某煤炭集团煤工尘肺发病预测方法研究

目的研究一种煤工尘肺发病的预测模型,确定适合本次研究的最优模型。方法通过查阅文献初步确定适合本次研究的煤工尘肺发病危险性预测模型,分析比较不同模型的优越性,研究适合不同工种煤工尘肺发病的预测模型。结果多层感知器神经网络预测模型和logistic回归预测模型可以用于预测个体的发病概率。通过对不同工种数学预测模型评价样本的检验,掘进工(χ2=141.96,P<0.001)、采煤工(χ2=135.44,P<0.001)和混合工(χ2=54.84,P<0.001)三工种预测模型差异有高度统计学意义,多层感知器神经网络模型优于logistic预测模型。辅助工两模型差异没有统计学意义(χ2=0,P>0.05),两模型预测能力相当。结论通过比较分析,多层感知器神经网络模型为最优模型。

人工智能在5G无线网络优化中的设计与实现

采用了贝叶斯网络模型,建立了多层感知器预测模型,设计并实现了5G无线网络优化系统。该系统经过大量路测数据的采集和分析,给出了5G无线网络优化问题的解决方案,提高了工作效率,实现了5G无线网络优化工作的智能化,显著提高了社会效益和经济效益。