基于有效性分析的自组织模糊神经网络建模方法

提出了一种基于有效性分析的自组织模糊神经网络(self-organizingfuzzyneural network based on effectiveness analysis, SOEFNN)建模方法。首先,提出了一种针对模糊规则的有效性评价指标,利用样本与规则层输出之间的映射关系进行网络模型的有效性分析,通过累积触发的方式实现相应模糊规则的增加或删减,使网络模型在能够处理复杂非线性问题的同时降低其冗余性,使模型更为紧凑。采用梯度下降算法对网络模型进行训练。然后,对所提出的SOEFNN模型进行非线性系统仿真实验和污水处理过程中的出水生化需氧量预测建模,并与其他自组织模糊神经网络模型进行对比。仿真结果表明,所提出的SOEFNN模型能够很好地实现结构和参数的自适应调整,并且具有较好的逼近能力。

基于变权模糊综合法与人工神经网络的地铁车辆转向架系统健康状态评价

[目的]相较于现代地铁车辆普遍采用的计划修和故障修的维修模式,状态修可以在优化维修策略和成本的同时,把握车辆系统的健康状态和运行情况。为实现状态修,需对车辆系统健康状态进行准确评价。[方法]以地铁车辆转向架系统为对象,对其健康状态的评价方法进行深入研究。依据转向架系统组成具有层次性的特点,以劣化度为依据,将层次分析法和变权理论相结合,根据模糊综合评判思路,建立基于劣化度的地铁车辆转向架健康状态变权模糊综合评价模型,提出建模流程;通过选取的地铁车辆转向架系统健康状态评价指标对其进行健康状态评估,获得样本数据;利用样本数据对BP神经网络、支持向量机和随机森林三种不同的人工神经网络进行训练,利用实际测试数据判断三种不同类型人工神经网络的评价效果。[结果及结论]随机森林模型对地铁车辆转向架系统健康状态的识别能力最强,可实现对地铁车辆转向架系统的智能化健康评估。

基于模糊神经网络与层次分析法的爆破效果评价方法及应用

针对露天爆破效果评价分析过程中存在主观性强、随机性大、难以定量评价爆破效果等问题,开展了露天爆破效果评价方法研究。研究采用大块率、火工品成本、爆破振动等8项指标,涵盖爆破质量、经济及安全3个方面,构建了爆破效果综合评价体系,将贪心算法与模糊神经网络、层次分析法相结合,得到最终适用于露天台阶爆破效果评价的推广模型。研究成果实现了露天爆破效果的定量分析,提高了爆破效果评价方法的易用性,并以推广模型为基础开发了爆破效果综合评价系统,该系统已在矿山推广使用,研究结果可为爆破设计优化提供有效的数据支撑。

新老世代农民工城市融入水平评价研究——基于模糊神经网络

随着国家对“推进以人为核心的新型城镇化”建设的重视,农民工城市融入进程成为政府和学界关注的重点。本文聚焦新老两代农民工主体,使用中国社会状况综合调查数据(2017年、2019年和2021年),并结合我国农民工城市融入的特点,以2017年为训练数据,利用模糊神经网络评价方法,对2019年和2021年农民工城市融入水平进行预测评价,验证得到该模型具有良好的预测性能和较低的预测误差。从预测模型发现,新生代农民工的城市融入水平高于老一代农民工,且在不同维度两代农民工城市融入水平都存在代际差异,提升农民工城市融入水平应该从稳定就业、提高收入,加强社会保障和社区管理,以及提高农民工主体意识方面着手。

基于PCA-T-S模糊神经网络底板破坏深度预测

针对底板破坏深度影响因素较多、数据之间相关性较强的特点,选用了主成分分析法对原始数据进行降维处理,提取出主要指标信息;基于T-S模糊神经网络具有拟合性能强、预测准确度高的优点,建立PCA-T-S模糊神经网络模型。通过阅读大量文献资料,选取了煤层埋藏深度、煤层倾角、煤层开采厚度、工作面斜长、底板抗破坏能力以及断层的存在性作为底板破坏深度的主要影响因素,选取24组数据进行模型训练,建立预测模型,并对8组数据进行预测,通过与传统T-S模糊神经网络模型及“三下”开采规范收录公式进行对比,分析PCA-T-S模糊神经网络预测模型优于其它两种方法,预测的最大相对误差仅为15.25%.为底板破坏深度预测提供了一种新的预测方法。

基于敏感性分析的区间二型模糊神经网络出水总氮软测量

【目的】出水总氮检测在监测污水处理厂超标排放和预防水质富营养化中发挥了重要的作用,但仍存在精度低,实时性不强的问题。为解决城市污水处理过程出水总氮难以在线精准检测的问题,提出了一种基于敏感性分析的区间二型模糊神经网络(SA-IT2FNN)出水总氮软测量方法。【方法】采用敏感性分析法(Sensitivity Analysis,SA),选取与污水处理过程出水总氮关联性较强的主元变量。然后,将所选的关键主元变量作为IT2FNN的输入变量,通过训练模型参数建立出水总氮软测量模型。【结果】仿真结果显示:对于冬季数据集,SA-IT2FNN选取6个、8个、10个主元变量进行预测时,训练时间分别为6.2 s、7.8 s、9.7 s;均方根误差(Root Mean Square Error,RMSE)分别为0.44、0.35、0.33。另外,SA-IT2FNN选择8主元变量预测时,夏季和冬季对应的测试RMSE分别为0.38和0.39。【结论】结果表明:SA通过对模型的输入变量降维,有效提高了模型的预测效果;基于IT2FNN的总氮软测量模型在不同工况下都能够保证预测精度,具有较好的学习和预测能力。研究成果展示了人工智能在总氮检测中的独特作用,为污水处理出水指标高精度检测提供了有效的方法。

神经网络和模糊综合评判在边坡稳定性分析中的应用比较

采用BP神经网络和模糊综合评判两种方法应用预测边坡稳定性,选取摩擦角、内聚力、重度、边坡角、孔隙压力比、边坡高度6个指标作为评价因子,结合60个边坡实例,分别采用BP神经网络和模糊综合评判对样本边坡进行稳定性评价.对两者预测结果的优劣性进行评判,结果表明BP神经网络评判结果精度更高,模糊综合评判则可以较好地实现评判等级划分.

模糊综合评判的神经网络方法在损害分析中的应用

本文针对反倾销中损害案件的调查,在满足法律条文规定的基础上,采用模糊综合评判的神经网络方法,优化损害和损害程度的综合评判模型中企业经营指标的评判指标权重,进而采用优化后的权重进行损害和损害程度的综合评判.使评判过程和结果更加具有科学性,也使反倾销损害调查的裁决更加具有公共性和透明度.此方法对政府有关部门裁决倾销和反倾销案件有一定的辅助决策.

基于神经网络的大型商业综合体火灾风险性分析

为明确火灾风险模型在商业综合体项目中的应用价值,解决火灾风险评估相关问题,论文构建了风险模型,以数据曲线与几何形状契合度为依据,对火灾风险数据进行深度剖析,通过对原始数据的规范处理,确认各项分析指标。

基于卷积神经网络的不良驾驶行为辨识

为量化描述驾驶员驾驶行为的动态变化过程与不良程度,研究了不良驾驶行为谱的构建与分析方法,用于不良驾驶行为的实时辨识。首先,基于拉格朗日插值法对轨迹数据清洗处理后提取特征指标参数构建驾驶行为谱,采用风险度量法对急转向、急加速、急减速、超速4种不良驾驶行为进行量化表达。其次,使用大样本统计分布的IQR(interquartile range)与客观赋权的CRITIC(criteria importance though intercrieria correlation)方法确定不良驾驶行为特征指标参数阈值与权重,结合隶属度函数构造模糊综合评价模型对不良驾驶行为谱特征值进行确定以标定不良行驶车辆。最后,将不良驾驶行为谱特征值作为输入,基于人工智能卷积神经网络(convolutional neural networks,CNN)算法对不良驾驶行为进行辨识,并与SVM(support vector machine)、RF(random forest)、BP(back propagation)等传统机器学习算法在辨识误差上进行比较。结果表明:CNN算法对不良驾驶行为辨识的理论误差值MAE(mean absolute error)为0.059、RMSE(root mean squared error)为0.084、R 2高达0.911。可见,不良驾驶行为谱作为一种客观量化不良驾驶行为的方法与CNN算法相结合,能依据车辆运行轨迹对不良驾驶行为进行自动辨识,具有客观性、可靠性与适应性。

基于网络层次分析法的地铁盾构隧道渗漏水风险灰色模糊综合评价

地铁盾构隧道中的渗漏水问题不仅会破坏地铁线路,还会引起隧道变形等病害。为探究地铁盾构隧道渗漏水原因,建立科学有效的防范措施,以现场调研为基础,结合网络层次分析法与灰色模糊综合评价法,通过分析渗漏水原因,构建盾构隧道渗漏水风险指标体系,建立基于ANP的灰色模糊综合评判模型,并以郑州某地铁区间项目为例,对盾构隧道渗漏水进行综合评价。结果表明:盾构隧道渗漏水的主要影响因素包括密封垫老化和不良的地下水环境及隧道覆水深度。所建立的评价模型能够准确评估城市地铁盾构隧道工程的渗漏水风险,为城市地下交通渗漏水风险的综合评估提供了一种新的思路和方法。

基于BP神经网络实现小批量物料生产安排

本文以2022年全国大学生数学建模竞赛E题为背景,利用已有历史数据,研究小批量物料生产计划。首先利用模糊综合评价选定数据集,然后结合BP神经网络模型对选定数据集进行预测分析,最后建立生产计划模型实现生产计划合理安排。模型结果表明,预测数据与真实数据的平均绝对误差、均方误差、总方差结果均在合理范围内,且满足平均服务水平大于85%的要求。

基于BP神经网络的鱼雷作战效能模糊综合评估模型及其仿真

针对鱼雷作战效能(TOE)评估问题,建立了评估的指标体系,给出了指标的隶属函数。在此基础上,提出了基于BP神经网络的鱼雷作战效能模糊综合评价模型。该方法克服了现有方法人的因素的局限性,能够客观地再现专家的知识、经验和直觉思维,仿真结果表明该方法的有效性和可行性。

模糊层次分析法和人工神经网络模型在电梯风险评估中的应用

针对特种设备风险评估模型中的人工神经网络(ANN)技术一般采用定量加权平均法.由于其权值是以专家经验为依据,导致评估所需时间太长.针对这个缺点,建议将模糊层次分析法(F-AHP)和ANN相结合,用于对电梯的风险评估中.实验证明用此方法进行评估所用的时间比ANN方法要少,且评估的准确性没有降低.

基于模糊理论和神经网络技术的公路网综合评价方法研究

在深入研究公路网评价指标体系及其属性值量化的基础上，提出了一种基于模糊理论和神经网络技术的综合评价方法，并对神经网络输入、输出指标属性值的量化方法进行了讨论，建立了两类公路网综合评价模型。最后，介绍了两种模型在天津市公路网综合评价中的应用实例。

节水灌溉工程模糊神经网络综合评价模型研究

以模糊理论与神经网络相结合 ,提出了节水农业灌溉工程模糊神经网络综合评价方法 ,该方法网络识别率超过传统的方法 ,克服了模糊系统中的精度问题 ,其效果又比仅使用人工神经网络系统理论系统的优越。结合河南某节水农业试范区 ,进行了节水灌溉工程模糊神经网络综合评价分析 ,评判结果合理、方法简便实用。

“层次分析法+模糊综合评价”儿科学混合式教学质量体系建设

目的 基于现有的混合式教学研究、实践及评价框架,构建适合儿科学教学发展的混合式教学质量评价体系并进行综合评价。方法 通过查阅文献,结合儿科学专业特点、教学目标和培养计划,以及综合调研结果,构建基于多评价主体的儿科学混合式教学质量评价体系。邀请13名相关领域的专家参与指标体系的评价打分,采用层次分析法和模糊综合评价来确立指标权重及综合评价评价体系。结果 构建的评价体系一级指标的一致性比率(consistency rate,CR)为0.0876,二级指标、三级指标的CR最大值分别为0.0766、0.0797,表明层次单排序及内部的一致性均较好。该评价体系综合隶属度为(0.5151,0.4366,0.0477,0.0006,0.0000),模糊综合评价结果为“非常重要”。结论 本次构建的混合式教学质量评价体系具有较好的科学性与合理性,可应用于儿科学教学实践,为高校医学教育混合式教学的发展提供评价导向。

基于模糊聚类的神经网络模型及其在渗流分析中的应用

本文采用模糊聚类理论方法对因子集进行模糊聚类 ,然后利用神经网络的方法建立样本因子集类别变量特征值与样本观测值之间的预测模型 ,提出了将模糊聚类、模糊模式识别以及神经网络三者有机结合的预测理论。并通过某大坝渗流计算实例对传统的统计预报模型和基于模糊聚类的神经网络预测模型进行了比较 ,结果表明后者的预报精度比前者要高。

模糊神经网络及其在时间序列分析中的应用

给出了一种新型的模糊神经网络模型 .该模型不需要领域专家的知识进行指导 ,而是通过对样本竞争分类产生模糊规则 .每类样本对应于一条模糊规则 ,每条模糊规则的后件部分为一个对本类样本进行过学习训练的神经网络 .文章以模糊神经网络在时间序列分析中的应用为例 ,通过与传统的时间序列分析方法以及前向神经网络方法的对比 ,说明了新型模糊神经网络的有效性 .

基于模糊小波神经网络的岩溶隧道风险评估及综合超前地质预报技术

针对岩溶隧道突水风险评估的不确定性和复杂性以及传统的数学方法在评估安全风险等级中的局限性,将人工神经网络理论、小波分析及模糊评价法有机结合,建立了基于模糊小波神经网络的岩溶突水安全风险评估模型。根据各种物探方法的优缺点和对岩溶水预报的敏感性,结合综合超前地质预报方法和原则,提出地质分析、风险等级划分、分级综合预报及施工地质灾害临近警报技术相结合的综合地质预报方案。通过在齐岳山岩溶隧道实施,成功预报了隧道掌子面前方的岩溶水,证实了该方案的科学性和可行性。