基于Web的煤矿安全实时监测系统

本文提出了基于Web的煤矿安全实时监测系统。采集矿井实时数据,通过网络以实时数据、实时曲线、历史曲线、报警纪录和图形显示的形式进行发布,提供实时监测信息、报警信息、综合查询、数据分析等功能,方便管理人员进行决策调度。本文提出了基于BP神经网络的瓦斯预警的建模方法。     

基于SOA的农作物病虫害监测预警系统设计

农作物病虫害监测预警是农业防灾减灾、确保主要农产品有效供给的重要组成部分和关键环节.中国病虫害监测预警工作的准确性和时效性因“信息孤岛”而受制约.提出了“基于AHP的CBR的预警决策”模型,采用Web Service技术,设计了基于SOA架构的安徽农作物病虫害监测预警系统.该系统实现了安徽省农作物病虫数据的采集标化、传输网络化、分析规范化、处理图形化、发布可视化、汇报制度化、管理自动化、决策智能化.该预警系统实现了安徽省6年实践运行结果表明,安徽省各级植保站的工作效率及预警决策准确度和时效性均有显著提高.     

基于虚拟仪器和神经网络的采棉机火情监测预警系统

针对新疆采棉机作业过程中火灾频发、火情特征不明显、缺乏有效监测预警方法的问题,本文提出利用多特征参数融合和基于Python-tensorflow搭建神经网络框架进行火情判别及分类的方法,并基于Lab VIEW虚拟仪器技术开发了采棉机火情监测预警系统,该系统可实时监测采棉机作业过程中棉花火情的火焰、CO浓度、烟雾浓度信号并进行在线分析,能够对火情进行准确判别分类并预警。搭建试验台测试分析的结果表明:系统监测误差率小于2.3%,准确预警率95%以上,误报率小于3%,漏报率小于4%。该系统能够对采棉机火情进行实时监测并及时预警,满足设计功能需求。     

明挖隧道基坑安全监测自动预警系统应用研究

针对隧道基坑工程在施工过程中易出现安全事故的问题,本文建立了明挖隧道基坑安全监测自动预警系统。该系统的主要组成包括计算机和控制装置、测量机器人和监测网。对隧道基坑的监测内容和监测方法进行了设计。采用BP神经网络模型对隧道基坑的监测内容进行预测,确定了该网络模型的结构和相关参数,并建立自动预警系统。为了验证系统的性能,对其进行效率对比试验、数据预测试验和自动预警试验。试验结果表明系统的监测效率有效提高,可以实现对隧道基坑的安全监测,并自动预警     

基于Web服务的植物养护与病虫害预警信息管理平台

针对智能植物养护技术的高速发展以及植物病虫害防治预警的现实需求，基于Web服务技术开发植物养护与病虫害预警信息管理平台。平台主要技术结构包括Web服务器、数据库服务器、FTP服务器等，本地监控中心获得植物养护及病虫害信息后，自动做出养护指令发送到植物种植区域，调控温湿度、光照等环境参数。卷积神经网络模型识别植物叶片的病虫害，由k-means算法在颜色空间中实施像素色块聚类，提取植物叶片图像中的病斑，向管理人员发送病虫害预警信息。实验结果显示，该平台能够在较短的时间内准确获取植物病虫害信息，实时采集植物生长的环境参数。     

采用BP神经网络的猪肉冷链物流预警模型与仿真

分析影响猪肉在冷链过程中出现安全隐患的因素,整合供应链上的追溯信息和监测信息,提出一种猪肉冷链物流的预警方案.采用BP神经网络技术搭建安全预警模型,对模型进行训练和预测,并采用遗传算法对该模型参数进行优化改进.仿真结果表明:该模型可以有效提高猪肉在冷链物流中风险预警的准确性.     

大型地下空间综合交通枢纽中巨型斜柱长期沉降的监测及预测分析

结构及其重要构件的长期沉降是影响地下空间综合交通枢纽施工安全的关键因素之一,对其开展监测与预测具有重要的工程意义。以深圳市黄木岗大型地下空间综合交通枢纽为研究背景,采用自动化监测系统,首先监测了12轴巨型斜柱施工后的119期长期沉降,分析其长期沉降规律,并评判其预警状态。监测结果表明,斜柱施工后,长期的沉降规律为先在安全状态内小幅波动,再增大至黄色预警状态,最后在安全状态与预警状态之间小幅波动。然后,利用109期监测数据分别构建斜柱沉降的反向传播(back propagation, BP)神经网络模型和遗传算法-BP(genetic algorithm-BP,GA-BP)神经网络模型,并预测之后10期的斜柱累计沉降量以对比验证两种模型效果。结果表明,相比BP神经网络模型,GA-BP神经网络模型的预测值与实测值更吻合。     

基于RBF神经网络的Web服务QoS短期预测

针对Web服务QoS的预测问题,将RBF神经网络及其相关算法应用到Web服务QoS的短期预测中,首先对RBF神经网络的结构进行介绍,并将该网络应用于Web服务的QoS预测,然后运用MATLAB工具箱函数建立QoS预测网络模型,通过计算机仿真验证了RBF神经网络在Web服务QoS预测中是可行且有效的。     

基于量子免疫的RBF神经网络在上市公司财务预警中的应用

针对传统的RBF神经网络财务预警模型难以解释变量之间的因果关系,使得训练时间增加、训练精度下降等缺陷,该文提出了一种基于量子免疫的改进的RBF神经网络的财务预警模型.该模型通过改进的量子免疫算法对RBF神经网络的连接权值进行优化,将连接权,隐节点中心以及宽度编码为基因,构成抗体,然后通过遗传迭代使网络参数逐步优化,最终达到最优结果.详细阐述了算法的实现过程以及利用量子免疫算法改进RBF神经网络财务预警模型,然后,分别采用改进RBF神经网络法、传统RBF神经网络法及Logistic回归模型进行实证对比分析,实证证明了改进RBF神经网络模型预警的准确性有较大提高.     

利用Socket实现基于Web的远程监测系统

提出了基于Web的远程监测系统的软件模型及其实现方式,利用Socket的通信原理,结合建立的软件模型实现基于Web的远程监测。