基于BP神经网络的供应链突发风险评价模型

为评价供应链突发风险的影响,从供应链的组成和运作要素角度定义了5种类型的供应链突发风险,并建立了一套基于风险类型的供应链突发风险评价指标体系。在此基础上,以风险评价指标为输入,风险类型和风险等级为输出,建立了基于BP神经网络的供应链突发风险评价模型。该模型使用BP网络作为经验知识的学习机制来学习突发风险评价指标与突发风险类型及等级之间的映射关系,然后通过BP网络的知识记忆和泛化推理能力实现对供应链突发风险的自动识别和评价。提出的模型在一个供应链风险样本集上进行了验证,验证结果表明了模型的有效性。     

基于Rough Set和层次分析法的煤矿安全评价方法

安全评价包括定性和定量2种方法,而对煤矿的安全评价以定性评价居多,其评价结果缺乏科学性和准确性,且有较强的主观性.针对煤矿安全评价中已有评价方法权数分配不合理、指标权数测定困难、难以对企业进行有效的综合安全评价的现状,建立了煤矿安全评价系统递阶层次结构图,采用粗糙集理论和层次分析法相互结合的方法来确定煤矿安全评价指标权数.结果表明,通过该方法来确定煤矿安全评价的指标权数,将更加符合煤矿企业的实际,具有科学性和准确性.     

基于BP神经网络的信用担保产品风险 评价体系构建与实证检验

通过构建信用担保产品风险评价指标体系,应用神经网络技术对信用担保产品的风险进行综合评价;并通过在单指标评价标准范围内随机取值方法,生成建立神经网络模型所需的训练样本、检验样本和测试样本,建立可靠的信用担保产品风险BP网络综合评价模型.通过16个实例研究表明:提出的样本生成方法是可靠的,并能有效地避免出现“过训练”和“过拟合”现象,建立的BP模型具有较好的泛化能力,不受人为因素的影响.     

基于正弦模糊数云模型的轨道交通施工风险评价方法

针对轨道交通施工风险的特点,将正弦模糊数综合评价模型嵌入云模型,构建基于正弦模糊数的云模型风险评价方法。首先建立正弦模糊数模型确定风险指标权重;然后通过逆向云计算将其转换为云模型,运用云计算的基本原理获得整个项目的总体风险等级;最后应用该方法评价芜湖轨道交通1号线保顺路站至华山路站区间的施工风险等级。结果表明,正弦模糊数的表现形式更贴合实际,云模型能够对施工中风险因素的模糊性进行定性和定量之间的变换,提出的评价方法严谨,评价结果合理。     

基于模糊综合评价和BP神经网络的车辆危险状态辨识

考虑驾驶员、车辆、环境和管理因素对车辆安全状态的影响,建立了车辆安全状态评价体系。采用模糊层次分析法确定了各评价指标的权重,利用岭型函数建立了评价指标对评价等级的隶属度函数,在Matlab神经网络工具箱中构建了车辆安全状态神经网络评价模型。采用预设故障的试验方法,利用车辆监测预警系统采集道路试验过程中车辆的运行状态参数。通过模糊综合评价得出神经网络所需的训练样本,运用训练好的BP神经网络对道路试验中车辆安全状态进行评价。道路试验结果表明:神经网络评价较模糊综合评价灵敏度更高、更准确,为车辆危险状态辨识提供了一种新方法。     

城市出租车行业群体性突发事件风险评价

以安徽省出租车行业近年来的群体性突发事件为例,从出租车市场供给需求指标、市场价格与经营成本指标、市场经营环境指标、相关政策指标四个方面构建出租车行业群体性突发事件风险评价指标体系,利用层次分析法和加权平均法建立风险评价模型,提出风险等级划分标准,采用累积频率曲线法确定了各风险等级的阈值,并以蚌埠市为例进行了实例分析。结果表明:提出的风险评价方法和风险分级标准,可实现对出租车行业的实时监测和预警,避免或减轻出租车行业群体性突发事件造成的不良影响。     

基于趋势检查法的遗传神经网络模型及工程应用

针对神经网络中模型可靠性问题,提出了趋势检查法的思路,采用评价指标中评价等级的影响趋势对模型进行检查,基本过程为不断调整模型参数、训练、趋势检查,直到获得最优模型。趋势检查法为一种通用方法,可用于任何基于先知经验方法的模型可靠性检查,为模型可靠性检查提供了一种新思路。对于神经网络学习样本贡献度不同的问题,采用样本加权的方法,对样本进行预处理,并将样本权值应用于神经网络的目标函数中,由此建立了加权神经网络目标函数。最后引入遗传算法来优化神经网络参数,建立了基于趋势检查法的遗传神经网络模型,并应用于实际工程中的围岩分类问题,结果表明该模型泛化能力强,具有较高的分类精度。     

基于动态人工神经网络的投资银行风险预警

投资银行是金融体系的重要组成部分,从可量化监测的角度考察,选取了投资银行风险监测指标中包括市场风险、信用风险、流动性风险、资本风险在内的17个具体监测指标,构建了投资银行风险预警指标评价体系.运用基于数值优化的方法即L-M算法构建了基于前馈神经网络的投资银行风险预警模型.用训练好的BP神经网络模型,对检验样本进行了预测判别,结果显示出神经网络模型对我国投资银行风险具有较强的预测能力.     

基于因子分析的煤矿安全综合评价研究

安全评价是煤矿安全管理系统的重要内容,文章利用主成分分析和因子分析法的基本理论,提出了针对我国煤矿安全的评价模型。文章首先建立了我国煤矿安全的评价指标体系,该指标体系克服了前人所建立指标体系的不足,然后使用因子分析法对一个煤矿实例进行了安全评价。本文为煤矿安全评价提供了另外一个视角,具有一定的理论和现实意义。     

基于未确知测度理论的区域灾害风险评价

为了评价区域灾害风险,降低评价过程中的不确定性影响因素,本文基于未确知测度理论,建立了区域灾害风险等级评价和排序模型.分别利用等权和熵计算各影响因素的指标权重,依照置信度识别准则进行等级判定,评价区域灾害风险,并将该方法应用于重庆市40个区域的灾害风险评价.研究结果表明:该模型可综合考虑各种不确定性因素,使得区域灾害风险评价结果更科学合理.     

Study of a Comprehensive Assessment Method for Coal Mine Safety Based on a Hierarchical Grey Analysis

Coal mine safety is a complex system, which is controlled by a number of interrelated factors and is difficult to estimate. This paper proposes an index system of safety assessment based on correlated factors involved in coal mining and a comprehensive evaluation model that combines the advantages of the AHP and a grey clustering method to guarantee the accuracy and objectivity of weight coefficients. First, we confirmed the weight of every index using the AHP, then did a general safety assessment by means of a grey clustering method. This model analyses the status of mining safety both qualitatively and quantitatively. It keeps management and technical groups informed of the situation of the coal production line in real time, which aids in making correct decisions based on practical safety issues. A case study in the application of the model is presented. The results show that the method is applicable and realistic with regard to the core of a coal mine＇s safety management. Consequently, the safe production of a mine and the awareness of advanced safe production management is accelerated.     

基于神经网络的食品安全评价模型构建研究

食品安全评价模型的准确度高低,直接影响食品安全状况评价、预测的准确率.结合危害分析与关键控制点的（HACCP）食品安全管理体系理论,从食品供应链的角度出发,建立食品安全评价指标体系;使用层次分析法（AHP）改进逆向传播（BP）神经网络算法中随机初始化计算权重的方法,训练样本数据,并以测试数据作为验证,检测模型的误差收敛速度和拟合度.结果表明,这种BP神经网络结合AHP方法构建的模型具有实用、精度高、快速、客观等优点,可用于生产、加工、销售等流通环节食品安全评价、区域食品安全评价以及种类食品安全评价.     

概率神经网络在煤与瓦斯突出中的应用

为准确预测矿井煤与瓦斯突出的危险性,针对小样本情况下BP神经网络泛化能力低的缺点,采用概率神经网络对煤与瓦斯突出的危险性进行预测.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.     

基于大数据的考虑谐波影响的配电网 经济损失评估方法研究

谐波对配电网的危害较大,带来了巨大的经济损失。目前,关于配电网谐波经济损失评估方面,缺乏统一、科学的评估体系。针对以上问题,以电力大数据平台为基础支撑,建立了包含数据层、指标层和应用层的配电网谐波经济损失评估体系总体架构,构建了谐波经济损失评估指标体系。对常规PSO算法进行改进,并和RBF神经网络结合,利用CAPSO-RBF神经网络进行谐波网损评估。将Simoni模型和XLPE电缆谐波线芯温升模型结合,得到了谐波影响下的XLPE电缆绝缘老化寿命评估模型。最后,案例分析证明了本文方法的可行性,验证了评估体系的合理性和电力大数据的优势,对配电网谐波经济损失评估具有一定的指导和参考意义。     

网络安全态势感知新方法

针对网络安全态势感知问题,为了提高态势感知和预测过程的速度和精准度,提出一种基于神经网络的网络安全态势感知方法. 首先利用网络安全态势评估的指标体系来表征整个网络的安全状态,然后提出一种基于逆向传播(BP)神经网络的网络安全态势评估方法. 为解决态势要素与评估结果之间的不确定性及模糊性问题,提出一种基于RBF神经网络的网络安全态势预测方法,利用RBF神经网络找出网络态势值的非线性映射关系,采用自适应遗传算法对网络参数进行优化并感知网络安全态势,在真实网络环境下对提出的方法进行验证,实验结果证明该方法对网络安全态势感知是可行和有效的.     

应用最小二乘支持向量机预测煤的发热量

为解决现有的煤发热量预测神经网络法的过学习与局部极小点问题,通过对煤热量数据的分析,在统计学习理论和结构风险最小化准则的基础上,建立了基于最小二乘支持向量机(LS-SVM)的煤发热量预测数学模型。在算例分析中与BP神经网络、RBF神经网络预测法进行对比,发现该方法比BP和RBF神经网络具有更高的预测精度,且具有收敛速度快、泛化能力强等优点,为燃煤发热量的预测提供了一种有效的方法。     

煤与瓦斯突出矿井煤层群联合开采动态接替研究

针对高瓦斯突出矿井煤层群联合开采的特点,提出了动态编制矿井采掘接替计划的方法.通过对影响矿井采掘工程接替的安全因素和经济因素的分析,建立了影响采掘工程接替的因素指标体系,利用层次分析方法得出了因素的指标权重,采用模糊综合优选法确定备选工作面中的最优接替面,依次类推,直到安排所有的备选工作面.根据采煤工作面生产计划,综合考虑矿井瓦斯治理技术,采用时间反推方法,编制采煤工作面相关的掘进计划.应用研究结果表明,采掘动态接替法可以适时调整采掘接替计划,所得采掘工程接替方案科学合理、切实可行.     

城市燃气管网系统脆弱性分析与评估

脆弱性评价是一种指标全面、理论成熟、结果贴切的系统风险评估新方法。在对燃气管网系统脆弱性研究的基础上,建立适合城市的燃气管网系统脆弱性评价指标体系。运用层次分析法,计算评价指标的权重。根据模糊数学理论,建立城市燃气管网系统脆弱性评估数学模型,计算系统脆弱度和确定系统脆弱等级。将某城市一段实际燃气管网带入该模型进行脆弱性评估,实现对模型的实例应用和效果检验。     

基于人工鱼优化的神经网络汽轮机振动故障诊断

建立了人工鱼群神经网络模型,利用人工鱼的聚群、追尾和觅食行为训练RBF神经网络的权系数,提高了神经网络的收敛速度和精度.依据此模型提出一种故障诊断方法,并应用于汽轮机振动故障分析.仿真结果表明:本算法与BP及RBF算法相比具有较高的故障诊断准确率和较好的泛化能力.     

Research on fault mode and diagnosis of methane sensor

To improve the reliability of coal mine safety monitoring systems we have analyzed the characteristics of a methane sensor, an important component of the monitoring system of production safety in a coal mine and studied the main type and mode of faults when the sensor was used on-line. We introduced a new method based on artificial neural network to detect faults of me-thane sensors. In addition, using the output information of a single methane sensor, we established a sensor output model of a dy-namic non-linear neural network for on-line fault detection. Finally, the fault of the heating wire of the sensor was simulated, indi-cating that, when the methane sensor had a fault, the predicted output of the neural network clearly deviated from the actual output,exceeding the pre-set threshold and showing that a fault had occurred in the methane sensor. The result shows that the model has good convergence and stability, and is quite capable of meeting the requirements for on-line fault detection of methane sensors.