基于BP神经网络的早期火灾图像识别软件

为实现对早期火灾的快速监测,设计了基于BP神经网络的早期火灾图像识别软件。该软件基于MATLAB平台,通过图像处理算法对火焰特征进行提取,并选取其中识别效果较好的特征指标对BP神经网络模型进行训练,从而实现了对火灾图像的快速识别。软件运行结果表明,该软件对火焰图像的识别准确度较高,能够达到识别监测早期火灾、完善火灾报警系统功能的设计目的。     

基于神经网络的电气火灾智慧监控平台研究

为对电气火灾进行早期预测和预警,开发了电气火灾智慧监控系统。介绍该系统的工作原理、功能、硬件组成以及漏电流的BP神经网络模型设计,并从SOM神经网络结构、训练等方面探讨SOM神经网络聚类在判别高危时间段中的应用,分析SOM神经网络聚类结果。结果显示:该智慧系统能够提前发现可能存在的电气火灾隐患并进行预警,避免电气火灾的发生。     

基于改进BP 神经网络的建筑施工安全评价

通过分析我国建筑施工安全生产的现状,在评价方法选择以及评价指标体系的建立方面,都在传统评价方法的基础上进行了改进,在BP 神经网络的模型中引入了动量因子mc,从而克服了BP 神经网络运算次数多,易陷入局部最优等缺点。利用改进的BP 神经网络模型对建筑施工安全进行评价,找出施工中影响安全的主要因素,为建筑施工的危险辨识和制定相应控制措施提供依据,以指导人们有效地控制施工中的不安全因素,避免和减少施工中事故的发生。     

基于改进BP神经网络的基坑支护结构数据处理

针对现有的基坑监测和预测数据处理方法的不足,对BP神经网络预测模型作了研究和改进,应用改进后的BP算法对基坑支护结构水平位移数据进行处理,并将改进的BP算法与传统算法所建立的模型应用于工程实例进行比较,结果表明,改进后的BP神经网络模型在预测精度、训练时间、稳定性等方面均优于传统BP神经网络模型。     

基于改进BP神经网络之井筒结构优化研究

在立井施工过程中,选择合适的井筒断面及尺寸对立井快速高质量的施工有重要影响。现通过数值模拟软件FLAC3D计算出井筒不同断面及尺寸的塑性区总体积、最大应力、最大位移值三个力学参数,运用改进BP神经网络建立起井筒断面及尺寸与FLAC3D计算出的力学参数之间复杂的非线性关系。最后将实际施工中能满足设计需要的力学参数输入训练好的BP神经网络,即可得到反演出的井筒断面及尺寸,为井筒结构设计作参考。     

改进BP神经网络预测模型实证分析

对BP神经网络进行了简单分析,并针对传统BP网络的缺陷,提出了一些改进的BP神经网络。最后建立基于神经网络的人口预测的模型,用传统BP网络和LMBP网络进行预测对比,结果显示LMBP网络有非常好的预测效果,与传统的BP网络相比有更高的预测精度。     

基于改进BP神经网络的煤与瓦斯突出预测模型

煤与瓦斯突出已成为危害煤矿安全的重大灾难之一,工作人员对瓦斯突出灾难的预防工作已是现在重要的研究项目。目前的瓦斯突出预测工作中,不同程度的有着一些对预测精确度造成影响的因素,如逻辑推理组合效率低等。利用BP神经网络结合瓦斯突出样本建立了一个预测模型,对BP神经网络算法进行了改进,最后根据提供的某煤矿的数据作为样本,利用MATLAB软件对其进行仿真测试,所得到的预测值和实际值拟合程度较高,可以反映出煤与瓦斯突出的真实情况。     

基于改进GAAA算法的BP神经网络管网故障诊断研究

为解决BP神经网络在供热管网泄漏诊断中收敛速度慢、易陷入局部极值的问题,提出一种改进GAAA算法,利用其对BP神经网络初始值和阀值进行了优化,而后通过故障诊断确定泄漏管段及泄漏点、进而确定泄漏量。试验结果表明,改进GAAA算法优化后的BP神经网络模型收敛速度快、诊断精度高,明显优于传统的BP神经网络故障诊断模型。     

基于改进BP神经网络的工程建设项目评标方法研究

针对评标工作中专家的主观性、随意性和倾向性所带来的偏差,运用改进BP算法,构建了建设工程项目评标的神经网络模型。该模型能够较好地适应各影响因素之间的非线性关系,并通过附加动量法的自学习、自适应能力,提高了收敛速率,从而避免了局部极小值,提高了精度。通过仿真试验,验证了该模型的科学性和有效性。     

基于改进BP神经网络的路基沉降预测实例分析

采用改进BP神经网络对路基沉降进行预测,且无需考虑影响路基沉降的各种影响因素,建立一个多输入单输出的网络模型。该方法输入和输出是同一类数据,前期实测沉降数据作为基础资料,按等时距序列输入,经指定算法计算后建立稳定的网络模型,然后对后期的沉降进行预测。通过实例分析表明该方法收敛较快,与常规预测方法相比,预测路基沉降精度高、沉降防范性强。     

基于GA改进BP神经网络的建设工程投标报价研究

在建设工程项目投标报价过程中,如何来确定标高金直接关系到承包商能否中标和盈利以及施工企业今后的生存与发展。提出基于遗传算法(GA)优化BP神经网络的标高金预测方法。在分析BP神经网络基本原理的基础上,主要阐述了如何应用遗传算法来改进BP神经网络收敛速度慢和易于陷入极小值等缺点。对BP神经网络模型隐含层节点数进行优选后,建立起GA改进BP神经网络的标高金预测模型;最后应用该模型和一般BP神经网络模型对20个典型国际工程实例的标高金进行计算和预测。计算结果对比发现,经遗传算法改进后的BP神经网络模型在降低计算和预测平均误差的同时,迭代次数比一般BP神经网络模型也大大减少了。因此,该模型适用于求解如建设工程投标报价等非线性问题。     

基于改进BP神经网络的公共市政工程质量评估模型

基于改进BP神经网络提出一种公共市政工程质量评估模型,并对构建过程展开研究,顺利完成了模型研究操作.实验结果表明,其评估参数准确度高,评估准确率相较于传统模型研究的评估准确率高15％.     

基于粉尘浓度传感器的火灾预警系统

针对固体有机物质燃烧火灾,设计了一种基于激光粉尘浓度传感器的火灾预警系统。该系统通过PMS3003(G3)主动吸气式激光粉尘传感器采集数据,并加入DS18B20温度传感器,以STM32F107为控制核心,一旦检测到火情立即通过RS485总线将数据传输到服务器将数据进行保存,同时LED灯光闪烁报警,并通过VS1003b MP3模块发出语音警报提示。通过实验室反复实验证实,系统灵敏度高、零误判、比传统报警器效率更高。     

BP神经网络的改进算法及其研究

通过分析标准BP算法的原理,可以发现BP标准算法存在着易形成局部极小而非全局最优;训练次数多使得学习效率低,收敛速度慢;隐节点的选取缺乏理论指导;通过在标准BP算法中引入加动量项法来优化BP算法。实验结果表明,该有效地提高了BP算法的迭代次数,减少误差。     

基于LM算法改进BP神经网络的基坑管线变形预测

通过提出一种基于Levenberg-Marquardt算法改进BP神经网络的方法探究基坑开挖对邻近管线变形性状的影响。以管线水平位移量和竖向位移量为预测结果,建立包括管径、堆载、材质、管线埋深、开挖方案、开挖顺序、开挖深度、纵向距离8个影响因素的多元参数预测模型。通过将管线变形预测值与实测值比较,证明采用Levenberg-Marquardt改进BP神经网络的算法预测结果更准确,具有更好的泛化性能。该模型将为预测基坑开挖引起的管线变形性状提供技术参考,为基坑工程信息化施工提供决策依据,从而达到减少基坑开挖安全事故、保护管线的目的,在实际工程中具有一定的推广应用价值。     

电气火灾隐患的诊断和改进方法

本文分析了用感官法及电磁法难以发现隐蔽状态的电气火灾隐患,提出了采用红外、超声等现代高新技术在线检测电气火灾隐患的方法,并运用计算机图形处理及智能诊断技术进行科学计算和管理,从根本上对电气火灾进行控制。     

基于BP神经网络的车牌字符识别

<正>自20世纪80年代以来,随着我国国民经济的飞跃发展,综合实力的增强以及城市化进程的加快,普通家庭拥有私家车的数量正在不断增加,车辆的普及成为必然趋势,这使国内各大城市的交通管理能力面临重大考验。车辆牌照识别系统(vehicle licenseplate recognition system,简称LPR)对于治安处罚、交通管理等工作的智能化起着十分重要的作用,它能有效用在道路监控、交     

基于WSN和WSVR算法的火灾预警系统

针对传统火灾报警系统存在的传感器探测信号单一、布线复杂、可靠性差等问题,采用无线传感器网络技术(WSN)和加权支持向量回归算法(WSVR),设计了一种集温度、烟雾、火焰测量于一体的火灾预警系统.介绍系统设计、传感器及测量电路及WSVR算法.通过组网测试和数据分析,该系统性能稳定,预警可靠性高,具有较高的推广应用价值.     

基于NSGA-Ⅱ改进BP神经网络的建筑碳排放—碳减排预测模型

在归纳建筑领域碳排放—碳减排的影响因子的基础上,建立城市建筑碳排放—碳减排预测模型。在传统BP神经网络的基础上,引入了NSGA-Ⅱ多目标遗传算法,从而优化权值和阈值,训练BP神经网络预测模型并寻求最优解,使模型在碳排放和碳减排双目标下预测未来城市建筑的"碳趋势"。