人工神經網絡范文10篇

摘要：根據現代控制技術的人工神經網絡理論提出了一種保護原理構成方案，并分析了原理實現的可行性和技術難點。

人工神經網絡（AartificialNeuralNetwork，下簡稱ANN）是模擬生物神經元的結構而提出的一種信息處理方法。早在1943年，已由心理學家WarrenS.Mcculloch和數學家WalthH.Pitts提出神經元數學模型，后被冷落了一段時間，80年代又迅猛興起［1］。ANN之所以受到人們的普遍關注，是由于它具有本質的非線形特征、并行處理能力、強魯棒性以及自組織自學習的能力。其中研究得最為成熟的是誤差的反傳模型算法（BP算法，BackPropagation），它的網絡結構及算法直觀、簡單，在工業領域中應用較多。

經訓練的ANN適用于利用分析振動數據對機器進行監控和故障檢測，預測某些部件的疲勞壽命［2］。非線形神經網絡補償和魯棒控制綜合方法的應用（其魯棒控制利用了變結構控制或滑動模控制），在實時工業控制執行程序中較為有效［3］。人工神經網絡（ANN）和模糊邏輯（FuzzyLogic）的綜合，實現了電動機故障檢測的啟發式推理。對非線形問題，可通過ANN的BP算法學習正常運行例子調整內部權值來準確求解［4］。

因此，對于電力系統這個存在著大量非線性的復雜大系統來講，ANN理論在電力系統中的應用具有很大的潛力，目前已涉及到如暫態，動穩分析，負荷預報，機組最優組合，警報處理與故障診斷，配電網線損計算，發電規劃，經濟運行及電力系統控制等方面［5］。

本文介紹了一種基于人工神經網絡（ANN）理論的保護原理。

1、人工神經網絡理論概述

人工神經網絡理論（ArtificalNeuralNetworkstheory,ANN）是80年代中后期在世界范圍內迅速發展起來的一個前沿研究領域。人工神經網絡是一種有自組織、自學習能力的網絡系統，它的應用對各門學科都產生了重要的影響。目前，ANN理論的研究取得了令人矚目的進展。由于其具有非線性、高維性、大規模并行處理、信息的分布或儲存、聯想、記憶和容錯等特征，在預測具有高復雜程度的非線性時間序列問題方面明顯優于傳統預測方法。

水工隧洞一般都有過水要求，加上其復雜的地質條件，因此正確的進行圍巖分類后采取相應的支護措施將對保證隧洞穩定性起決定性的作用。圍巖分類是一類非線性的綜合判定問題，用人工神經網絡方法來判別水工隧洞圍巖類別是一種新的嘗試和新的方法。

1．圍巖分類的判定依據

水工隧洞圍巖工程地質分類應以控制圍巖穩定的巖石強度、巖體完整程度、張開度、地下水力狀態和主要結構面產狀等五項因素綜合評分為依據，圍巖強度應力比為限定依據，見表1。

表1圍巖工程地質分類依據

指標名稱評價因素

摘要根據現代控制技術的人工神經網絡理論提出了一種保護原理構成方案，并分析了原理實現的可行性和技術難點。

人工神經網絡(AartificialNeuralNetwork，下簡稱ANN)是模擬生物神經元的結構而提出的一種信息處理方法。早在1943年，已由心理學家WarrenS.Mcculloch和數學家WalthH.Pitts提出神經元數學模型，后被冷落了一段時間，80年代又迅猛興起［1］。ANN之所以受到人們的普遍關注，是由于它具有本質的非線形特征、并行處理能力、強魯棒性以及自組織自學習的能力。其中研究得最為成熟的是誤差的反傳模型算法(BP算法，BackPropagation)，它的網絡結構及算法直觀、簡單，在工業領域中應用較多。

經訓練的ANN適用于利用分析振動數據對機器進行監控和故障檢測，預測某些部件的疲勞壽命［2］。非線形神經網絡補償和魯棒控制綜合方法的應用(其魯棒控制利用了變結構控制或滑動模控制)，在實時工業控制執行程序中較為有效［3］。人工神經網絡(ANN)和模糊邏輯(FuzzyLogic)的綜合，實現了電動機故障檢測的啟發式推理。對非線形問題，可通過ANN的BP算法學習正常運行例子調整內部權值來準確求解［4］。

因此，對于電力系統這個存在著大量非線性的復雜大系統來講，ANN理論在電力系統中的應用具有很大的潛力，目前已涉及到如暫態，動穩分析，負荷預報，機組最優組合，警報處理與故障診斷，配電網線損計算，發電規劃，經濟運行及電力系統控制等方面［5］。

本文介紹了一種基于人工神經網絡(ANN)理論的保護原理。

1人工神經網絡理論概述

目前，國內外用于城市用水量短期預測的方法多為時間序列分析法并采用多種預測模型，但都存在計算比較復雜、費時、預測精度較差等問題。

現通過對時用水量變化規律的研究，提出以神經網絡法預測城市短期用水量。

1城市供水管網用水量變化規律

在我國城市供水系統中，用水量一般包括居民生活用水、工礦企業生產用水和公共事業用水等。同一城市在一天內的不同時段，用水量會發生顯著變化。

雖然城市用水量的變化受氣候、生活習慣、生產和生活條件等諸多因素的影響，變化情況也較為復雜，但通過分析不難發現：城市用水量曲線呈現三個周期性的變化，即：一天(24h)為一個周期、一星期(7d)為一個周期、一年(365d)為一個周期，并受增長因素(人口增長，生產發展)的影響。若將預測時段取為1h，則季節因素和增長因素的影響就顯得十分緩慢，因此管網時用水量的變化具有兩個重要特征：隨機性和周期性。

2人工神經網絡模型

摘要：統計學習方法和人工神經網絡都是在數據分類任務中的使用的模型。本文從技術的角度上總結分析這些模型的相同點與不同點，提供對這些模型分類性能的客觀分析。最后本文對如何更好地提升統計學習和人工神經網絡的分類性能進行分析總結。

關鍵詞：機器學習；神經網絡；人工智能

1引言

預測模型在各種領域被用于分析和預測。預測模型都是從真實的數據樣本中建立的，這些樣本數據可以根據一系列規則進行預處理和轉格式，普遍用于基于知識的專家系統，或者作為統計和機器學習的訓練數據集。目前在機器學習中較受歡迎的是統計學習方法[1-3]和人工神經網路[4,5]。雖然這兩種模型分別來自于統計學和計算機學，但同時也具有一定的相似性。在本文我們給出了統計學習方法和人工神經網絡的在模式統計識別中共同點，并且說明為何神經網絡可以看做是統計學習的總結。目前預測模型算法已經有不少現成的實現，既有免費的也有商業的軟件可用于測試。通過測試發現所獲取的結果主要依賴于三個因素：模型構建的數據集的質量、所調整的模型參數和用于計算模型處理結果的評價標準。在總結中，我們指出判斷這些預測模型測試結果的好壞所影響的因素。

2統計學習中的典型算法

支持向量機和k近鄰都是統計學習中的典型算法。支持向量機是從統計學習理論思想的一種實現，其工作是從數據集中建立具有一致性的評價器。支持向量機關系的問題是：一個模型如何根據僅僅給出的特征集和訓練數據集在未知的數據集中進行預測？在算法上，支持向量機通過解決約束二次優化問題在數據集中建立最佳的分界線。通過使用不同的核心函數，可以使模型包含不同程度的非線性和靈活性。因為他們可以從不同的高級統計思想中衍生出來，并且在模型計算時不會出現統計錯誤，因此支持向量機在過去的幾年都引起了大量的研究者的興趣。支持向量機的劣勢在于分類的是純粹的二分法，不會給出潛在的其他類別。K近鄰算法與其他方法不同的是k近鄰算法把數據直接用于分類，而且并不需要預先構建模型。這樣便不需要考慮模型構建的細節，并且在算法中需要考慮調整的參數只有k，其中k是在評估類別時候需要包含的近鄰的數量：p(y|x)的計算值是在x的k近鄰中屬于y類別的成員數量的比值。通過改變k，模型的靈活性可以相對提高和降低。k近鄰與其他算法相比的優勢在于近鄰可以提供分類結果的解釋，在黑盒模型不足的時，這種基于實例的解釋更具有優勢。而k近鄰的主要缺點在于近鄰的計算中：為了計算近鄰需要定義一個量度計算不同原子數據之間的距離。在大部分應用領域中，如何這種方式定義的量度并不清晰，只能通過嘗試和失敗，根據相對重要的并不確定是否能反應量度的數據來定義量度。

摘要根據現代控制技術的人工神經網絡理論提出了一種保護原理構成方案，并分析了原理實現的可行性和技術難點。

人工神經網絡(AartificialNeuralNetwork，下簡稱ANN)是模擬生物神經元的結構而提出的一種信息處理方法。早在1943年，已由心理學家WarrenS.Mcculloch和數學家WalthH.Pitts提出神經元數學模型，后被冷落了一段時間，80年代又迅猛興起［1］。ANN之所以受到人們的普遍關注，是由于它具有本質的非線形特征、并行處理能力、強魯棒性以及自組織自學習的能力。其中研究得最為成熟的是誤差的反傳模型算法(BP算法，BackPropagation)，它的網絡結構及算法直觀、簡單，在工業領域中應用較多。

經訓練的ANN適用于利用分析振動數據對機器進行監控和故障檢測，預測某些部件的疲勞壽命［2］。非線形神經網絡補償和魯棒控制綜合方法的應用(其魯棒控制利用了變結構控制或滑動模控制)，在實時工業控制執行程序中較為有效［3］。人工神經網絡(ANN)和模糊邏輯(FuzzyLogic)的綜合，實現了電動機故障檢測的啟發式推理。對非線形問題，可通過ANN的BP算法學習正常運行例子調整內部權值來準確求解［4］。

因此，對于電力系統這個存在著大量非線性的復雜大系統來講，ANN理論在電力系統中的應用具有很大的潛力，目前已涉及到如暫態，動穩分析，負荷預報，機組最優組合，警報處理與故障診斷，配電網線損計算，發電規劃，經濟運行及電力系統控制等方面［5］。

本文介紹了一種基于人工神經網絡(ANN)理論的保護原理。

1人工神經網絡理論概述

一、化工企業安全管理評價體系

1評價體系建立的原則依據化工行業的安全評價體系依賴于化工行業的生產實際情況，利用模糊評判模型方法及層次分析法進行綜合分析。綜合分析依賴于3個方面：（1）化工企業安全文化評價指標；（2）化工企業安全文化指標；（3）化工企業安全文化指標權重。對于要構建的化工企業安全管理評價指標體系這樣一個復雜的工程，要求涵蓋現在化工企業安全管理的多方面內容。我們這里從六個方面來構建：（1）企業安全物質文化；（2）企業安全行為文化；（3）企業安全制度文化；（4）企業安全觀念文化；（5）企業系統文化的持久性；（6）企業系統文化的開放性來建立安全管理評價體系，該管理評價體系又從這6個方面細化為多個條款，依據現有的法律、法規以及國家規范對每個評價指標做了闡釋，確定各個條款在這個評價體系中占的權值。2建立化工企業評價指標的意義和方法現代化工企業和其他行業一樣處于各行各業飛速發展的信息時代，安全評價體系建設工作是直接影響化工行業發展的大事。安全評價指標體系的完善程度關系化工企業的發展，現代化管理是否達標跟上時代步伐，因此建立化工企業評價指標體系意義重大。（1）理論分析化工企業安全評價體系的特點，論述神經網絡技術在該評價體系中的可行性，提出建立基于人工神經網絡的化工企業安全評價體系方法。（2）充分考慮化工生產企業的多種因素，確定評價指標各細則條目，條目要求囊括生產過程的所有相關因素。（3）在認真總結前人研究的基礎上，結合所構建的安全評價指標體系，以及采集到的各生產工段的安全狀況數據，構建了適于化工企業安全評價的基于神經網絡技術的BP網絡非線性模型。

二、人工神經網絡在化工企業安全管理評價體系中的體現

1人工神經網絡技術在化工企業安全評價中的可行性人工神經網絡的基礎單元是神經元，網狀連接的神經元模擬人的大腦活動方式來處理數據信息，這些信息是并行出來的，其網絡結構像一個復雜局域網的拓撲圖，進行非線性的信息處理和傳輸。人工神經網絡就像人的大腦一樣進行活動，接受外界來的信息后訓練神經網絡，這些神經網絡模型邊學習、邊適應、聯想記憶，模擬的神經網絡模型避開復雜的數學運算，在非完善數學模式的狀態下取得較為理想的分析效果。如今神經網絡技術在多個領域受到學術研究和技術應用的青睞，應用在模式識別、智能控制、虛擬技術、人工智能等多個領域。我們知道互聯網絡拓撲分為多種結構，神經網絡模型與之類似也存在多種拓撲連接方式。2BP神經網絡結構在評價體系的設計體現BP神經網絡模式是最常用的神經網絡拓撲方式。BP網絡模型模擬人的神經網絡處理信息的機理是：當信號m進入輸入單元，通過隱單元作用到輸出單元，中間含非線性變換的過程，從輸出單元輸出信號n，神經網絡訓練任一樣本，樣本包括輸入信號m和期盼的輸出值k，k與n之間必然存在差異，通過隱單元的作用減小k和n之間的差異，使誤差降低最低。神經網絡多次進行這種訓練過程，差異到最小時訓練終止。BP網絡模型由4個模型組成，輸入輸出模型、變換函數模型、計算誤差模型和自我訓練模型。BP神經網絡在安全評價體系中的應用：首先確定神經網絡的拓撲結構，該結構的層級是多少，輸入層節點、輸出層節點以及隱含層的節點到底有多少，信息做到具體化。將神經網絡與安全管理評價體系中的相關參數關聯，與評價體系關聯的參數的種類、數量以及特征都有拓撲結構建立對應關系，確定各參數在管理評價體系中的狀態及表達方式。篩選學習樣本提供給神經網絡進行訓練，盡量將樣本采集全面，樣本越多越能全面的供神經網絡學習，盡量把樣本選擇多樣化且有代表性，樣本代表企業安全生產過程的各自安全狀態，樣本的訓練過程其實也是對網絡中節點間的權值修正和誤差拉近的過程。為了降低整個網絡的負責度級別，盡量避免選擇高難度的函數來作為處理函數，一般選擇非線性復雜低的函數作為神經網絡的作用函數。安全評價知識庫是建立安全評價體系的集中點，輸入節點、輸出節點以及隱含節點是安全評價知識庫的要素，賦予網絡節點間的權值也是安全評價知識庫的要素，這些要素構成了系統安全評價知識庫，為神經網絡活動提供支持。聯系實際安全生產情況，神經網絡不能脫離實際情況，在學習和訓練過程都要將實際模擬過程的特征值導入到神經網絡。依靠前面建立的系統安全評價知識庫多次進行培訓學習，每次學習的結果數據作為新的樣本充實安全評價知識庫，整個過程形成良性循環。3人工神經網絡在評價體系中的優點（1）評價處理速度快，基于神經網絡的特征，物理結構是并行的，信息處理方式為并行處理，通過選擇所有安全評價體系中的指標內容，克服只是片面評價的弊端，全面對化工企業安全管理評價體系和所有影響參數的狀態進行評價。（2）優越的自我學習能力，利用神經網絡事先構建的知識庫和所具有的自適應能力，通過不斷訓練和學習，結合歷史的案例和現在的新技術新知識，建立適應當前生產實際的安全管理評價體系。（3）人工神經網絡理論具有很強的容錯能力，只有作用函數和數據結構選擇恰當才能利用神經網絡的特性進行分析處理，得到當前系統安全狀態的評價值。基于神經網絡的評價方式雖然有很多優點，但是一些有代表性的評價方法如AHP方法，Fuzzy評價方法也具備其存在的空間和價值。基于神經網絡的評價方法是通過這些傳統有代表性的評價方法總結學習達到目的的。如果評價指標體系中某個參數發生變化時，先利用傳統的評價方式獲得評價樣本，神經網絡借助于這些評價樣本進一步通過學習訓練達到建立完善安全管理評價體系的目的。

三、結語

化工企業是高危行業，規模越大，生產手段越先進其安全問題涉及的人身及國家財產問題范圍更廣。化工企業建立安全管理評價體系，有助于主管部門進一步掌握化工企業安全管理的發展趨勢，并可為制定宏觀政策提供決策依據，運用新的人工神經網絡科學技術完善安全管理評價體系的結構，使化工企業管理走向規范化、科學化和系統化，使化工企業走上良性發展的道路。

摘要：根據現代控制技術的人工神經網絡理論提出了一種保護原理構成方案，并分析了原理實現的可行性和技術難點。

人工神經網絡（AartificialNeuralNetwork，下簡稱ANN）是模擬生物神經元的結構而提出的一種信息處理方法。早在1943年，已由心理學家WarrenS.Mcculloch和數學家WalthH.Pitts提出神經元數學模型，后被冷落了一段時間，80年代又迅猛興起［1］。ANN之所以受到人們的普遍關注，是由于它具有本質的非線形特征、并行處理能力、強魯棒性以及自組織自學習的能力。其中研究得最為成熟的是誤差的反傳模型算法（BP算法，BackPropagation），它的網絡結構及算法直觀、簡單，在工業領域中應用較多。

經訓練的ANN適用于利用分析振動數據對機器進行監控和故障檢測，預測某些部件的疲勞壽命［2］。非線形神經網絡補償和魯棒控制綜合方法的應用（其魯棒控制利用了變結構控制或滑動模控制），在實時工業控制執行程序中較為有效［3］。人工神經網絡（ANN）和模糊邏輯（FuzzyLogic）的綜合，實現了電動機故障檢測的啟發式推理。對非線形問題，可通過ANN的BP算法學習正常運行例子調整內部權值來準確求解［4］。

因此，對于電力系統這個存在著大量非線性的復雜大系統來講，ANN理論在電力系統中的應用具有很大的潛力，目前已涉及到如暫態，動穩分析，負荷預報，機組最優組合，警報處理與故障診斷，配電網線損計算，發電規劃，經濟運行及電力系統控制等方面［5］。

本文介紹了一種基于人工神經網絡（ANN）理論的保護原理。

1、人工神經網絡理論概述

1．前言

人工神經網絡（ANN）又稱連接機制模型（ConnectionModel）或并行分布處理模型（ParallalDistributedModel）。作為人工智能的研究方法，目前已廣泛應用于自然科學的各個領域，應用計算機程序來模擬這種特殊的數學模型并應用于實際流域的洪水預報研究中，無疑是一種新的嘗試和有益探索。岳城水庫是海河流域南運河水系漳河上的一座大型控制性工程，入庫洪水突發性強，水猛多沙，為確保下游河北、河南、山東、天津廣大平原地區和京廣鐵路的安全，對水庫入庫洪水進行精確預報，及時采取預泄和分洪措施顯得極其重要，因此，用人工神經網絡模型模擬預報水庫的入庫洪水過程，有重要參考和借鑒意義。

2．BP網絡的構建

人工神經網絡是一個高度復雜的非線性動力學系統，它有大量的簡單處理單元（神經元）廣泛連接而成，他對人腦的功能作了某種簡化、抽象和模擬，具有很強的非線性映射能力，其中對多層前向神經網絡bp模型的研究相對成熟，應用最為廣泛，其模型結果如圖：

結構中，輸入層、隱層和輸出層神經元的個數根據具體情況設定，其中隱層層數不一，不失一般性對輸出層中只含有一個神經元的三層前向神經網絡分析如下：假設輸入層中有個神經元，隱層中有個神經元，輸出層神經元的輸出，即整個網絡的輸出為Y，網絡中輸入層的輸入分別為,,…，則隱層神經元的輸入分別是：

(i=1,2,…m)(2.1)

摘要：應用人工神經網絡的基本原理，建立了一個基于神經網絡的煤礦立井井筒非采動破裂的預測系統，實現了立井井筒破裂預測的智能化。最后將神經網絡預測結果與數值計算結果對比，認為應用人工神經網絡對立井井筒破裂時間的預測比較準確，實用。

關鍵詞：立井井筒非采動破裂反向傳播網絡神經網絡預測數值模擬

一、煤礦立井發生破壞問題的提出

徐淮地區是中國東部主要的煤炭開采基地，其煤炭的生產直接影響著我國煤炭的總產量，在國民經濟建設中占有重要的地位。然而自20世紀80年代以來，在我國徐淮地區（徐州、淮北、淮南）地區，出現了一種新的礦井破裂災害——井筒的非采動破裂，即煤礦立井在不受地下采動影響的條件下（井筒及其附近的工業廣場都留有足夠的保護煤柱），井壁發生嚴重變形和破裂，致使提升運輸困難。90年代以來，在我國特大型煤炭企業'''');">企業兗州礦業集團的9對井筒也先后發生了破壞(有關兗州礦區井筒破裂的基本情況如表1所示)。煤礦豎井是礦山生產運輸的咽喉要道，因此豎井的破壞嚴重影響了礦山生產，給各煤礦造成了巨大的經濟損失。

為了盡量減少立井的非采動破裂所造成的經濟損失，現在各大礦山都對井筒的變形進行了預報和治理，到目前對井筒破裂的預報方法主要有兩種：

1）第一種方法是通過加強對井筒變形的監測，以監測數據為依據，對井筒的變形進行分析，對其破裂進行預報。