基于粗糙集与神经网络电力企业员工安全等级评价模型

电力企业上市以来,企业的融资能力的强弱直接影响到企业的有效运营。本文以电力上市公司为研究对象,选取了10家电力行业上市公司的41项财务指标为研究样本,首先利用粗糙集进行属性约简,然后引入熵权评价模型进行求解评价,从而将这些定量、定性混杂的问题综合为统一整体,使无序的信息变成有序可比的信息。该模型应用于电力企业的融资能力信用评价具有重大的现实意义。

在对财务状况评价的机理和关键财务指标分析的基础上,提出了基于粗糙集的财务指标属性约简方法,设计了财务状况评价模型的构建流程和检验标准,建立了基于bp神经网络的财务状况评价模型。利用matlab软件对146家房地产上市公司的2007-2012年财务数据进行了研究,结果表明,基于bp神经网络的财务状况评价模型可以对房地产公司的财务状况作出评价。在此基础上,结合财务危机成因提出了房地产企业防范财务危机的建议。

基于2005-2009年房地产价格及影响因素的月度数据,本文建立了一个基于粗糙集和小波神经网络的房地产市场价格走势预测模型。该模型利用粗糙集方法来确定影响房地产价格的主要影响因素;然后基于小波神经网络方法,通过房地产价格的主要影响因素对房地产价格指数进行预测分析。实证结果表明,该模型在我国房地产价格走势预测中具有较高的精度。

通过分析粗糙集和神经网络的特点和原理,提出基于粗糙集和神经网络相结合的工程造价估算模型,并通过实例验证其有效性,具有较强的实用价值。

基于粗糙集-神经网络的工程造价估算模型研究——通过分析粗糙集和神经网络的特点和原理，提出基于粗糙集和神经网络相结合的工程造价估算模型，并通过实例验证其有效性，具有较强的实用价值。　　

探讨当因素分析和多元回归方法的使用条件未得到满足时,是否可采用粗糙集方法进行观察变量的精简,以及是否可采用神经网络方法进行预测效度检验。理论分析了粗糙集和神经网络在心理测量中应用的可能性,并运用粗糙集对于人事干部胜任力评估数据进行分析,比较了7种离散化方法和2种约简算法构成的14种组合,发现当采用manual方法进行离散化、遗传算法进行约简时,能够很好地对观测变量进行精简;运用概率神经网络能够比等级回归方法更好地进行预测效度检验。研究结果表明对于处理心理测量中的非等距变量,粗糙集和神经网络是非常有用的方法。

本文依据建筑施工过程安全状态特征,从人、机、环境、管理四个方面进行分析,构建了建筑施工安全评价指标体系,并将粗糙集理论与人工神经网络模型两种方法相结合,建立了基于粗糙集-人工神经网络的建筑施工安全评价模型,对建筑施工过程安全状况进行评价,即:首先通过专家评议同粗糙集理论相结合,对评价指标体系中的各指标进行约简,并确定影响建筑施工安全的核心因素;然后将经粗糙集约简后的评价指标采用人工神经网络方法进行处理和计算。通过实际应用验证表明,经过训练后的神经网络所得的预测值同理论值相近,证明此种评价模型能为建筑施工安全评价提供合理的依据。

为了有效地对隧道施工进行安全状态评估,建立了以人-机-环-管理系统为基础的隧道施工安全状态评估指标体系,构造了基于粗糙集-模糊评判-神经网络的隧道施工安全状态评估模型。该模型通过粗糙集约简输入变量,提炼学习样本,再利用神经网络对其进行训练和评价,提出了使用层次分析法和模糊数学的方法对隧道施工安全整体综合评判,得到的评价值作为神经网络训练目标值的方法。实际结果表明,通过使用该模型方法,神经网络训练的条件属性由原来的17个变成6个,训练周期由原来的2992次减少为1637次,泛化能力、安全状态评估的结果都优于约减前,能够对隧道施工安全状态做出有效的评估结论。

目的通过对铝电解生产过程中的故障进行有效地诊断来提高铝的生产效率和节约能源.方法把粗糙集和神经网络结合起来应用在铝电解的故障诊断中.先用自组织特征映射网络(som)对初始数据进行离散化后得到决策表,然后用粗糙集理论对决策表进行约简得到最简决策表,根据最简决策表设计bp神经网络对铝电解中的故障进行诊断.结果用粗糙集对神经网络的输入数据进行预处理可以简化神经网络的结构,减少计算量和训练时间,从而提高整个诊断系统的诊断效率、故障诊断准确率在90%以上.结论该方法能够对铝电解中的故障做出正确的诊断.

文章论述了基于主成分分析法的bp模型结构,用新的方法来改进科研绩效评价系统统计的合理性和正确性。

为了研究隧洞施工安全评价方法,以某正在施工的隧洞为背景,确定了24个安全评价指标,设计了隧洞施工的多层前馈bp神经网络结构,建立了较为完善的基于bp神经网络的隧洞施工安全评价体系模型,并验证了其实用性。对背景工程进行了施工安全评价,评价结果与工地实地考察结果一致,说明所建立的隧洞施工安全评价模型的有效性和实用性。

回顾施工项目安全管理和安全管理研究现状,建立建设项目安全管理指标体系。利用人工神经网络非线性函数逼近能力,对项目风险因素程度预测。针对该网络当数据量大时,其结构复杂、收敛慢,易陷入局部最优的缺点,引入粗糙集对影响建设项目安全目标的不确定性因素进行约简,找出最小不确定性风险因素集,大大简化网络输入信息的表达空间维数。并结合粒子群算法收敛速度快、全局最优的寻优能力强的优点,建立基于粗糙集——粒子群神经网络的建设项目安全预测系统。通过实例验证该系统的科学性和有效性。

研究房地产价格准确预测问题。由于房地产价格影响因子间信息严重冗余,受到社会上多种因素的影响。传统预测方法不能消除因子间的冗余信息,导致学习时间长、预测精度低。为了提高房地产价格的预测精度,提出一种粗糙集理论bp神经网络的房地产价格预测模型(rs-bpnn)。rs-bpnn模型首先采用粗糙集理论消除房地产价格因子间冗余信息,提取重要因子,然后采用非线性预测能力非常强的bp神经网络对处理后的数据进行学习建模,用建立好的模型对房地产价格进行预测。仿真结果表明,rs-bpnn房地产价格预测速度比传统预测方法快,预测精度更高,说明rs-bpnn的预测结果可以为政策制定者和房地商及买房提供参考。

针对神经网络存在的网络冗余性较大的问题,提出一种基于粗糙集的神经网络优化方法。该方法将粗糙集理论和神经网络有机地结合在一起,利用粗糙集理论在知识获取方面具有智能的特点,对神经网络的数据进行预处理,从大量的原始数据中提取精简的规则,从而确定神经网络中的神经元个数,简化神经网络的拓扑结构,提高系统的速度。最后通过仿真研究表明该方法能有效地改善神经网络训练时间较长的缺点。

文章通过回顾相关理论,运用冰山模型并结合电力企业工作的特点,构建了电力企业员工安全胜任力模型,以电力企业中的作业员工为样本,结合主成分分析法对安全胜任力模型进行验证。为电力企业进行人员的选拔考核提供一种新的方法和理论基础。

由于神经网络在车载设备故障诊断中存在网络结构复杂、训练时间长的问题,利用粗糙集理论处理不确定数据的优势,对bp神经网络进行优化.提出属性约简算法,去掉冗余信息,保留必要属性.通过对现场车载设备故障数据的实例分析表明,优化前后性能提升明显,且使用该方法能有效减少输入层神经元个数,提高车载设备故障诊断的效率和准确度.

针对目前冰蓄冷空调运行管理中存在的每日蓄冰量过多,耗能严重的问题,提出了基于粗糙集和人工神经网络的冰蓄冷负荷的预测模型。该模型减少了数据样本的数量,提高了冷负荷预测精度,有利于冰蓄冷空调的节能运行。

针对当前电力企业应用网络普及且网络信息安全不断受到威胁的问题,论文对该问题展开讨论和分析。首先,对我国电力企业网络信息安全的现状进行论述;其次,设计出电力企业网络信息安全的目标和具体的策略;最后,给出电力企业网络信息安全维护常用的技术手段。论文对电力企业的网络管理人员具有积极的意义。

第47卷第6期厦门大学学报(自然科学版)vol.47no.6 2008年11月journalofxiamenuniversity(naturalscience)nov.2008 基于bp神经网络的工程估价模型及其应用 叶青,王全凤 (华侨大学土木工程学院,福建泉州362021) 收稿日期:20080414 基金项目:福建省自然科学基金(2008j0196)资助 email:yeqing@hqu.edu.cn 摘要:基于bp神经网络的工程估价模型具有高度的容错性和较强的泛化能力,通过对数据并行处理的方式能快速准 确地估算出工程造价.本文根据bp神经网络原理,选取福建泉州地区的21组工程实例来建立模型,其中19组为训练样 本,2组为检测样本,确定了13个主要造价

**资讯http://www.***.*** **资讯http://www.***.*** **资讯http://www.***.***

1.引言神经网络是一种信息处理系统,它由大量而简单的处理单元(神经元)广泛的相连接而形成复杂系统,它通过学习来解决问题,基坑沉降的预测是一项难以通过理论分析出影响因素与沉降结果映射关系的工作,而这项工作如果交

利用神经网络方法更能充分有效地利用已有的经验,提高工程投资估算的速度和精度。经系统开发和案例计算,证明该方法能改进模糊类比法的估算结果,更好地满足工程项目初期造价估算的要求。