首页 | 本学科首页   官方微博 | 高级检索  
     

基于RS与FNN的通风系统评价模型
引用本文:朱传杰,林柏泉,李文霞,董涛,王力,孙鑫.基于RS与FNN的通风系统评价模型[J].采矿与安全工程学报,2008,25(4).
作者姓名:朱传杰  林柏泉  李文霞  董涛  王力  孙鑫
作者单位:中国矿业大学安全工程学院,江苏,徐州,221116;中国矿业大学安全工程学院,江苏,徐州,221116;中国矿业大学安全工程学院,江苏,徐州,221116;中国矿业大学安全工程学院,江苏,徐州,221116;中国矿业大学安全工程学院,江苏,徐州,221116;中国矿业大学安全工程学院,江苏,徐州,221116
基金项目:国家自然科学基金莺点项目,国家重点基础研究发展计划(973)项目,国家"十一五"科技支撑计划项目
摘    要:为了解决现有各种不同通风系统评价方法因素较多,而且具有这些因素又具有模糊性,利用传统的评价方法很难对通风系统进行准确地评价的难题,本文建立了基于粗集与模糊神经网络的通风系统评价模型,不仅可以完成多层次多因素系统评价,还具有自学习功能.通过对模型的验证分析,表明该模型具有较高的精度,总误差仅为0.037,可以将其应用到现场安全评价中.

关 键 词:通风系统  评价  粗集  模糊神经网络

Mine Ventilation System Evaluation Model Based on RS and FNN
ZHU Chuan-jie,LIN Bai-quan,LI Wen-xia,DONG Tao,WANG Li,SUN Xin.Mine Ventilation System Evaluation Model Based on RS and FNN[J].Journal of Mining and Safety Engineering,2008,25(4).
Authors:ZHU Chuan-jie  LIN Bai-quan  LI Wen-xia  DONG Tao  WANG Li  SUN Xin
Affiliation:School of Safety Engineering;China University of Mining & Technology;Xuzhou;Jiangsu 221116;China
Abstract:Aiming at the problem that it is very difficult to evaluate the ventilation system accurately using traditional methods because factors for such evaluation are numerous and fuzziness,we established an evaluation model based on rough sets and fuzzy neural network theory.This model not only can perform a multi-level and multi-factor evaluation but also have self-learning capabilities.The verification of the evaluation model shows that the model has a high accuracy,with a total error of only 0.037.So it can be...
Keywords:mine ventilation system  evaluation  rough set  fuzzy neural network  
本文献已被 CNKI 维普 万方数据 等数据库收录!
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号