神经网络训练过程(bp神经网络工具箱教程)

从上图中可以看出,在y轴的0~1之间是个分水岭,0和1处的方向趋于水平。下面放大0~1的范围看看是什么样子的。

神经网络已经迅速发展,气象学者们也利用神经网络在众多科学领域取得的广泛应用和大量研究成果,开始尝试将其应用到气象研究中去。多层神经网络能处理非线性复杂问题具有其独特的优势。

636160 星期六 2 0 93 451 89

,数学中最神秘的5个符号e、i、π、1和0,全包含在里面了。

一般直线拟合的精确度要比曲线差很多,那么使用神经网络我们将如何使用曲线拟合?答桉是使用非线性的激活函数即可,最常见的激活函数是Sigmoid(S形曲线),Sigmoid有时也称为逻辑回归(Logistic Regression),简称logsig。logsig曲线的公式如下:

由于是有监督,必须已经有一些决策数据后才可以训练分类的模型

从表1及图3~图5可见,BP神经网络和ELM模型都得到了相应的预测效果,但在预测的准确性上不及GA_ELM模型。由于BP神经网络对样本数存在较高的要求,会存在过拟合现象以及ELM中随机赋值问题,导致这两种算法预测的准确性受到了影响。GA具有更好的全局寻优能力,采用GA优化ELM模型的随机赋值问题,使其得到最优解,得到的预测误差变小。


从图中可以看出,误差的函数曲线是个二次曲线,凸函数(下凸, Convex),像个碗的形状,最小值位于碗的最下端。如果在曲线的最底端画一条切线,那么这条切线一定是水平的,在图中可以把横坐标轴看成是这条切线。如果能求出曲线上每个点的切线,就能得到切线位于水平状态时,即切线斜率等于0时的坐标值,这个坐标值就是我们要求的误差最小值和最终的拟合直线的最终斜率。
这样,梯度下降的问题集中到了切线的旋转上。切线旋转至水平时,切线斜率=0,误差降至最小值。

将所有训练元组储存在模式空间中,一直等到经验元组出现才进行分类。

近年来,随着社会经济和对外贸易的迅速发展,各种水域的船舶流量不断增加,导致了航行水域的船舶交通事故频发,不仅带来了巨大的经济损失更是造成了人员伤亡。因此,提昇航行水域船舶流量预测的准确性和高效性尤为重要。同时,预测的准确性和高效性又为航道的规划设计和船舶通航管理提供了有力的依据。目前国内外研究船舶流量预测的方法有支持向量机预测[1]、回归分析[2]、灰色分析[3]等方法,然而这些预测方法都很难满足预测的高效性和准确性。

爆破监控系统设备的操作设计应该具有操作方便、省力、安全的特点,同时符合作业人员的操作习惯。如发爆器的充电与点炮开关的操作与显示要恰当合理;操作方向选择逆时针方向;开关操作的驱动力要结合操作的准确度和速度、操作的感觉及操作的平滑度等因素;此外,还要考虑设备误操作的设计。

关联规则简介

爆破监控系统中的人机界面交互设计主要有设备的显示设计和设备的操作设计。爆破监控系统设备必须具有显示功能,设备的显示器是向作业人员传达其运行状况信息或者信号的,主要通过传达视觉和听觉信息。视觉信息的传递如发爆器的显示屏,声光警示器LED点阵显示设计。显示器的设计要符合人的视觉特性,遵循准确、简单、一致及排列合理的原则。听觉信息的传达装置包括音响及报警装置和语音传达装置,音响和报警的设计要做到:(1)人员在其音响信号的接受范围内并且按照其规定的方式作出反应;(2)音响信号必须易于识别,如报警信号频率在500-600Hz之间;(3)能够引起人的注意,对于重要的信号报警,最好可以与光信号同时作用,组成视听双重报警信号。而语言传示设计要注意以下几个方面:(1)语言的清晰度,研究发现语言的清晰度达到75%以上时才能正确得传示信息;(2)语言的强度,研究表明语言强度在60-80dB之间时,人的主观感受最满意;(3)考虑噪声对语言的传示影响,噪声的存在会影响语言的传示效果,研究发现当噪声声压级大于40dB时,噪声对语言有掩蔽作用,从而影响语言的传达效果。

(2)作用函数模型

%对输入层与隐含层之间的权值和阈值进行修正

[pn, ps] = mapminmax(p, 0, 1); % 特征数据归一化
[tn, ts] = mapminmax(t, 0, 1); % 样本值归一化
sn = mapminmax(‘apply’, s, ps); % 测试数据,按ps比例缩放

武欣慧论文部分参考文献截图

然而,二值图像开运算和闭运算是通过腐蚀和膨胀定义的。因此,二值图像先腐蚀后膨胀的过程称为开运算,用来消除小物体、在纤细点处分离物体、平滑较大物体的边界的同时并不明显改变其面积;二值图像先膨胀后腐蚀的过程称为闭运算,用来填充物体内细小空洞、连接邻近物体、平滑其边界的同时并不明显改变其面积。火车票图像经过一次闭运算和两次开运算之后就能得到长方形状的区域如图6所示,每个区域块可能是二维码,也可能是干扰区域。因此,通过BP神经网络将干扰区域滤除掉,即可得到想要的二维码区域。

636163 星期二 3 0 140 741 61

随机森林(分类和回归):是一个包含多个决策树的分类器, 并且其输出的类别是由个别树输出的类别的众数而定。

无线接收器的作用是检测爆破危险区域是否有人员存在,实现爆破危险区的警戒。无线接收器具有自检、工作状态显示功能等。其内置无线射频收发模块,检测人员识别卡发射的射频信号并发送给智能发爆器。

表4 理论生成CO质量与实际产生CO质量

广义数据挖掘:数据挖掘是从存放在数据库、数据仓库或其它信息库中的大量数据挖掘有趣知识的过程。

神经网络的学习过程,即连接下层节点和上层节点之间的权重矩阵Wij的设定和误差修正过程。BP网络中,有师学习方式需要设定期望值,无师学习方式则只需输入模式。自学习模型为:

层次方法创建给定数据对象集合的一个层次性的分解。根据层次分解的形成过程,这类方法可以被分为自底向上的,或自顶向下的。有代表性的层次方法包括系统聚类法、模煳聚类方法。

(1. 北京科技大学 土木与资源工程学院,北京,100083

2. 北京龙德时代技术服务有限公司,北京,100096)

(1. School of Civil and Resources Engineering, University of Science and Technology Beijing, Beijing, 100083;

2. Beijing Longde Times Technology Lit. Co., Beijing, 100096)

目前,爆破采掘方式广泛存在矿山开采、隧道开掘、地下暗挖中,爆破事故却也随之频繁发生。爆破事故的发生不仅影响矿企单位的正常生产,而且严重威胁作业人员的安全与健康。对爆破事故的预防与控制,现有的研究及对策重点加强在爆破作业中的管理工作却忽视爆破作业技术应用与实践[1,2]。没有爆破监控技术的广泛的应用与实践上的提高,爆破管理水平的提昇也就无从谈起。由于爆破事故多在爆破作业时发生,因而在爆破采掘作业中引入爆破监控系统,利用工程技术手段配合爆破作业安全管理对预防爆破事故的发生、减少人员伤亡有重要的意义[3]

爆破作业中监控系统在煤矿生产、在金属矿山及隧道开挖等领域都有应用。如李伟忠[4]研究了爆破监控系统的实现目标及整体构架及在煤矿安全管理中的应用;尹卫兵[5]从减少爆破伤亡事故的角度,提出通过在煤矿引入爆破智能监测监控系统;刘一山[6]等研究了爆破智能管理系统工作原理及特点,阐述了其在煤矿爆破中的应用情况及效果。陶刘群[7]提出“智能爆破”,将物联网技术引入爆破器材智能管理、爆破现场智能监测管理和爆破振动智能监测与分析应用系统,并取得了一定的效果。韩新平[8]等从物联网的角度研究露天矿智能爆破系统设计进行了研究,重点介绍了露天矿智能爆破的总体架构、核心内容、关键技术。高文学[9]等将地质超前预报、爆破振动监测以及可视化监控融合的隧道掘进综合信息智能监控系统,确保复杂围岩地质条件下隧道施工安全。

爆破监控系统的功能设计需要以爆破事故致因理论为依据。事故致因理论阐明事故为什么会发生,事故是怎么发生的,以及如何防止事故发生,从本质上解释了事故发生的机理[10]。它为爆破监控系统设计提供理论指导,同时也能为系统设计提供充分的信息和依据,提高针对性,减少盲目性。通过对大量金属矿山爆破事故的分析与统计,根据爆破事故采场环境因素、爆破作业性质及班组组织管理等因素的影响作用,提出了爆破事故连锁理论模型。

2.1 系统组建

2.2 相关硬件设备介绍

1. 智能发爆器

2.人员连锁仪

3.无线接收器

4.安全距离标示器

5.声光警示仪

6.传输分站

7.气体传感器

3.1 爆破闭锁功能设计与应用

3.2 炮烟监测与分析功能

炮烟中毒事故占爆破事故比例的28.3%,为了预防炮烟中毒事故的发生,必须重视对爆破后炮烟的监测与预警。炮烟监测与分析系统包括炮烟在线监测平台、通风时间预测、爆炸化学效果分析等方面。

4.1系统爆破及闭锁功能

4.2炮烟监测与分析功能

1. 炮烟监测功能

2. 通风时间预测功能

3. 爆破化学效果分析功能

对CO理论、实际值进行对比分析可得出:(1)第3、5、8组中,实际产生的CO量和理论产生的CO量相差不大,考虑计算误差,由此推出炸药基本完全爆破,产物中生产的有毒有害气体少且与理论值相差不大;(2)第4、6组中,实际产生的CO量明显大于理论产生的CO的量,炸药完全爆炸,但产生的CO较多说明爆炸反应不充分;(3)第1、2、7组中,实际产生的CO量明显小于理论产生的CO量,推出炸药未完全爆破,可能存在残存未爆的炸药,这种情况下产生的有毒有害气体比于理论值要明显小。

[1] 武强, 王珊珊. 矿山爆炸灾害及其安全措施[J]. 采矿技术. 2009, 9(3): 108-110.

[1] Wu qiang, Wang Shanshan. Blasting disasters in mine and its safe measurement [J]. Mining Technology. 2009, 9(3): 108-110.

[2]王文才, 张世明, 周连春. 大型露天金属矿爆破的事故树分析[J]. 金属矿山. 2010, 406(4): 163-166.

[2]Wang Wencai, Zhang Shiming, Zhou Lianchun. Fault tree analysis on blasting operations at large-scale open metal mines[J]. Metal Mine. 2010, 406(4): 163-166.

[3]尚立汉. 爆破事故的预防技术措施综述[J]. 太原城市职业技术学院学报. 2009,95(6): 121-122.

[3] Shang Lihan. Comprehensive statement of prevention technology on blasting accident [J]. Journal of Taiyuan Occupational Technology College. 2009, 95(6): 121-122.

[4]李伟忠. 智能爆破监控系统方桉的设计与实践[C]. 煤矿综合自动化与机电技术. 2012: 84-87.

[4]Li Weizhong. Practice and design of plan of intelligent blasting monitoring system[C]. Comprehensive automation and electromechanical technology. 2012: 84-87.

[5] 尹卫兵. 监测监控系统在煤矿爆破中的应用[C].第23届煤矿自动化与信息化学术会议. 2011: 35-48.

[5]Yin Jubing. Application of monitoring and controlling system in coal mine blasting [C]. 23th Seminar Conference on Automation and Information in Coal Mine. 201: 35-48.

[6] 刘一山, 罗勇, 高继贤. 煤矿安全智能监控系统的设计和实现[J]. 煤炭工程. 2009, 8: 17-19.

[6]Liu Yishan, Luo Yong, Gao Jixian. Design and realization of safety intelligent monitoring system in coal mine [J]. Coal Engineering. 2009, 8: 17-19.

[7] 陶刘群, 汪旭光. 基于物联网技术的智能爆破初步研究[J]. 有色金属(矿山部分), 2012, 64(6): 59-63.

[7]Tao Liuqun, Wang Xuguang. WANG XUGUANG. Preliminary study of intelligent blasting based on the things of Internet [J]. Nonferrous Metals(mining section),2012, 64(6): 59-63.

[8] 韩新平, 吴崇, 王明君. 基于物联网的露天矿智能爆破系统设计研究[J]. 金属矿山, 2015, 466(6): 250-254.

[8] Han Xinping, Wu Chong, Wang Mingjun. Design of Intelligent Blasting System in Open Pit Mine Based on Internet of Things [J]. Metal mine, 2015, 466(6): 250-254.

[9]高文学, 侯炳晖, 孙西蒙. 隧道掘进综合信息智能监控系统研究[J]. 岩土力学, 2012, 33(S2): 408-412.

[9] GAO Wenxue, HOU Binghui, SUN Ximeng. Research on comprehensive information intelligent monitoring system for tunnel excavation[J]. Rock and Soil Mechanics, 2012, 33(S2): 408-412.

[10] 陈宝智. 安全原理[M]. 冶金工业出版社. 2002.

[10] Chen Baozhi. Safety Principal[M]. Metallurgical Industry Press. 2002.

[11] 王保国, 王新泉, 刘淑艳. 安全人机工程学[M]. 机械工业出版社. 2007.

[11]Wang Baoguo, Wang Xinquan, Liu Shuyan [M]. Safety Ergonomics. China Machine Press. 2007.

[12] 杨宏刚, 赵江平, 郭进平. 人-机系统事故预防理论研究[J]. 中国安全科学学报, 2009, 19(2): 21-27.

[12]Yang Hongguang, Zhao Jiangping, Guo Jinping. Research on accident prevention theory in man-machine system[J]. China Safety Society Journal. 2009, 19(2): 21-27.