基于GA-Elman神经网络的起爆具生产线风险预测系统的研究
发布时间：2022-12-08 06:43
起爆具作为一种引爆钝感炸药的爆破器材,被广泛应用在基础建设中,在民用爆破中扮演着重要的角色,为经济建设做出了巨大的贡献。在起爆具能给企业带来巨大效益的同时,更要重视起爆具生产线的安全问题。如果没有对其生产线的安全问题进行严格把控和风险预测,一旦发生爆炸,将带来严重的后果。起爆具的生产工艺较为复杂,涉及到多项影响因素,使用传统的预测方法不能很好的解决起爆具生产线风险管控问题。因此,本文采用改进的遗传算法（GA）优化的Elman神经网络来建立风险预测模型,并基于该模型对起爆具生产线进行风险预测,最后在实验室环境下对此进行了分析与验证。本文主要研究内容如下:（1）首先介绍本文的研究背景与意义和国内外风险管理的发展趋势,综述风险管理的目的以及当前风险管理办法存在的不足,引出基于神经网络的风险预测解决思路,并给出起爆具生产线风险预测实现方案。（2）在Elman神经网络原有的结构上增加输入承接层和输出承接层,实现对输入层和输出层的前一刻信息进行保留。又考虑到遗传算法中种群的集中分散程度,对遗传算法的交叉概率和变异概率进行自适应改进。同时为了加快模型的寻优效果,将排序选择策略和最优保存策略相结合优化...
【文章页数】：81 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 课题的研究背景和意义
1.2 国内外风险管理发展趋势与研究现状
1.2.1 国内外风险管理发展趋势
1.2.2 风险管理目的以及当前风险管理办法
1.2.3 神经网络处理风险预测问题的优越性
1.2.4 起爆具生产线风险预测的设计方案
1.3 论文的研究目的与结构安排
第2章 改进的GA-Elman神经网络模型的研究
2.1 神经网络的介绍
2.1.1 神经网络的特点
2.1.2 神经网络模型
2.1.2.1 神经元网络模型
2.1.2.2 激励函数类型
2.1.2.3 神经网络的拓扑结构
2.1.2.4 神经网络的学习方法
2.2 标准的Elman神经网络
2.2.1 标准的Elman神经网络介绍
2.2.2 标准的Elman神经网络参数学习算法
2.2.3 改进的Elman神经网络
2.3 改进的GA-Elman神经网络模型分析
2.3.1 遗传算法的介绍
2.3.2 遗传算法的核心内容
2.3.3 遗传算法的改进
2.3.3.1 选择算子的优化
2.3.3.2 交叉概率和变异概率的自适应改进
2.3.4 改进的遗传算法优化Elman神经网络的流程
2.4 本章小结
第3章 起爆具生产线的风险因素分析
3.1 起爆具生产线工艺流程
3.2 起爆具生产线的重要控制环节
3.3 起爆具生产线风险分析的理论基础
3.3.1 安全风险预测
3.3.2 起爆具安全风险识别的原则
3.4 起爆具生产线风险因素分析
3.4.1 起爆具生产线固有风险因素
3.4.2 起爆具生产线设备信号量分析
3.5 基于PCA的风险因素特征提取
3.5.1 PCA的基本原理
3.5.2 基于PCA提取样本数据主成分
3.6 起爆具生产线风险预测系统方案设计
3.7 本章小结
第4章 基于改进的GA-Elman神经网络风险预测模型的建立
4.1 起爆具生产线数据风险等级
4.2 模型输入的数据样本预处理
4.3 改进的GA-Elman神经网络模型的各项参数选取
4.3.1 Elman神经网络参数选取
4.3.2 遗传算法参数选取
4.4 基于改进的GA-Elman神经网络预测模型的仿真与分析
4.4.1 仿真结果
4.4.2 对比实验
4.4.3 实验结果分析
4.5 本章小节
第5章 起爆具生产线风险预测系统的实现
5.1 硬件系统设计
5.1.1 传感器的选择
5.1.2 控制器的选择
5.1.3 工控机的选择
5.1.4 硬件设计流程图
5.2 软件系统设计
5.2.1 风险预测系统的软件架构
5.2.2 开发工具的介绍
5.3 软件数据交互
5.3.1 数据库与组态王相连
5.3.2 数据库与Visual Basic相连
5.3.3 MATLAB与 Visual Basic相连
5.4 起爆具生产线风险预测系统的功能开发
5.4.1 预测系统实现流程
5.4.2 系统监控界面
5.5 起爆具生产线风险预测系统的测试
5.6 本章小结
第6章 总结与展望
6.1 全文总结
6.2 展望未来
致谢
参考文献
附录
【参考文献】：
期刊论文
[1]信号分解与融合神经网络的金融数据预测研究[J]. 金丰,邵清. 小型微型计算机系统. 2020(06)
[2]基于PCA主成分分析和K-means算法的汽车行驶工况数据量化研究[J]. 王沛,陈劲杰. 软件工程. 2020(03)
[3]基于PCA变换的超谱图像降维算法仿真[J]. 傅荣会. 计算机仿真. 2019(11)
[4]基于改进的遗传算法与人工神经网络的类流感的预测[J]. 胡红萍,白黄琴,白艳萍,张菊平,刘茂省. 中北大学学报(自然科学版). 2019(06)
[5]基于改进的遗传算法优化BP神经网络的车险欺诈识别模型[J]. 闫春,厉美璇,周潇. 山东科技大学学报(自然科学版). 2019(05)
[6]一种新型化工过程热失控危险指数方法[J]. 蒋军成,魏丹,倪磊. 南京工业大学学报(自然科学版). 2019(05)
[7]化工生产技术管理与化工安全生产的关系[J]. 王东. 化工设计通讯. 2019(08)
[8]基于RBF神经网络与Markov组合的飞行风险预测研究[J]. 杨梓鑫,薛源,徐浩军,王国智. 系统工程理论与实践. 2019(08)
[9]大数据分析技术的无线通信网络安全风险预测[J]. 庄海燕. 微电子学与计算机. 2019(08)
[10]融合PCA降维的改进深度神经网络工控安全算法[J]. 刘庆华,吴昊天. 计算机与数字工程. 2019(07)
硕士论文
[1]基于模糊神经网络的电梯电气故障诊断研究[D]. 裴航.华北理工大学 2019
[2]基于GA-Elman神经网络的无创连续血压测量方法的研究[D]. 袁春雨.吉林大学 2019
[3]基于故障树与神经网络的动车组空调系统故障分析[D]. 孙超凡.吉林大学 2019
[4]多灾种耦合下化工园区安全风险评估技术[D]. 陈柏封.华北科技学院 2019
[5]石狮市海洋捕捞渔船的安全风险防范研究[D]. 林培钦.华侨大学 2019
[6]基于深度学习的下一代车车通信列控系统安全风险预测[D]. 张炎.华东师范大学 2019
[7]基于多源信息融合技术的煤层气风险控制模型研究[D]. 王玉婷.中国矿业大学 2019
[8]基于卷积神经网络的中小企业信用风险预测模型研究[D]. 孙琦.北京交通大学 2019
[9]基于KPCA-CPSO-LSSVM的循环冷却水腐蚀预测研究[D]. 李静娴.天津理工大学 2019
[10]喷涂作业危险性分析评估及风险管控措施研究[D]. 王一丁.南京理工大学 2018
本文编号：3713758
【文章页数】：81 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 课题的研究背景和意义
1.2 国内外风险管理发展趋势与研究现状
1.2.1 国内外风险管理发展趋势
1.2.2 风险管理目的以及当前风险管理办法
1.2.3 神经网络处理风险预测问题的优越性
1.2.4 起爆具生产线风险预测的设计方案
1.3 论文的研究目的与结构安排
第2章 改进的GA-Elman神经网络模型的研究
2.1 神经网络的介绍
2.1.1 神经网络的特点
2.1.2 神经网络模型
2.1.2.1 神经元网络模型
2.1.2.2 激励函数类型
2.1.2.3 神经网络的拓扑结构
2.1.2.4 神经网络的学习方法
2.2 标准的Elman神经网络
2.2.1 标准的Elman神经网络介绍
2.2.2 标准的Elman神经网络参数学习算法
2.2.3 改进的Elman神经网络
2.3 改进的GA-Elman神经网络模型分析
2.3.1 遗传算法的介绍
2.3.2 遗传算法的核心内容
2.3.3 遗传算法的改进
2.3.3.1 选择算子的优化
2.3.3.2 交叉概率和变异概率的自适应改进
2.3.4 改进的遗传算法优化Elman神经网络的流程
2.4 本章小结
第3章 起爆具生产线的风险因素分析
3.1 起爆具生产线工艺流程
3.2 起爆具生产线的重要控制环节
3.3 起爆具生产线风险分析的理论基础
3.3.1 安全风险预测
3.3.2 起爆具安全风险识别的原则
3.4 起爆具生产线风险因素分析
3.4.1 起爆具生产线固有风险因素
3.4.2 起爆具生产线设备信号量分析
3.5 基于PCA的风险因素特征提取
3.5.1 PCA的基本原理
3.5.2 基于PCA提取样本数据主成分
3.6 起爆具生产线风险预测系统方案设计
3.7 本章小结
第4章 基于改进的GA-Elman神经网络风险预测模型的建立
4.1 起爆具生产线数据风险等级
4.2 模型输入的数据样本预处理
4.3 改进的GA-Elman神经网络模型的各项参数选取
4.3.1 Elman神经网络参数选取
4.3.2 遗传算法参数选取
4.4 基于改进的GA-Elman神经网络预测模型的仿真与分析
4.4.1 仿真结果
4.4.2 对比实验
4.4.3 实验结果分析
4.5 本章小节
第5章 起爆具生产线风险预测系统的实现
5.1 硬件系统设计
5.1.1 传感器的选择
5.1.2 控制器的选择
5.1.3 工控机的选择
5.1.4 硬件设计流程图
5.2 软件系统设计
5.2.1 风险预测系统的软件架构
5.2.2 开发工具的介绍
5.3 软件数据交互
5.3.1 数据库与组态王相连
5.3.2 数据库与Visual Basic相连
5.3.3 MATLAB与 Visual Basic相连
5.4 起爆具生产线风险预测系统的功能开发
5.4.1 预测系统实现流程
5.4.2 系统监控界面
5.5 起爆具生产线风险预测系统的测试
5.6 本章小结
第6章 总结与展望
6.1 全文总结
6.2 展望未来
致谢
参考文献
附录
【参考文献】：
期刊论文
[1]信号分解与融合神经网络的金融数据预测研究[J]. 金丰,邵清. 小型微型计算机系统. 2020(06)
[2]基于PCA主成分分析和K-means算法的汽车行驶工况数据量化研究[J]. 王沛,陈劲杰. 软件工程. 2020(03)
[3]基于PCA变换的超谱图像降维算法仿真[J]. 傅荣会. 计算机仿真. 2019(11)
[4]基于改进的遗传算法与人工神经网络的类流感的预测[J]. 胡红萍,白黄琴,白艳萍,张菊平,刘茂省. 中北大学学报(自然科学版). 2019(06)
[5]基于改进的遗传算法优化BP神经网络的车险欺诈识别模型[J]. 闫春,厉美璇,周潇. 山东科技大学学报(自然科学版). 2019(05)
[6]一种新型化工过程热失控危险指数方法[J]. 蒋军成,魏丹,倪磊. 南京工业大学学报(自然科学版). 2019(05)
[7]化工生产技术管理与化工安全生产的关系[J]. 王东. 化工设计通讯. 2019(08)
[8]基于RBF神经网络与Markov组合的飞行风险预测研究[J]. 杨梓鑫,薛源,徐浩军,王国智. 系统工程理论与实践. 2019(08)
[9]大数据分析技术的无线通信网络安全风险预测[J]. 庄海燕. 微电子学与计算机. 2019(08)
[10]融合PCA降维的改进深度神经网络工控安全算法[J]. 刘庆华,吴昊天. 计算机与数字工程. 2019(07)
硕士论文
[1]基于模糊神经网络的电梯电气故障诊断研究[D]. 裴航.华北理工大学 2019
[2]基于GA-Elman神经网络的无创连续血压测量方法的研究[D]. 袁春雨.吉林大学 2019
[3]基于故障树与神经网络的动车组空调系统故障分析[D]. 孙超凡.吉林大学 2019
[4]多灾种耦合下化工园区安全风险评估技术[D]. 陈柏封.华北科技学院 2019
[5]石狮市海洋捕捞渔船的安全风险防范研究[D]. 林培钦.华侨大学 2019
[6]基于深度学习的下一代车车通信列控系统安全风险预测[D]. 张炎.华东师范大学 2019
[7]基于多源信息融合技术的煤层气风险控制模型研究[D]. 王玉婷.中国矿业大学 2019
[8]基于卷积神经网络的中小企业信用风险预测模型研究[D]. 孙琦.北京交通大学 2019
[9]基于KPCA-CPSO-LSSVM的循环冷却水腐蚀预测研究[D]. 李静娴.天津理工大学 2019
[10]喷涂作业危险性分析评估及风险管控措施研究[D]. 王一丁.南京理工大学 2018
本文编号：3713758
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3713758.html
