粗糙集理论在故障诊断中的应用研究

粗糙集理论,凭借其在处理模糊和不确定信息上的优越性,已经被广泛引用于复杂系统的故障诊断中。对粗糙集理论以及其属性约简过程进行详细的介绍,并通过典型故障实例进行验证,诊断结果表明:在保证分类结果不变的前提下,粗糙集可以查找出对故障分类起主要作用的特征,从而达到属性约简的目的,为粗糙集理论在故障诊断中的深入运用打下了基础。     

基于贝叶斯网络和粗糙集的电网故障诊断方法

本文提出一种通过贝叶斯网络和粗糙集对常用的电网故障情况进行诊断的方法。该方法可以灵活的表示不确定信息,并能进行不确定性推理。通过研究分析电网在各相短路故障时的电流和阻抗的变化,选用粗糙集理论对故障信息量进行约简,最后通过贝叶斯网络对故障情况进行诊断。通过仿真实验,验证了该方法的正确性和有效性。     

基于粗糙集理论BP网络的地铁深基坑监控预测分析与优化

以25个深基坑工程地表沉降实测资料为训练样本,综合考虑多个主要影响因素,应用粗糙集对次要影响因素进行约简,然后建立地表沉降的7-15-1粗糙集BP(RS-BP)神经网络预测模型对5个检验样本进行预测及预测精度分析,并将该模型与传统BP神经网络预测模型进行对比。结果表明:传统BP神经网络预测其平均相对误差达到15.04%;而RS-BP神经网络预测平均相对误差较小,为5.55%,满足精度要求。因此,基于粗糙集BP神经网络预测模型在预测精度上优于传统BP神经网络预测模型。     

围岩稳定性粗糙集专家系统设计

以粗糙集理论为基础,设计了专家系统的知识获取和知识过滤模块,构建了围岩稳定性评价专家系统.运用粗糙集理论的数据挖掘技术,对数据进行分析,从实测的数据中删去大量对决策无效的冗余数据,实现了对知识库的精简,形成了决策规则.解决了专家系统开发过程中的知识获取、知识处理和知识运用的核心难题.将基于粗糙集理论的专家系统应用于围岩稳定性评价,为围岩稳定性评价提供了一种新方法.     

基于粗糙集和条件信息熵的高校教师绩效评价研究

针对当前高校发展的基础与需求,从影响高校教师评价结果的因素考虑,构建一个合理、高效的高校教师评价指标体系。将粗糙集理论和条件信息熵引入高校教师评价,建立基于粗糙集条件信息熵的综合评价智能模型,最大程度呈现专家的经验、知识对指标重要性的倾向。针对该体系中获取指标权重的问题,结合实际评价分析过程中小样本数据所呈现的特点,对决策表进行合理分块,从信息熵的角度结合粗糙集理论,以层次式计算的方式客观获取其权重值。通过实例分析,验证了该评价指标体系的合理性和粗糙集智能评价模型的有效性与优越性。     

基于变精度粗糙集理论在肿瘤诊断的研究

对肿瘤病例使用变精度粗糙集与贝叶斯方法到处的诊断规则准确性高于粗糙集理论的诊断准确性。基于变精度粗糙集与贝叶斯网络的肿瘤诊断模型对提高肿瘤诊断水平具有良好的临床使用价值,为肿瘤的诊断与分类提供了一种新思路。     

粗糙集理论在光纤传输网络故障诊断中的应用

本文在分析朔黄线传输网络系统架构的基础上,构建光纤传输网络故障诊断系统,提出用粗糙集理论对光纤传输系统实时安全性进行分析和预测,并在Matlab6.5环境下建模进行仿真实验,得到了预期的输出结果,证明基于粗糙集理论的数据挖掘技术对光纤传输网络故障诊断具备实际可行性,起到了积极的作用,为增强传输系统的安全性提供了一种新的研究思路,同时也对光纤传输网络的研究起到了一定的推动作用。     

基于粗糙集的高层建筑施工安全评价研究

本文根据施工企业安全生产评价标准以及安全检查施工标准等,对高层建筑的安全施工特点和现状加以分析,对安全施工进行设计、检查等涉及到施工安全的要素加以分析。利用粗糙集理论,对工程案例中具有应用价值的施工组织、施工设计、施工方案的设定等进行论证,提出了采用粗糙集理论方法,强化高层建筑安全评价体系的构筑的观点。     

基于粗糙集—RBF神经网络的单层RC厂房震害预测

RBF神经网络具有较好的仿真预测功能,粗糙集理论可以通过属性约简、重要度排序等对样本数据进行有效筛选。将粗糙集与RBF神经网络有机结合,建立单层RC厂房的震害预测模型。结合实际震例进行仿真训练,得到的单层RC厂房震害预测值与实际值基本吻合。表明该模型可对单层工业厂房进行较为有效的震害预测,且对震害预防也具有一定的指导意义。     

基于粗糙集的钢结构事故案例关键属性的提取

为了防止钢结构事故特别是同类钢结构事故的频繁发生,使案例推理更加方便有效,详细介绍了基于粗糙集的钢结构事故案例关键属性的提取。以钢结构厂房为例,先将其破坏对结构整体无影响的属性及次要特征属性进行删减,再运用粗糙集理论实现对关键属性特征的选取。