基于BP神经网络的航空公司安全管理体系评价

为了对航空公司安全管理体系进行科学合理的评价,从民航安全管理体系(SMS)"安全政策、风险管理、安全保证、安全促进"4个组成要素出发,构建航空公司SMS评价指标体系.运用OWA算子AP法进行赋权,降低评价过程中人为因素影响产生的误差.以MATLAB软件为平台,利用BP神经网络计算速度快、计算精确、能减少人为干扰的特点,建立BP神经网络评价模型.首先,输入初始样本对神经网络进行训练,再输入测试样本进行测试,最后根据测试结果提出建议.结果表明,BP神经网络能对航空公司SMS建设实施情况进行准确的判断.     

基于BP神经网络的工程项目安全耐久性评价

通过对人工神经网络的分析,结合工程项目安全耐久性评价,将BP神经网络的技术应用于拟建工程项目安全耐久性的评估中,可以实现在项目建设前期对工程项目质量等指标的客观定量评价,为工程项目建设的决策提供有效的依据。     

构建基于BP神经网络的高校德育评价体系

本文将BP神经网络运用于高校大学生德育评价体系中,使该体系能够更为全面、准确地反映学生的实际情况,为学生德育发展指明方向。该体系的建立为大学生德育评价提供一种更为客观准确的评价手段,特别解决了评价体系当中的人为主观因素误差和评价指标权值设置问题。     

BP神经网络在大坝安全综合评价中的应用

提出了基于改进的BP神经网络的大坝安全综合评价方法，将改进的BP神经网络应用于大坝综合评价，意在建立更加接近于人类思维模式的定性与定量相结合的综合评价模型。通过对给定学习样本模式的学习，获得取学习样本中所体现的评价专家的经验、知识、主观判断及对目标重要性的倾向。当需对评价对象作出新的综合评价时，该方法便可再现评价专家的经验、知识和直觉思维，从而实现定性分析与定量分析的有效结合，较好地保证评价结果的质量，示例表明，这一评价方法是合理、可行的。     

BP神经网络在矿井安全监测评价系统中的应用

阐述了BP神经网络基本理论，分析了BP神经网络存在的问题并提出了两种改进方法，增加了收敛速度，提高了效率。并将其应用于矿井安全监测评价系统中，提出了基于此理论的安全监测评价方法等，为矿井的安全生产和安全管理提供了依据。     

基于BP神经网络的葡萄酒质量评价

在日常生活中,如何判定葡萄酒的质量,以及葡萄酒的理化指标是否能反映葡萄酒质量,对于特定人群,如由于应酬接待而对葡萄酒有较高需求量的人群,有较高的实用性.该文主要采用了BP神经网络的方法,对研究葡萄酒理化指标与萄萄酒质量之间相互关系的问题进行了深入探讨,得出如下结论:采用神经网络模型,能实现根据理化指标对酒的质量进行预测.     

基于层次分析与BP神经网络的电梯安全评价模型

为高效评价在用电梯运行状态的安全性,提出基于层次分析法和BP神经网络的电梯安全评价模型。通过层次分析法建立电梯系统安全评价指标体系,采用BP神经网络构建电梯系统安全评价模型;通过改进粒子群算法和改进BP算法分别优化、训练BP神经网络;最后进行仿真验证。仿真结果表明,经过改进粒子群算法优化的BP神经网络模型训练速度最快,训练时间比BP算法快8.45 s,比粒子群算法快5.17 s;评价准确度最高,达92.3%,分别比BP算法和粒子群算法提到了11.7%、6.8%;而训练误差最小,仅为0.020 6。     

基于BP神经网络的技术风险评价

通过对技术风险的概念和特点及其发生机理的分析,建立了企业技术风险的评价指标体系,并提出了 一种基于BP神经网络的企业技术风险评价方法。人工神经网络能准确、简便地评价企业的技术风险,且避 免了人工确定指标权重的主观性,是一条具有发展和应用前景的途径。     

基于小波神经网络矿山安全的评价模型

煤矿是一个多工序、多环节、生产过程复杂、时空变化大、环境恶劣的生产企业,其安全系统是一典型的非线性系统,对矿山进行安全评价是当前安全管理中的一个重要环节.采用由伸缩和平移因子决定的小波基函数代替Sigmoid等传递函数,选用23项指标作为输入节点,建立矿山安全的小波神经网评价模型,该模型可自动确定网络参数,避免了传统神经网络需要人为干预网络结构参数的不足.实例分析表明,提出的WNN网络的评价绝对误差平均为0.425%,而BP网络评价绝对误差平均为3.1%.这说明,WNN网络泛化能力远好于BP网络,该模型具有重要的应用价值.     

基于BP神经网络的混凝土耐久性评价

在分析普通混凝土强度影响因素基础上,选取混凝土配料中7个因素作为输入值,并将其应用于钢筋混凝土结构耐久性评价中。应用表明,改进后的模型算法简单,线性逼近度高,能准确地预测出混凝土的结构耐久性。     

基于BP神经网络的高速公路交通安全评价

为了评价高速公路交通安全的水平,使高速公路的管理者能获得交通安全状况的动态信息,在对国内外交通安全评价的方法进行研究的基础上,提出了BP神经网络评价模型进行高速公路交通安全评价.在对交通事故进行调查分析的基础上,从影响高速公路交通安全的6个方面,建立了相应的评价指标体系,共计18个指标.每个指标有确定的指数等级划分依据、评价要求、调查方法.采用C 语言开发了基于BP神经网络模型的综合评价软件,在江西省梨温和昌泰2条高速公路进行实际应用.对评价结果进行了分析,表明该方法操作性强、结果可靠.     

基于BP神经网络的核安全事故分级研究

利用国际核事故分级表的量化指标作为分级标准,以福岛核事故的厂外检测样本中的I-31、Cs-37、Cs-34等指标作为参照,利用MATLAB构建BP神经网络,预测核事故的等级,构建了五级、六级、七级核事故等级预测模型。结果表明:分级后的核事故预测模型的预测准确率得到了较大的提高。     

基于BP神经网络的课堂教学质量评价系统

课堂教学质量在很大程度上决定了学校的教育质量,其评价体系的构建成为教学督导工作的重要环节。本文将BP神经网络用于课堂教学质量评价中,以重庆工商大学的教学督导专家评教情况为例,构建了课堂教学质量评价模型。通过MATLAB仿真,结果表明该评价模型可以克服人为的主观因素,并且得到满意的评价结果。为学校构建科学合理的内部质量保障体系提供了一种新方法。     

基于BP神经网络的项目评估模型研究

项目的申报、实施、验收都需要进行项目评估,项目评估是项目实施过程中的重要工作。项目评估复杂、专业,评估过程和结果具有很强的主观性。BP神经网络具有容错性强、信息分布处理能力高、自主学习、自适应、非线性映射等特点,适合推理规则不明确或推理规则非线性的环境,具有人脑思维的特征,BP神经网络在工程、管理、经济等领域得到广泛应用。在项目评估领域,现在基本上仍然以领域专家主观评价为主,这对评估结果的客观性、公正性必然会带来影响,评估过程信息化是项目评估改进的方向和趋势。基于评估的一般过程和BP神经网络的基本思想设计出项目评估的一般模型具有现实意义,应用BP神经网络建立项目评估模型的应用价值值得关注。     

基于BP神经网络的火焰识别系统

本文提出了一种基于BP神经网络的火焰识别系统,其对火焰的各种状态进行了识别,提高了早期发现火焰的能力。实验结果表明,该方法在火焰自动识别中是一种十分有效的方法。     

基于BP神经网络的柴油发动机故障诊断

阐述了BP神经网络模型及原理,提出了基于BP神经网络的发动机故障诊断分析方法,在理论分析的基础上,对发动机故障的检测和分析进行了MATLAB仿真,仿真结果表明,利用BP神经网络对发动机故障进行检侧具有检测精度高、速度快的特点.     

基于修正的BP神经网络的教学质量评价模型

为改进和完善高校教师教学质量的定量评价,给出了3种评价方法:层次分析法;基于聚类法的多元回归分析法;基于BP神经网络的评价方法.重点分析了3种方法的评价原理,指出了它们的优缺点,并提出了基于修正的BP神经网络的评价模型,为建立科学的高校教师教学质量评价体系提供参考.     

基于优化BP神经网络算法的网络质量评价

针对现有的BP神经网络算法,提出了在变步长BP神经网络算法基础上的优化方案,并将其应用于网络质量评价当中.在优化方案中,对步长的上升和下降阶段分别采用不同策略进行优化.理论分析表明:优化后的算法能够克服传统算法权值收敛过慢,和变步长算法误差收敛中的震荡问题.仿真表明,优化后的算法会使神经网络的学习误差和网络质量分类的总体误差明显下降并大幅提高评价的准确性.优化算法较传统算法相比误差收敛过程更加稳定,且学习误差下降达9.64％,网络质量分类的总体误差下降达23.1％；优化算法的验证准确率在传统算法的基础上提高了19.65％,在变步长算法的基础上提高了9.88％.由此可见,优化算法在BP神经网络的预测精度方面起到了大幅度提高的作用.     

基于BP神经网络的纵向避撞安全辅助算法

针对复杂人-车-路交通环境下汽车前向防碰撞预警系统(FCWS)在实际工程应用中存在虚警漏警、可接受性差等问题,为提高FCWS对驾驶群体行为差异的适应性,提出了驾驶员行为特性自适应学习的纵向避撞安全辅助算法,建立了基于BP神经网络的闭环驾驶跟驰习惯模型。该网络模型以跟车车距、前车减速度、前车速度、自车速度、环境亮度、路面附着系数、紧急制动次数、本次驾驶时间为输入,采用动量梯度下降自适应学习率方法对网络模型进行训练,进而预测出自车待制动减速度。引入聚类算法思想,对训练样本集进行特征聚类,进一步改善了BP网络的预测性能,设计了激进、谨慎、新手3类典型驾驶群体,通过制动深度、期望碰撞时间倒数、应急反应时间来表征驾驶群体性特征,在稳态跟车过程中对不同驾驶群体的行为特性进行学习,建立起非线性输入输出映射关系知识库,进而预测出相应群体的待制动行为,实现差异化预警,可有效降低虚警或预警不及时现象。仿真结果表明,改进后的BP网络减小了训练过程中陷入局部极小的可能性,提高了网络收敛速度以及预测精度,激进群体与新手群体待制动曲线下降的趋势相对更陡,激进群体跟车距离相对偏近,新手群体采取制动措施时所需相对车距相对偏远,以补偿较长的反应距离,从而验证了该理论模型对不同驾驶群体的适应性。