应用人工神经网络进行电力系统动态安全评价的新方法

建筑施工现场的安全评价是一项复杂的系统工程。目前安全评价技术在建筑业的运用并不成熟,我国大多数建筑施工企业的安全管理只局限于对施工现场的检查和整改工作,而对整体安全性缺乏分析和有效监控。综合目前的安全评价技术,结合建筑施工的特点,确立建筑施工现场安全评价指标体系,并运用管理理论中的层次分析法(ahp)和模糊综合评价方法(fuzzy),提出了适合建筑施工现场的人工神经网络(ann)安全评价模型。详细论述了建筑施工安全评价方案以及具体实现的步骤,在结合ahp与fuzzy综合评价法的基础上利用ann进行训练与修正历史数据,为全面评价建筑施工安全状况提供了新的思路与方法。

介绍了bp神经网络算法的原理以及对其采用非线性阻尼最小二乘法levenberg-marquardt进行优化的方法。采用matlab的神经网络工具箱建立了一个单隐层的bp神经网络模型和预测流程,采用24个输入人工神经网络模型预测每天的整点负荷,并且讨论了如何进一步通过改变网络参数以提高负荷预测精度。实验仿真结果表明,此方法预测短期电力负荷,可以得到令人满意的训练速度及预测精度。

电力系统中各种非线性负载的广泛应用,特别是各种电力电子装置的广泛应用,是系统产生谐波的主要根源;而大量的电力电容器组的使用,则进一步加剧了谐波的危害。本文主要围绕如何用adaline神经元模型实现电力系统的谐波分析,并分析了adaline神经元模型的改进方法。

论述了人工神经网络预测电力系统负荷的方法和步骤,并以bp神经网络在石嘴山地区短期负荷预测中的应用为例,探讨负荷预测的重要性。

在实用动态安全域的基础上提出了实用动态安全域的神经网络和模糊理论方法,构建了用于拟合动态安全域的ann拟和器和用模糊理论在安全边界上构造一个模糊中间带的模糊识别器,并对该方法中的系统灵敏度和超平面度进行了分析。最后对4机11节点测试系统进行了仿真计算。实验表明,用神经网络拟合的动态安全域其拟和合度和精度均高于传统最小二乘法的拟合,其模糊识别器进一步减少了临界点的误判和在安全域边界上稳定和非稳定点的误判。

为在继电器的设计和生产阶段通过多个评价指标评价其整体品质,研究了多层次综合评判模型的可计算性。该模型依据电器产品设计方案关于技术性能和成本的综合评价指标体系,并通过对神经网络原理的评判方法的研究而建立。实例证明,人工神经网络的出现为处理各种模糊的、数据不完全的、模拟的、不精确的模式识别问题提供了一个全新的途径。

针对建筑物成新度评估中存在的问题,利用人工神经网络理论,建立了建筑物成新度评估的人工神经网络模型,从而为其准确评估提供了科学的依据.

researchstatusofelderlyfitnessevaluationusing ent elderlyf 。 模型预测结果优于 是一种空间的复杂的非线性映射方法， 其优点包 [j]. 传 2015,18 bw?macdonaldrl?bakera?etal.clinicaloutcomepre- bayes- inferences[j].comput m?sahurk.predicttheonsetofdiabetesdiseaseu- al.disease-freesurvival patients lartificial networkmodelsforpredictionofcardiovascularautonomic web- diabetes tientsbyusingan

人工神经网络(ann)是一种动态信息处理系统,它具有联想记忆、自组织、自适应、自学习和容错性等特性。人工神经网络可实现对危险源的动态分级;可解决安全综合评价中的不确定性、模糊性和动态复杂性、指标多、数据多等难题;在安全预测方面,可进行煤与瓦斯突出预测、煤矿瓦斯涌出量预测、煤层自燃预测、交通事故预测等。讨论了其在安全科学中的应用现状及存在问题,并对未来研究方向进行了展望。

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。

为了提高继电器在设计和生产阶段的整体品质，通过建立基于人工神经网络的多层次综合评判模型．就可以在很大程度上对继电器产品进行有效的评价，从而提高了继电器产品的设计和生产质量。

综合考虑到温度、日期类型和天气等因素对短期电力负荷的影响,提出了一种将人工神经网络(ann)rbf模型和模糊逻辑相结合的短期负荷预测方法。该方法将电力负荷分为周期性的基本负荷和受多种因素影响的变动负荷两部分,对于周期负荷用ann进行预测,采用负荷预测中比较精确的rbf算法;变动负荷采用模糊逻辑对天气因素、温度、日期类型分别做不同的模糊处理,然后利用模糊推理规则对基本负荷预测结果进行修正。通过典型算例与普通bp法预测结果相比较,结果表明该方法具有较高的预测精度。

提出了基于电力系统运行模式及人工神经网络的潮流并行算法。利用电力系统运行模式向人工神经网络提供训练样本，并用灵敏度分析提高计算精度，从而有效地压缩样本模式空间。人工神经网络的大规模并行处理及快速分类功能为该算法的快捷提供了保证。算例验证该算法有效、可行。

1引言为提高化工过程的可靠性与安全性,事故树分析法(fta)是被公认的有效方法之一。事故树是描述化工过程各变量之间相互关系的一种二值逻辑结构,其内部存在着信息流的传输、处理与控制机制。从这一观点出发,可从另一角度揭示事故的形成机理以及最佳控制决策的选择问题。为了进一步安全评价、安全设计以及拟定最佳安全管理方案,本文探讨了事故树结构优化的问题。建立了结构优化的目标函数,并以结构安全度作为评价指

随着电力工业的发展，人工神经元网络（ann）在电力系统中获得了广泛的应用。本文概述了人工神经元网络的特点、基本结构，并对ann在电力系统中的具体应用做了详细的话述。最后，对人工神经元网络的发展趋势和在电力系统中的应用前景进行了展望。

随着电力工业的发展,人工神经元网络(ann)在电力系统中获得了广泛的应用。本文概述了人工神经元网络的特点、基本结构以及发展过程,并对ann在电力系统中的具体应用做了详细的论述。最后,对人工神经元网络的发展趋势和在电力系统中的应用前景进行了展望。

依据建筑物火灾危险性的影响因素,应用人工神经网络理论及系统安全方法,建立了建筑物火灾危险性的评价指标体系,该方法摆脱了评价过程中的随机性和参评人员主观上的不确定性及其认识上的模糊性等缺点,大大提高了准确性。为了验证评价模型的准确性,将该理论应用到某高校图书馆火灾危险性评价中,快速、准确地得到了安全评价结果,取得了满意效果,为建筑物防火设计以及安全管理提供了可行的依据。

建筑企业的安全问题不仅关系到建筑行业的发展,而且关系到社会的和谐与进步。从管理者的视角构建了建筑企业安全管理评价指标体系,并对指标之间的关系做了简要的说明。然后应用主成份分析对神经网络的输入数据进行预处理,提取其中的关键成分作为网络的输入,并采用遗传算法来提高神经网络的收敛速度。最后以天津市建筑企业为实例加以说明并进行了分析。结果表明,建立的模型不仅较公平、合理,而且提高了神经网络模型的学习效率。

在研究国内城市土地评价方法和分析了山西省自然、经济和社会状况的基础上,提出利用人工神经网络、结合特尔菲法建立城市国有土地资产总量评估指标体系,以城市的综合平均地价为评价目标的国有土地资产总量评估方法。本文在模型建立过程中,以山西省22个城市中的18城市的资料为学习样本,以20个城市评估指标为输入,以城市综合平均地价为输出,建立了三层bp人工神经网络,并以其余4个城市的资料作为验证,取得了较好的模拟效果。有效地解决了利用有限的城市(镇)地价资料,结合城市(镇)统计资料,进行国有土地价格的评估,进而为国有土地资产总量的评估提出新的探讨途径。

用vb编制了人工神经网络的通用bp算法程序。根据西安参考年气象参数,采用动态模拟程序计算了某办公楼4月至9月逐时冷负荷,结果显示利用神经网络的预测值与计算值吻合。

电力系统短期负荷预测是保证电力系统安全经济运行和实现电网科学管理及调度的重要依据,目前的电力系统短期负荷预测方法存在着一些不足。提出了基于人工神经网络与主分量分析的短期负荷预测方法,在试验中分别采用该方法和单一的人工神经网络对辽宁省某电网的短期负荷进行了预测,试验结果表明本文提出的方法与单一的人工神经网络预测法相比,不但减少了预测的时间,而且避免了过拟合现象,提高了预测精度。

基于人工神经网络的软件质量评价