BP神经网络在地铁运营安全评价中的应用

依据地铁运营安全评价体系及国家法律法规的要求,对于评价标准在实施过程中遇到的问题作了系统分析。建立了基于BP神经网络的地铁运营安全BP神经网络模型,系统提出了地铁运营安全BP神经网络的评价理论及其案例分析。理论分析和实践表明,BP神经网络模型计算结果合理、精度较高,在地铁运营安全评价中有很好的实用性。     

级联神经网络用于单扫描示波极谱信号的测定

将改进小波神经网络与BP神经网络相结合,提出一种新的混级联神经网络结构,用于单扫描示波极谱信号的同时测定.通过对网络结构的优化和网络参数的调整,加快了训练速度,提高了预测的准确度.用该法对邻、间硝基氯苯混合样进行了预测,结果满意.对级联神经网络法与单一BP神经网络法的预测结果进行了比较,表明级联神经网络优于单一BP神经网络.     

基于BP神经网络的铁路货运客户满意度评价模型

简要介绍BP神经网络原理,说明最基本的BP神经网络主要由输入层、中间隐含层、输出层3个部分构成。分析影响铁路货运客户满意度的主要因素：货场设施、服务状况、运输成本和货运业务,在此基础上建立铁路货运客户满意度指标体系,提出基于BP神经网络的铁路货运客户满意度评价模型,并以某铁路货运营业站为例对其客户满意度进行评价,验证该模型的可行性。     

改进的BP神经网络在铁路客运量时间序列预测中的应用

针对目前铁路客运量预测方法的不足,采用改进的BP神经网络对铁路客运量时间序列进行预测。分析改进的BP神经网络原理,对1980年—1998年的铁路客运量进行归一化处理,建立铁路客运量时间序列神经网络预测模型,设计网络参数,进行网络学习与训练的仿真试验。对比分析改进的BP神经网络与标准的BP神经网络预测结果,证明改进的BP神经网络预测结果更准确,精度更高。     

粒子群优化的神经网络在齿轮故障诊断中的应用

针对BP神经网络容易陷入局部极小及收敛速度慢的问题,本文利用粒子群优化算法代替BP算法中的梯度下降法训练神经网络的权重和阚值,有效地改善了BP网络诊断性能;利用训练后的神经网络对齿轮进行了故障诊断,并比较了基于粒子群优化算法与BP算法的诊断结果,通过仿真实验表明:无论是在诊断速度上还是在诊断精度上,PSO-BP神经网络诊断性能都比单独的运用神经网络有很大提高.     

基于改进的BP神经网络的产品生产成本估算

基于BP神经网络的成本估算模型,利用全局搜索能力较强的遗传算法优化BP神经网络连接权,克服传统的BP算法易陷入最小值的缺点,使模型预测性能、预测精度和泛化能力得到有效改进.以列车转向架为例,建立产品生产成本GA-BP估算模型,通过8组检测样本检验训练好的遗传人工神经网络.计算结果表明:预测值与期望值的误差小于4%,说明利用遗传神经网络模型对产品成本进行估算切实可行.     

基于遗传算法优化BP神经网络的道口事故预测

针对铁路事故发生的偶然性和事故发生原因的复杂性,提出应用BP神经网络对铁路事故进行较长期预测的建议,并以美国高速公路-铁路道口事故为实例,应用BP神经网络方法和遗传算法优化的BP神经网络方法对美国高速公路—铁路道口未来3年的事故进行预测,并将预测结果进行对比,结果表明,遗传算法优化的BP神经网络可以用于铁路事故的中长期预测。     

基于FOA-BP神经网络的高铁沉降预测

BP神经网络在沉降预测过程中存在预测精度有限、收敛速度慢等缺点。为提高BP神经网络在高铁沉降预测中的精度,基于改进的果蝇算法(FOA),利用其味道浓度函数来代替BP神经网络中的梯度函数,建立果蝇算法优化BP神经网络的预测模型—FOA-BP模型。通过果蝇种群迭代寻优获取最合适的权值和阈值,重新构建BP神经网络进行沉降预测。分别采用BP神经网络算法与FOA-BP神经网络算法对某高铁路基沉降监测点的沉降趋势进行预测,将两种算法的迭代次数、均方误差与平均相对百分比误差3个指标进行对比分析,结果表明:FOA-BP神经网络算法的三种指标均远小于BP神经网络算法,其模型精度更高,预测速度更快。     

基于序关系-BP的铁路施工企业信用评价研究

研究目的:铁路行业作为我国国民经济的支柱产业,对铁路施工企业进行信用评价不仅能促进其健康发展、提高其综合竞争力,且能保证铁路施工质量,实现社会资源最大化利用,本文利用序关系分析法和BP神经网络对铁路施工企业的信用加以评价。研究结论:(1)总结铁路施工企业信用评价现状及其相关理论后,构建了铁路施工企业信用评价指标体系,并给出了其信用等级划分标准;(2)利用序关系分析法确定各信用评价指标的综合权重,并提出通过BP神经网络模型评价其信用状况;(3)本研究成果对铁路施工企业信用评价有一定的借鉴意义。     

改进粒子群优化算法的BP神经网络在机车滚动轴承故障诊断中的应用

本文提出了一个基于改进粒子群优化算法的BP神经网络优化模型来进行轴承故障诊断,此模型融合粒子群优化算法的全局寻优能力和BP神经网络算法的局部搜索的优势,有效地防止了网络陷入局部极小值,同时又保证了诊断结果的精确性.仿真结果表明机车滚动轴承故障得到了有效诊断.相比于常规的BP神经网络模型,此方法不仅改进网络的收敛速度并且提高了预测准确性.     

神经网络在铁道车辆齿轮箱故障诊断系统中的应用

将BP神经网络技术应用于铁道车辆齿轮箱故障诊断领域,搭建了BP神经网络诊断模型,在此基础上提出了一种改进的BP算法,并将常规诊断方法所提取的典型故障信号作为神经网络的输入数据,用改进的BP神经网络进行仿真测试。测试结果表明,经过改进的BP神经网络诊断系统具有较好的诊断效率和诊断精度,达到了预期的诊断结果。     

基于HLM-BP的高海拔隧道施工人员不安全行为预警研究

为降低高海拔隧道工程人因失误导致的安全事故率,以西成铁路甘青隧道为例,对施工人员不安全行为进行预警研究。首先,对施工人员进行深度访谈,采用扎根理论对访谈数据进行编码处理,总结出高海拔隧道施工人员不安全行为诱发因素。其次,依据人境交互理论将不安全行为诱发因素划分为自变量、中介变量和因变量,运用HLM模型探讨跨层次下变量间复杂作用关系。最后,运用Matlab中BP神经网络工具箱函数进行编程,构建高海拔隧道施工人员不安全行为“11-10-5”三级预警模型,对其进行网络训练和数据拟合,识别不安全行为趋势,发出预警信号。结果表明,训练好的BP神经网络具有良好的预警能力,甘青隧道施工人员不安全行为等级总体处于较低水平,隧道施工安全管理状态良好;对不安全行为等级高的“重警”和“巨警”,逐层分析跨层次下的不安全行为诱发因素,提出加强安全教育培训、密切关注施工人员身心状态、加强高原习服训练以及实时监测隧道环境变化等靶向干预措施。研究引入跨层次因素分析机制,系统构建基于BP神经网络的高海拔隧道施工人员不安全行为预警模型,为不安全行为研究提供了新思路,同时也为降低高海拔隧道人因失误提供了参考建议。     

基于BP神经网络的铁路防洪减灾能力评价研究

为了对铁路的防洪减灾能力进行精确评价,提出了基于BP神经网络的铁路防洪减灾能力评价模型:①通过分析铁路的现状特点,采用频率统计法与经验判断法,从生态环境系统、社会环境系统、经济系统与铁路防洪体系4个方面选定22个指标,建立铁路防洪系统评价体系;②对评价指标进行无量纲化处理,利用TOPSIS法建立铁路评价标准;③基于铁路防洪评价体系,构建了三层神经网络的铁路防洪减灾能力评价模型。基于该模型,对甘泉铁路的防洪性能进行评价:甘泉铁路综合评价结果为0. 520 4,防洪能力表现为一般。     

基于改进NARX神经网络的接触线表面不平顺与弓网接触力关联分析方法

建立弓网耦合动力学模型,采用软件MATLAB的Simulink模块对该模型进行动态仿真,获取接触线表面不平顺和弓网接触力数据;对接触线表面不平顺和弓网接触力数据进行归—化处理后,分别作为非线性自回归(NARX)神经网络的输入和输出;对传统的贝叶斯正则化算法进行改进,并采用改进的贝叶斯正则化算法进行NARX神经网络权值修正,得到改进的NARX(NARX-IR)神经网络方法;利用NARX-IR神经网络方法进行接触线表面不平顺与弓网接触力的关联分析.采用根均方误差和相关系数,对基于LM算法的BP(BP-LM)神经网络方法、基于传统贝叶斯正则化算法的NARX(NARX-BR)神经网络方法和NARX-IR神经网络方法进行性能评价.结果表明:BP-LM神经网络方法难以描述接触线表面不平顺与弓网接触力的复杂关联关系;不论在训练还是预测中,NARXIR神经网络方法的根均方误差均小于NARX-BR神经网络方法,而相关系数则大于NARX-BR神经网络方法.由此可推断:NARX-IR神经网络方法更适合于分析接触线表面不平顺与弓网接触力的关联关系.     

基于神经网络的感应电动机特性辨识新方法

提出并论证了一种基于神经网络的感应电动机特性辨识新方法,只需测得电机两相电流数值便可以辨识出电动机转矩和转速,用改进的Levenberg-Marquardt算法对神经网络进行学习和训练,构建了适合电动机转矩转速观测的BP神经网络。由于RBF神经网络无论是在逼近能力、函数拟合和学习速度方面都优于BP网络,也利用RBF网络进行了辨识。该方法较已经提出的方法相比,需要的检测量少,辨识方法简单。仿真研究表明,RBF神经网络辨识效果优于BP神经网络。     

基于结构优化BP神经网络的铁路“走出去”目标国宏观风险评估模型研究

本文综合考虑典型的BP神经网络模型优缺点,对典型3层前馈型BP神经网络模型进行结构优化,提出随机重连BP神经网络模型。综合各项因素研究,提出铁路"走出去"目标国铁路项目投资建设风险评估指标体系。运用"一带一路"32个沿线国家数据,通过建立随机重连BP神经网络模型,对模型进行训练和预测验证,其精度达到目标要求,验证了此模型可用于海外铁路项目投资建设的风险评估。     

BP神经网络法预测隧道瓦斯突出的模型与实例

研究目的:目前隧道煤与瓦斯突出预测主要采用煤炭的常规接触式预测方法,如综合指标法、钻屑指标法等,但隧道与煤巷在断面大小、施工支护等方面有诸多不同,照搬煤炭预测方法并不一定能取得预期效果。本文根据煤与瓦斯突出综合作用假说,借鉴BP神经网络原理,对隧道瓦斯突出的多指标神经网络综合预测进行探讨,确定突出的评价指标,构建神经网络预测模型,通过神经网络模型的训练和回判,综合评价预测煤与瓦斯突出危险性。研究结论:(1)在综合分析突出影响因素基础上,基于瓦斯突出综合作用假说机理,提出了BP神经网络预测隧道煤与瓦斯突出危险性的方法;(2)选取瓦斯压力、地质构造、隧道埋深、煤的坚固系数、煤体结构类型及瓦斯放散初速度作为突出评价指标;(3)采集矿井突出样本进行神经网络模型的训练及回判,通过对已建成瓦斯隧道进行判别,判别结果与实际相符,验证了矿井突出样本应用到瓦斯隧道的突出预测可行性;(4)通过BP神经网络对成贵高铁7座高瓦斯隧道进行预测判别,表明玉京山隧道C5、C6煤层具有突出危险性,其他6座隧道无突出危险性;(5)本研究成果可为瓦斯隧道设计与施工提供借鉴。     

高速公路隧道施工事故三维智能识别与预控技术

针对公路隧道工程地质条件、水文情况较复杂,安全环境影响因素具有典型的开放性、随机性、非平衡性等复杂系统特点,以实际工程为例,构建三维智能识别和预控模型进行施工安全管理,以提高高速公路隧道施工管理技术水平.首先,对国内高速公路隧道施工发生的安全事故案例进行收集,建立基础案例数据库,运用BP神经网络对目标工程可能发生事故类...     

基于MEC-BP神经网络的基坑水平位移反演分析

随着城市地铁建设快速发展,地铁车站基坑的变形要求越来越严格,基坑土层设计参数的选择面临着极大挑战.利用思维进化算法(MEC)优化BP神经网络的初始权值和阈值,结合有限元数值模拟,提出基于基坑水平位移的土层参数反演分析方法.采用文献算例对该方法进行验证,并与不同反演方法进行对比.研究结果表明:1)MEC-BP神经网络对多工况水平位移的反演分析结果与文献结果基本一致,验证了该方法的有效性和实用性;2)MEC-BP神经网络的收敛速度快于遗传神经网络(GA-BP),其反演结果优于常规BP神经网络、GA-BP方法和修正高斯-牛顿法(G-N);3)采用标量误差函数Ferr进行寻优,可以提高MEC-BP法水平位移反演分析结果的稳定性和准确性.     

基于改进BP神经网络的铁路货运量预测

在分析铁路货运量预测方法的基础上,针对标准BP神经网络的不足,提出改进的BP神经网络预测模型。首先,利用动态陡度因子来改变激励函数的陡峭程度,以此来得到更好的激励函数响应特征以及更好的非线性表达能力;其次,利用附加动量因子,通过对以前经验的积累,既降低了神经网络对误差曲面的局部细节敏感特性,又较好的遏制了神经网络易于限于局部最小的缺陷;最后,采取改变学习率的方法,给定一个较大的学习率初始值,在学习的过程中学习率不断减小,网络最终趋于稳定。改进BP算法既可以得到更优的解,还能够缩短训练时间。利用全国铁路货运量的相关数据对改进BP神经网络进行了验证。验证的结果表明,改进的BP神经网络预测模型在相对误差和迭代次数上有较大改善,对铁路的货运量预测很有效。