中国安全科学学报
中國安全科學學報
중국안전과학학보
CHINA SAFETY SCIENCE JOURNAL(CSSJ)
2005年
5期
51-55
,共5页
通风系统%可靠性预警%指标体系%粗糙集(RS)%神经网络(ANN)%预警实现
通風繫統%可靠性預警%指標體繫%粗糙集(RS)%神經網絡(ANN)%預警實現
통풍계통%가고성예경%지표체계%조조집(RS)%신경망락(ANN)%예경실현
系统可靠性预警是度量系统运行状态偏离可靠性指标界线的强弱程度,确定预警等级和做出决策警示的过程.笔者在对目前国内外有关系统预警方法的分析比较基础上,针对矿井通风系统可靠性运行的实际状况,应用了粗糙集(RS)理论和神经网络(ANN)技术,提出了一种基于粗糙集-神经网络(RS-ANN)的矿井通风系统可靠性预警方法:首先,建立了一套适合于矿井通风系统可靠性的预警指标体系;然后,利用人工神经网络与粗糙集理论的优势互补,以粗糙集作为前置处理系统优化指标结构,构建了基于RS-ANN的通风系统可靠性预警仿真模型,并应用该模型进行了实例验证.其结果表明,该模型的仿真结论与基于ANN的结论十分吻合,训练效率提高了 667倍.
繫統可靠性預警是度量繫統運行狀態偏離可靠性指標界線的彊弱程度,確定預警等級和做齣決策警示的過程.筆者在對目前國內外有關繫統預警方法的分析比較基礎上,針對礦井通風繫統可靠性運行的實際狀況,應用瞭粗糙集(RS)理論和神經網絡(ANN)技術,提齣瞭一種基于粗糙集-神經網絡(RS-ANN)的礦井通風繫統可靠性預警方法:首先,建立瞭一套適閤于礦井通風繫統可靠性的預警指標體繫;然後,利用人工神經網絡與粗糙集理論的優勢互補,以粗糙集作為前置處理繫統優化指標結構,構建瞭基于RS-ANN的通風繫統可靠性預警倣真模型,併應用該模型進行瞭實例驗證.其結果錶明,該模型的倣真結論與基于ANN的結論十分吻閤,訓練效率提高瞭 667倍.
계통가고성예경시도량계통운행상태편리가고성지표계선적강약정도,학정예경등급화주출결책경시적과정.필자재대목전국내외유관계통예경방법적분석비교기출상,침대광정통풍계통가고성운행적실제상황,응용료조조집(RS)이론화신경망락(ANN)기술,제출료일충기우조조집-신경망락(RS-ANN)적광정통풍계통가고성예경방법:수선,건립료일투괄합우광정통풍계통가고성적예경지표체계;연후,이용인공신경망락여조조집이론적우세호보,이조조집작위전치처리계통우화지표결구,구건료기우RS-ANN적통풍계통가고성예경방진모형,병응용해모형진행료실례험증.기결과표명,해모형적방진결론여기우ANN적결론십분문합,훈련효솔제고료 667배.
