳值与各项生理指标之间存在相关性;2类驾驶员主观疲劳值和各项生理指标在3种天气下变化存在显著差异;相比于本地驾驶员,在极端天气下外地驾驶员疲劳程度的增加较快。在此基础上,选用麻雀搜索算法(Sparrow Search Algorithm, SSA)优化了BP（Back Propagation ）神经网络预测模型,建立基于SSA-BP驾驶疲劳检测模型,对样本数据进行预测与分类,验证了该模型的有效性。结果表明,标准BP神经网络和SSA-BP疲劳检测精度分别为88.5%、95%,建立的SSA-BP驾驶疲劳检测模型预测效果良好,可为极端高温道路交通安全提供参考与借鉴。     

基于CEEMDAN多尺度模糊熵和SSA-BP神经网络的VP型垂直摆倾斜仪故障辨识

针对现有倾斜仪故障记录的甄别与分类主要依靠人工经验,诊断过程繁琐及诊断精度不高的问题,充分利用信号分解技术的特征升维与机器学习模型的快速自动分类等优势,提出一种结合完备集成经验模态分解（Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN）多尺度模糊熵和麻雀搜索算法（SSA）优化BP神经网络的VP型宽频带垂直摆倾斜仪故障自动诊断方法。该方法首先将故障数据归一化,利用CEEMD分解信号得到本征模态函数（IMF）的多尺度模糊熵,然后基于麻雀搜索算法（SSA）优化BP神经网络的权值与阈值,得到最佳权值和阈值,最后应用SSA-BPNN模型对倾斜仪故障特征数据进行辨识。实验表明:CEEMD多尺度模糊熵判据具有良好的倾斜仪故障特征区分效果;SSA-BP神经网络模型在准确率和召回率上,相比BP模型分别提高4.758 1、6.321 6个百分点,辨识过程更稳健,弥补了VP型倾斜仪在故障智能识别领域的空白。     

基于BP神经网络的海洋声学仪器信号识别方法

分析了几种常用海洋声学仪器信号的基本特征,提出一种基于误差反向传播(back propagation,BP)神经网络,以实现对信号特征参数进行分类、识别的方法.该方法采用短时傅里叶变换提取信号特征参数,运用Levenberg-Marquardt算法训练BP神经网络.以实测海洋声学仪器信号的特征参数进行训练后,采用实测和仿真样本对BP神经网络的识别能力进行测试.实验结果表明,BP神经网络能够有效地区分不同海洋声学仪器的信号,识别准确率达到95%以上,且虚警率低于5%.该研究成果可用于识别海域中不同海洋声学仪器,检测海洋中声学仪器的工作状态.该识别方法对于其他海洋声信号的识别研究也有一定的参考价值.     

基于SSA-BP的离港航班滑出时间预测

针对传统反向传播(back propagation, BP)神经网络在离港航班滑出时间预测时存在对初始权值和阈值敏感、准确性和稳定性不好等缺点,提出了一种基于麻雀搜索算法(sparrow search algorithm, SSA)获取BP神经网络的最优权值和阈值的方法。首先分析了离港航班滑出时间的可量化影响因素及相关性,然后构建了基于SSA-BP的离港航班滑出时间预测模型,并采用中国中南某枢纽机场2周的实际运行数据对预测模型进行了验证。结果表明：离港航班滑出时间与同时段滑行的离港航班数量强相关,与同时段滑行的进港航班数量、同时段推出的离港航班数量、平均滑出时间中度相关,与滑行距离和转弯个数弱相关;基于SSA优化后的BP神经网络预测结果误差在±60 s内的准确率提升了20%,误差±180 s内的准确率提升了12%,误差±300 s内的准确率提升了7%。;预测结果的平均绝对误差百分比提升了2.61%,平均绝对误差减少了11.73 s,均方根误差减少了61.03 s。研究成果为提升大型枢纽机场场面运行效率提供了思路。     

基于SSA-BP神经网络的岩性识别研究

为提高岩性识别的精度,引入SSA算法解决BP神经网络的性能受连接权值cj、ωij和连接阈值ε、θj的影响较大的问题,对网络连接权值以及阈值进行选择性优化,提出一种基于SSA-BP的岩性识别方法.将声波、补偿中子、微电极2 m梯度、井径、4 m梯度、2.5 m梯度、感应电导、浅侧向和微电极差等9项指标输入SSA-BP算法...     

物流项目风险分析与评估

在综合分析物流项目和工程建设项目主要风险因素的基础上,建立了一个相应的物流项目风险评估指标体系,并采用将专家意见量化的思路,运用层次分析法确定指标的权重,然后用模糊评价法计算物流项目的综合风险评分。     

基于FAHP的高校科研项目评价

文章运用模糊层次分析法(简称FAHP)确定高校科研项目评价体系各级指标权重,建立高校科研项目模糊层次评价模型,利用具有严密逻辑性的数学方法,提高高校科研项目评价的可靠性。     

合肥地铁车站施工风险分析

为了解决合肥地铁车站施工中可能存在的安全隐患,确保地铁车站安全施工,通过分析比较,采用模糊层次分析法、定性分析法与综合评价法分别对合肥地铁车站施工进行风险识别、风险估计与风险评价.结果表明:合肥地铁车站施工时,应注意的风险主要有地质风险、环境风险和施工技术风险.地质风险主要是膨胀性土和地下水的影响,环境风险主要是临近的居民住宅小区的影响,施工技术风险主要是基坑支护不及时、排水措施不利的影响,对合肥地铁车站的施工具有一定的工程指导意义.     

基于层次分析与BP神经网络的电梯安全评价模型

为高效评价在用电梯运行状态的安全性,提出基于层次分析法和BP神经网络的电梯安全评价模型。通过层次分析法建立电梯系统安全评价指标体系,采用BP神经网络构建电梯系统安全评价模型;通过改进粒子群算法和改进BP算法分别优化、训练BP神经网络;最后进行仿真验证。仿真结果表明,经过改进粒子群算法优化的BP神经网络模型训练速度最快,训练时间比BP算法快8.45 s,比粒子群算法快5.17 s;评价准确度最高,达92.3%,分别比BP算法和粒子群算法提到了11.7%、6.8%;而训练误差最小,仅为0.020 6。     

基于SSE-CMM的信息系统风险分析方法的研究

基于系统安全工程能力成熟模型,从影响信息系统的安全要素入手,制定了风险各要素的等级划分与量化方法,并采用模糊层次分析法和风险矩阵测量法对信息系统的总体安全风险发生的可能性进行评价分析.     

基于改进AHP-FCE法的装配式建筑安全风险分析

为了解决当下装配式建筑存在的技术不成熟、人才储备不足等诸多问题所引起的安全问题。运用德尔菲法结合领域内专家意见选取人员、环境、管理、设备、技术5个一级指标和19个二级指标,基于改进AHP-FCE方法,构建装配式建筑安全风险评估体系,确定各指标影响系数,最后进行比对排序,提炼影响装配式建筑安全的关键因素,并实证分析了某地装配式建筑项目的安全风险。结果表明：根据改进AHP模型计算,发现施工组织设计及施工方案、预制构件质量、节点连接准确度在安全风险影响因素中是主要影响因素,所占比重分别为0.302、0.203、0.141;进一步结合FCE法,实证评价某实地项目处于较小风险水平。本文的研究多维度揭示了装配式建筑的安全风险因素,为实地项目安全管理提供了意见参考。     

基于FAHP法的污染物排放总量综合评价与分配

从经济、环境、社会整体效益出发,定量与定性相结合,综合评价各因素来完成二氧化硫排放总量合理分配。考虑到影响污染物排放总量多种因素关系的模糊性,首先利用模糊层次分析法（FAHP）确定指标因子的权重,进行污染物排放总量综合评价;再利用主成分分析法（PCA）选取数目较少的综合因子作为评价的综合指标,来确定各分配单位的权重。     

基于PCANN的BP神经网络话者识别系统

本文利用主分量神经网络分析法(PCANN)和反向传播神经网络,提出了一种具有较强自适应性和较高识别率的说话人识别方法.在此算法过程中,主分量分析法主要是对语音信号的原始特征作分析以得到更好的特征参数;BP神经网络则是作为一个分类器对说话人进行分类.文章将主分量分析与BP神经网络相结合,提高了识别的正确率,增强了系统抗噪声能力,减少了训练时间和计算量,同时简化了网络结构.     

基于BP神经网络的技术风险评价

通过对技术风险的概念和特点及其发生机理的分析,建立了企业技术风险的评价指标体系,并提出了 一种基于BP神经网络的企业技术风险评价方法。人工神经网络能准确、简便地评价企业的技术风险,且避 免了人工确定指标权重的主观性,是一条具有发展和应用前景的途径。     

基于改进麻雀搜索算法-BP神经网络的电缆接头线芯温度间接测量方法

电缆接头线芯温度实时监测对提升电缆线路载流量和安全运行有重要意义。针对目前测温方法适用性不强、精度低且抗干扰能力弱的问题,提出了一种改进麻雀搜索算法(improved sparrow search algorithm, ISSA)优化反向传播神经网络(back propagation neural network, BPNN)的温度反演间接测量方法。首先引入帐篷(Tent)混沌映射、自适应T分布变异、生产者数量和搜索空间动态调整混合策略对SSA进行改进,然后用改进后的SSA优化BP神经网络超参数。最后通过不同工况下的接头仿真与试验数据,结合自回归滑动平均模型(auto regressive moving average model, ARMA)对表面测温数据进行降噪,基于线路负荷及表面温度对接头线芯温度进行反演,并与粒子群优化算法(particle swarm optimization, PSO)-BP、SSA-BP、灰狼优化算法(grey wolf optimizer, GWO)-BP反演效果进行对比。结果表明改进模型的平均绝对误差不超过0.5℃,反演精度更高,能够实现对电缆接头运行...     

基于改进三角模糊数的FAHP模型在高校财务风险评价中的应用

根据科学性、总体性、整体优化以及资金运动状态原则,构建了高校财务风险评价指标体系,采用改进三角模糊数的层次分析法对各指标进行赋权,解决了判断矩阵的一致性检验问题,得出了影响高校财务风险各因素重要性的排序,进而结合模糊综合评判法建立了高校财务风险评价模型．实例结果与实际情况的一致性表明该模型具有评价结果合理、精度高、方法直观简便的特点,在已知等级评价标准的各类系统综合评价问题中具有一定的应用价值．     

基于商空间理论的太阳能光伏发电项目评价研究

根据评价的实际需要采用商空间理论对指标粒度进行灵活划分,建立粒度化层次体系,利用逐层向上评价的方法得出最终的综合评价结果,结果表明,太阳能光伏发电项目基本良好,评价结果客观合理,实例也证明该模型操作简便可行．     

基于神经网络模型的省际绿色金融评价研究

为提出更为完善合理的评价体系,构建省际绿色金融评价指标体系.绿色金融指标权重依据层次分析法确定,输入层为各省份的绿色金融指标数据,输出层为各省份绿色金融综合评分,建立省际绿色金融评价的神经网络模型,并对典型省际进行分析.研究结果表明,广东浙江两地绿色金融发展水平相对较高,贵州青海两地绿色金融发展水平相对较差.针对绿色金融发展现状,提出鼓励绿色金融产品服务创新以及完善绿色金融市场体系等对策.