Elman与BP神经网络在矿井水源判别中的应用

介绍了Elman神经网络与BP神经网络,以谢一煤矿为例,分别利用Elman网络与BP网络,针对地下水化学特征分别建立突水判别模型,实例结果表明:Elman网络模型比BP网络模型具有更高的判别精度,更快的运算速度,更好的反应地下水系统特性,为矿井水害防治提供了一种辅助决策手段.     

基于BP 神经网络的煤与瓦斯突出预测方法的研究

为准确预测矿井煤与瓦斯突出的危险性,针对反向BP神经网络收敛差的缺点,分别采用基于MATLAB神经网络工具箱中的VLBP和LMBP算法的改进BP神经网络模型对煤与瓦斯突出的危险性进行了预测.根据煤与瓦斯突出的特点,选取开采深度、瓦斯压力、瓦斯放散初速度、煤的坚固性系数与地质破坏程度等五个关键影响因素作为煤与瓦斯突出的评判指标,建立了煤与瓦斯突出预测的神经网络模型.实际应用效果表明,采用基于MATLAB神经网络工具箱的BP网络模型,能克服一般BP网络收敛较慢的缺点,能加快收敛速度;运用LMBP算法比VLBP算法快,但需较大计算机内存;与常规预测方法相比较,该模型的预测准确性高,能有效地预测煤与瓦斯突出的危险性.     

基于粗糙集与遗传算法集成的企业短期贷款违约判别

建立了粗糙集和遗传算法集成的企业贷款违约判别模型.该模型首先利用FUSINTER方法离散化财务数据,并应用遗传算法约简评价指标,进而基于最小约简指标提取违约判别规则,最后对企业短期贷款检验样本进行违约判别.利用贷款企业数据库558家样本企业进行交叉验证技术的实证研究,结果表明,与多元判别分析、logistic、BP神经网络等违约判别模型相比,粗糙集和遗传算法集成的违约判别模型是一种更为有效和实用的信用风险评估工具.     

排刷式剥叶元件剥叶性能的BP 神经网络预测

由于剥叶性能直接影响到甘蔗收获机械的收割性能,为了客观有效地对剥叶性能进行预测,提出了BP神经网络预测方法.针对剥叶元件性能的特点,采用正交试验法构造训练样本,以保证网络具有较高的泛化能力,同时对该训练样本建立了回归分析模型,以检验BP网络模型的输出精度.在此基础上,利用已建立的神经网络预测模型对影响剥叶性能的各因素取值的不同组合进行仿真分析,以确定各因素取值的最优组合.结果表明,BP神经网络的预测模型比回归模型具有更高的输出精度,进行剥叶元件的性能预测与优化是可行且有效的.     

线性不等式组的相容条件和目标规划算法

本文用目标规划方法研究线性不等式组的相容性问题,给出了判别相容性的充分必要条件和目标规划算法。该算法的优点:1.易用电子计算机和已有数学规划软件,迅速而有效地判别大型线性不等式组是否相容;2.可提供较多的有用信息,有助于辨识模型和修改模型。本文还给出了两个算例。     

实行计划生育人口复杂巨系统的数学模型

将神经网络理论应用住宅建筑的主要工料消耗计算 ,建立了应用 BP算法的多层前馈神经网络模型 .计算实例表明 ,用神经网络估算住宅建筑工料消耗是非常有效的 ,借助该模型可实现主要工料消耗的快速估算 .     

BP神经网络模型在地下水水质评价中的应用

运用人工神经网络理论和方法 ,建立了地下水水质评价的 BP神经网络模型 ,对肥城市 6眼水井的地下水水质进行了评价 ,并与综合指数法、模糊综合评判法的评价结果进行了比较 .结果表明 ,用 BP神经网络模型评价地下水水质是可行的 ,该模型具有很强的的学习、联想和容错功能 ,其分析结果和过程都接近人脑的思维过程和分析方法 ,使得地下水水质评价结果的精度大大提高 .     

基于BP-ART混合神经网络的电路故障诊断新方法

建立了基于误差反向传播(back propagation, BP)神经网络和自适应共振理论(adaptive resonate theory, ART)神经网络的电路故障诊断模型,提出了BP神经网络和ART神经网络相结合的电路故障诊断方法,以ART网络为主,识别新故障,以BP网络为辅,识别多类故障,并对传统的ART神经网络竞争机制加以改进,有效地解决了复杂电路故障诊断的难题。实验表明,基于BP和改进ART神经网络相结合的电路故障诊断方法具有自适应性好、训练时间短、准确性高等特点。     

基于改进粒子群算法的BP网络在DTC系统中的转速辨识

利用改进粒子群优化(PSO)算法优化BP神经网络的权值和罔值,有效地解决了BP算法易陷入局部极小值的缺点,能更快速的实现收敛,不仅具有广泛的映射能力,还明显提高了运算效率.通过对直接转矩控制(DTC)系统进行MATLAB/SIMULINK仿真研究,结果表明:基于PSO-BP神经网络构造的速度辨识器具有良好的辨识效果.     

基于改进型BP神经网络的导引头测高性能评估

武器装备性能评估贯穿于装备发展的全寿命过程,对于装备定型与实战化运用具有重要意义。针对传统反向传播(back propagation, BP)神经网络模型易陷入局部最优、武器装备评估数据少等问题,提出了基于数据包络分析和Bootstrap法的改进型BP神经网络模型。利用数据包络分析处理原始指标得到3项优化参数,结合Bootstrap法对其进行扩充,再通过BP神经网络建立评估模型。实验表明,改进模型得到的合成孔径雷达(systemic aperture radar, SAR)导引头测高性能评估结果,其决定系数和误差系数均有明显改善。该模型不仅规避了模糊综合评判法主观性强、精确度不高等问题,同时有效解决了传统BP神经网络模型易陷入局部最优和武器装备评估数据少的两个问题。     

矿井突水平行应急管理理论和方法基础研究

研究了基于ACP理论的矿井突水平行应急管理理论和方法基础,应对矿井突水应急管理问题,达到有效协同和集成化管控效果.在分析矿井突水系统的边界和内涵基础上构建人工矿井突水系统,以4D时空管理为导向讨论了基于人工系统的突水计算实验问题,并从常态下的突水感知和非常态下的计算实验式自动化预案及数字广播式的指令下发两个方面,研究探讨了矿井突水平行应急管理中的平行执行问题.矿井突水平行应急管理是以"认识自然、理解自然、利用自然和改造自然"为目的,通过人工系统直接影响或改变实际矿井现场的运行方向,为矿井突水安全管理提供可行的集成化管控支持.     

基于DLENN模型的沈阳地区PM2.5浓度预测

受到重工业发展规模、北温带季风气候、秋冬季燃煤取暖、机动车拥堵状况以及微观气象条件等各种因素影响,沈阳地区PM2.5浓度变化具有趋势性、周期性及随机性特征.针对上述三种特征,论文构建了一种集成双向长短期记忆网络的神经网络预测模型DLENN(Double-LSTM Ensemble Neural Network),内含的...     

基于粗糙集融合支持向量机的水质预警模型

为解决因水质预警耦合因素多,预警模式复杂以及信息不完整所引起的水质预警精度低问题,提出了粗糙集融合支持向量机(RS-SVM)的水质预警模型.首先采用粗糙集对14个初始预警指标进行属性约简,去除冗余或干扰特征,得到基于5个核心预警指标的数据集,以此数据集对支持向量机进行训练优化,构建RS-SVM水质预警模型.运用该模型对江苏宜兴市集约化河蟹养殖池塘水质进行预警,实证对比分析,对于不同的警度级别,预警精度都在91%以上,与标准支持向量机和BP神经网络模型相比,该模型不仅具有计算效率高、预警性能好,且预警结果与实际情况比较吻合,为集约化水产养殖水质预警提供了一种新思路.     

中国煤炭产能系统动力学预测与调控潜力分析

基于中国煤炭产能及其影响因素之间的反馈机制,开展了中国煤炭产能系统动力学预测与调控潜力的研究.研究认为:1)十三.五期间中国煤炭产能仍将持续增长,政策情景下中国煤炭产能2020年将达到46.35亿吨,较之于基准情景减少5.09亿吨;2)政策情景下中国煤炭供过于求的压力显著大于基准情景,2020年供需缺口达到6.46亿吨,其根源在于政策情景下煤炭需求得到了有效控制,而基准情景下煤炭供需缺口的相对减小则是煤炭供需过度增长的结果;3)调控情景下我国煤炭产能在2020年达到44.20亿吨,较之基准情景降低7.23亿吨,落后产能淘汰、煤炭进口限额、煤炭价格管制以及煤炭投资约束是煤炭产能调控的关键.     

Incremental support vector machine algorithm based on multi-kernel learning

A new incremental support vector machine (SVM) algorithm is proposed which is based on multiple kernel learning.Through introducing multiple kernel learning into the SVM incremental learning,large scale data set learning problem can be solved effectively.Furthermore,different punishments are adopted in allusion to the training subset and the acquired support vectors,which may help to improve the performance of SVM.Simulation results indicate that the proposed algorithm can not only solve the model selection problem in SVM incremental learning,but also improve the classification or prediction precision.     

预测煤矿回采工作面产量的BP网络模型

在分析了煤层开采条件、回采与运输设备能力与可靠性及管理与作业人员水平等影响煤矿月度日产量均值和方差的九种因素的基础之上,用ＢＰ网络来逼近预测对象与主要因素的复杂的非线性关系,取得比回归分析较好的预测结果.     

面向社会经济发展水平的钢铁生产效率DEA动态评价

提出将钢铁生产对环境造成的负外部性纳入钢铁生产效率评价,且在不同社会经济发展水平下环境负外部性的参与程度不同的评价思想.在此基础上,构建了面向社会经济发展水平的考虑环境负外部性的钢铁生产相对有效性DEA动态评价模型.算例分析表明,不同的社会经济发展阶段会令钢铁生产系统呈现不同的相对有效性,并且不同的环境污染物在相同的社会经济发展阶段对钢铁生产系统的相对有效性有着不同程度的影响.说明该钢铁生产效率评价思想是可行而且有意义的.     

基于支持向量机和子空间划分的波段选择方法

高光谱图像具有较高的谱分辨力,从而能够更精确地描述地物目标特性。然而,其较大的数据量和较高的数据维给分析和处理带来很大的困难。高光谱图像间存在着大量的冗余信息,波段选择能够有效地去除冗余信息从而减少计算量。针对一类波段选择方法所选取的波段易于集中而造成信息冗余和信息损失的缺陷,提出一种基于支持向量机和子空间划分的波段选择方法。首先对支持向量机判决函数进行敏感度分析和对数据源进行子空间划分,然后结合敏感度分析结果和子空间划分结果来实现有效的波段选择。实验证明了这种方法的有效性。     

寒地水稻节水增产技术模式的研究

通过在黑龙江省庆安县和平灌区水稻灌溉试验站进行的田间试验,研究了不同的灌溉方式、施肥量及栽培密度对同一品种水稻产量和节水量的影响。结果表明：控制灌溉Ⅱ技术较当地常规灌溉单产量提高6．4％,水分利用效率提高72．18％,节水64．04％;采用施肥量为B2水平、栽培密度为20穴·m-2的小区更容易获得较高产量,A3B：C2组合模式有利于水稻生长发育,达到了节水增产效果。图2,袁6,参5。     

模糊近似支持向量机模型及其在信用风险评估中的应用

支持向量机是近些年兴起的人工智能方法,并在信用风险分析领域得到了广泛应用.为了有效地减小在实证研究中样本的奇异点和噪声对模型的干扰, 在近似支持向量机的基础上, 引入模糊隶属度的思想,提出了模糊近似支持向量机, 使之不仅能保留近似支持向量机原有的优点,同时也可以减小奇异点和噪声对模型的干扰,从而进一步提高了分类判别能力. 为验证模糊近似支持向量机的效果, 利用两个公开的信用数据集进行实证研究. 实证研究结果表明:与其它模型相比,所提出的模糊近似支持向量机能够显著地提高信用风险分类精度,具有较高的实用价值.