基于BP和RBF神经网络的煤与瓦斯突出模型研究

煤与瓦斯突出是一种复杂的非线性地质危害,建立适当的多指标非线性模型是预测的重点.通过采用两个均具有非线性、自主学习、自组织以及并行处理能力的BP及RBF人工神经网络,分别对煤与瓦斯的突出预测问题进行了建模比较.通过对山西某煤矿的实测数据在MATLAB环境下进行了仿真研究及测试,研究了两者在预测准确度和收敛速度方面的区别.仿真结果表明:RBF神经网络预测结果更快速且准确可靠,在煤与瓦斯突出预测方面具有实际应用价值.     

基于模糊神经网络的瓦斯爆炸危险性评价模型

煤矿瓦斯爆炸事故的复杂性和随机性决定了煤矿瓦斯爆炸重大危险源的变化不会按照某一特定的规律或函数变化。模糊神经网络具有较强的非线性函数逼近能力和较强的自学习、自适应和联想能力。通过简化易燃、易爆、有毒重大危险源评价模型,确定了网络的输入参数,应用模糊神经网络对各参数之间的关系进行计算,验算结果表明：该网络模型在评价煤矿瓦斯爆炸危险性方面效果良好。     

基于模糊神经网络的煤矿瓦斯预测

针对瓦斯爆炸为煤矿安全生产中主要事故的现状,提出基于TS型模糊神经网络的煤矿瓦斯预测算法.通过样本学习,在线修正TS型模糊系统的隶属函数参数,形成TS型模糊神经网络算法,将该算法应用于煤矿瓦斯的预测,掌握和捕捉影响煤矿瓦斯安全主要因素的内在联系.仿真结果表明,该方法能够准确预测煤矿瓦斯的安全等级,平均误差较小.     

基于神经网络的瓦斯传感器非线性校正

瓦斯传感器输出非线性问题的原因很多，其中包括敏感元件温度变化所带来的影响，但即使使用恒温瓦斯检测技术，非线性误差仍然存在，影响了瓦斯检测的准确性．在简述用神经网络进行非线性校正的原理的基础上，探讨了用BP神经网络实现瓦斯传感器非线性校正的模型、MATLAB算法和实现程序，通过计算机仿真，其结果表明采用该方法能够得到令人满意的结果，且结构简单，准确度高．     

基于神经网络的瓦斯传感器非线性校正

瓦斯传感器输出非线性问题的原因很多,其中包括敏感元件温度变化所带来的影响,但即使使用恒温瓦斯检测技术,非线性误差仍然存在,影响了瓦斯检测的准确性。在简述用神经网络进行非线性校正的原理的基础上,探讨了用BP神经网络实现瓦斯传感器非线性校正的模型、MATLAB算法和实现程序,通过计算机仿真,其结果表明采用该方法能够得到令人满意的结果,且结构简单,准确度高。     

基于灰色关联与神经网络的瓦斯含量预测研究

为了解各影响因素对煤层瓦斯赋存规律的影响,准确预测煤层瓦斯含量,在分析潘一东勘探钻孔资料的基础上,基于灰色关联分析了影响13-1煤层瓦斯含量的各因素,确定了煤层埋深、顶板岩性、煤层厚度和地质构造是影响煤层瓦斯含量的主要因素;利用神经网络方法建立了煤层瓦斯含量预测模型,结合实际数据,对预测模型进行训练与检验。结果表明：预测精度较高,验证了基于灰色理论与神经网络预测模型的可靠性。     

基于RBF神经网络的多级入侵检测研究

为了将误用检测技术和异常检测技术结合起来同时应用于入侵检测系统,提出了多级结构的神经网络入侵检测模型,并将基于径向基函数RBF的神经网络应用于提出的多级结构的入侵检测系统中。实验证明,基于RBF神经网络的多级结构的入侵检测系统具有训练时间短、较高的检测率和较低的误检率等性能,它既能检测到已知的入侵也能检测到未知的入侵。     

基于粒子群神经网络的煤层瓦斯含量预测

针对BP神经网络在煤层瓦斯含量预测中的局限性,如收敛速度慢和可靠性差等缺点,根据煤层瓦斯含量与其影响因素之间相互作用和耦合的特点,建立了粒子群算法和BP神经网络相结合的煤层瓦斯预测模型.在采用BP网络对煤层瓦斯含量进行预测的基础上,采用粒子群算法优化隐含层神经元个数和网络中的连接权值,并根据现场的实测数据,提出了粒子群神经网络训练和检验样本集,对预测模型进行训练和检验.仿真结果表明,该预测模型加快了网络收敛的速度,克服了易陷入局部极小的问题,具有可靠性强和预测精度高等特点.     

基于神经网络的煤与瓦斯突出规模预测研究

由于传统煤与瓦斯突出预测方法难以理清多种致因间的非线性关系,提出依据人工神经网络建立新的预测方法.基于枚举法思想改进BP、RBF神经网络,使其能够迭代出最佳隐藏层层数、神经元个数以及spread值,并引入GA-BP、GRNN神经网络对矿区实测数据进行学习仿真,对比4类不同的神经网络预测煤与瓦斯突出规模的性能.结果表明,...     

基于AdaBoost RBF神经网络的火灾烟雾检测

为了解决大空间场所的火灾早期预警问题,减少环境变化对预报的影响,从烟雾的视觉特征角度探讨了视频火灾烟雾检测方法.该算法首先采用背景减除法获得差分图像,接着对差分图像进行二值化,并结合数学形态学提取可疑区域,然后从可疑区域提取颜色特征、运动特征和形状特征,最后使用基于AdaBoost的RBF神经网络进行识别,判断场景中是否有烟雾出现.试验表明,该方法能有效地检测出烟雾并且具有较好的抗干扰能力,提高了烟雾检测的准确率,具有较好的工程应用价值.     

基于人工神经网络的相位跟踪研究

本文介绍了一种基于人工神经网络的相位跟踪控制方法,当电网并网时,用于对控制电流与电网电压进行同相位跟踪,以实现对电网电压的同步跟踪。经MATLAB电力系统动态仿真,验证了该文提出的BP控制方法,跟踪性能良好,具有较强地自适应能力。     

基于人工神经网络的震级与断裂长度的关系

应用人工神经网络分别建立了震级与地表断裂长度及活断层长度的关系，一定程度上提高了由断裂或 断层长度预测震级的可靠性。     

人工神经网络在图论中的应用

人工神经剐络与图论之闻有密切的联系。本文把人工神经网络应用于图论的问题求解中,利用Hopfield网络对图的着色、图的最大独立集和最大团进行求解,构造了各自的能量函数,进而得出网络的运行方程。     

基于人工神经网络的控制器的研究

本文通过在对几种常见神经网络在机器人手眼协调控制中的应用分析和仿真研究的基础上，给出了一种综合型的神经网络模型，仿真结果表明模型具有更好的收敛速度和控制性能。     

模糊控制和人工神经网络控制仿真课件的研究

本文论述模糊控制和人工神经网络控制仿真课件的基本设计方法,着重论述设计本课件时所用到的几个主要MATLAB函数的使用方法。用本课件设计了水箱水位模糊控制系统,仿真运行结果证明本课件的可用性,并具有使用简单、易学易懂等优点。     

基于神经网络的模糊模式识别算法研究

模糊信息理论是一种基于模糊集理论的信息科学,人工神经网络是模式识别中的常用方法,文章把模糊理论和人工神经网络结合起来用于字符识别,得到很好的识别效果。     

人工神经网络

本文介绍了人工神经网络的概念,阐述了神经网络的一般结构和分类,以及神经网络的训练算法及其范化能力的改进．并综述了神经网络的应用。     

基于人工神经网络的原油触变特性参数计算

基于Levenberg-Marquardt算法的前馈BP网络的原油触变特性参数计算方法,计算触变特性参数精度高,不依赖于具体的函数形式,能有效克服传统计算方法的不足。     

基于网络数据基因表达方法的人工免疫入侵检测技术

针对计算机入侵检测和生物免疫所具有的高度相似性,提出了一种基于网络数据基因表达方法基础之上的人工免疫入侵检测模型。使用了克隆选择算法,并通过适应度和亲和度相结合的保优策略,解决了检测器过早收敛的问题。分析了该系统模型的工作流程,介绍了实验情况并对今后的研究方向进行了展望。     

变压器故障诊断的人工神经网络法

介绍了一种对油浸式电力变压器故障进行诊断的人工神经网络方法（ANN）．提出了人工神经网络的模块化结构,并用具体实例说明ANN对变压器早期潜伏性故障作出预诊断的可行性和正确率．