基于灰色BP网络的火灾事故预测

“女孩儿挥翅膀”通过精心收集，向本站投稿了4篇基于灰色BP网络的火灾事故预测，下面小编给大家整理后的基于灰色BP网络的火灾事故预测，希望大家喜欢!

篇1：基于灰色BP网络的火灾事故预测

基于灰色BP网络的火灾事故预测

摘要：将BP网络模型与灰色系统预测方法相结合,利用人工神经网络对GM(1,1)模型进行残差修正,建立了火灾事故预测模型.该模型兼具灰色系统与BP网络的优点,不但能体现火灾复杂的灰色系统行为,又能根据每次学习误差的'不同调整学习速率,加快收敛速度.与单一的GM(1,1)模型相比,该模型预测结果具有更高的精度.作 者：景国勋    王卫敏    郝天轩    JING Guo-xun    WANG Wei-min    HAO Tian-xuan  作者单位：河南理工大学安全科学与工程学院,河南焦作,454003 期 刊：工业安全与环保  PKU  Journal：INDUSTRIAL SAFETY AND ENVIRONMENTAL PROTECTION 年，卷(期)：, 34(2) 分类号：X9 关键词：灰色BP网络    火灾事故    GM(1,1)   

篇2：基于灰色理论与BP神经网络的工序质量预测研究

基于灰色理论与BP神经网络的工序质量预测研究

摘要：工序质量预测在质量控制中起着重要的作用,灰色理论GM(1,1)新陈代谢模型及BP人工神经网络技术在预测领域较为广泛地得到应用,尽管具有常规预测方面无法比拟的优势,但均有各自的局限性,因此提出了基于灰色理论与BP神经网络相结合的工序质量预测方法.在充分利用两者在预测领域的优势基础上建立了综合质量预测模型,实例计算表明该预测方法是可行的. 作者： 王秋明[1]  刘科成[2]  高慧颖[3] Author： WANG Qiu-ming[1]  LIU Ke-cheng[2]  GAO Hui-ying[3] 作者单位： 北京理工大学,管理与经济学院,北京,100081;中国科学院,微电子研究所,北京,100029北京理工大学,管理与经济学院,北京,10008;Informaties Research Centre,University of Reading,Reading,Berkshire,UK北京理工大学,管理与经济学院,北京,100081 期 刊： 北京理工大学学报   ISTICEIPKU Journal： TRANSACTIONS OF BEIJING INSTITUTE OF TECHNOLOGY 年，卷(期)： , 31(2) 分类号： N949 关键词： 灰色系统    神经网络    工序质量    残差    质量预测    机标分类号： TP3 X70 机标关键词： 灰色理论    人工神经网络技术    工序质量    预测研究    BP Neural Networks    Grey Theory    Based    Quality    质量预测模型    预测方法    新陈代谢模型    质量控制    优势    局限性    计算表    综合    基础    比拟 基金项目： 国家自然科学基金 基于灰色理论与BP神经网络的'工序质量预测研究[期刊论文]  北京理工大学学报 --2011, 31(2)王秋明  刘科成  高慧颖工序质量预测在质量控制中起着重要的作用,灰色理论GM(1,1)新陈代谢模型及BP人工神经网络技术在预测领域较为广泛地得到应用,尽管具有常规预测方面无法比拟的优势,但均有各自的局限性,因此提出了基于灰色理论与BP神经网...

篇3：一种新的组合灰色神经网络预测模型

一种新的组合灰色神经网络预测模型

对GM(1,1)灰色和几种灰色组合模型进行了讨论,针对多个相关序列预测的问题,提出了组合灰色GM(1,1)神经网络预测模型.此方法采用灰色模型对各序列进行预测,然后利用神经网络对预测值进行校正,得到最终预测值.实例表明此种模型在实际应用中的确能够提高预测精度.

作 者：许秀莉 罗键  作者单位：厦门大学自动化系,福建,厦门,361005 刊 名：厦门大学学报(自然科学版)  ISTIC PKU英文刊名：JOURNAL OF XIAMEN UNIVERSITY（NATURAL SCIENCE） 年，卷(期)： 41(2) 分类号：N941.6 关键词：模型   BP神经网络   组合灰色神经网络预测模型  

篇4：基于灰色神经网络的疲劳裂纹预测方法研究

基于灰色神经网络的疲劳裂纹预测方法研究

为对构件疲劳损伤进行预测,提出了基于灰色神经网络模型的疲劳裂纹扩展预测方法.将灰色GM(1,1)模型向BP网络映射,建立了一维灰色神经网络GNNM(1,1)模型.基于灰色GM(1,1)模型的发展系数和灰作用量给出了GNNM(1,1)膜型初始权值.应用建立的GNNM(1,1)模型预测了某不锈钢构件腐蚀疲劳裂纹的.扩展,并与GM(1,1)模型的预测结果进行了对比,表明GNNM(1,1)模型具有更高的预测精度和模型精度.

作 者：李建国 江龙平叶新农 LI Jian-guo JIANG Long-ping YE Xin-nong  作者单位：李建国,LI Jian-guo(海军装备部航订部,北京,100841)

江龙平,JIANG Long-ping(海军航空工程学院,青岛分院,山东,青岛,266041)

叶新农,YE Xin-nong(海军驻西安地区航空军事代表室,西安,710021)

刊 名：海军航空工程学院学报  ISTIC英文刊名：JOURNAL OF NAVAL AERONAUTICAL AND ASTRONAUTICAL UNIVERSITY 年，卷(期)：2008 23(3) 分类号：V250 TB114.3 关键词：疲劳损伤   灰色   神经网络