起爆具作為一種引爆鈍感炸藥的爆破器材,被廣泛應(yīng)用在基礎(chǔ)建設(shè)中,在民用爆破中扮演著重要的角色,為經(jīng)濟建設(shè)做出了巨大的貢獻。在起爆具能給企業(yè)帶來巨大效益的同時,更要重視起爆具生產(chǎn)線的安全問題。如果沒有對其生產(chǎn)線的安全問題進行嚴格把控和風險預(yù)測,一旦發(fā)生爆炸,將帶來嚴重的后果。起爆具的生產(chǎn)工藝較為復(fù)雜,涉及到多項影響因素,使用傳統(tǒng)的預(yù)測方法不能很好的解決起爆具生產(chǎn)線風險管控問題。因此,本文采用改進的遺傳算法（GA）優(yōu)化的Elman神經(jīng)網(wǎng)絡(luò)來建立風險預(yù)測模型,并基于該模型對起爆具生產(chǎn)線進行風險預(yù)測,最后在實驗室環(huán)境下對此進行了分析與驗證。本文主要研究內(nèi)容如下:（1）首先介紹本文的研究背景與意義和國內(nèi)外風險管理的發(fā)展趨勢,綜述風險管理的目的以及當前風險管理辦法存在的不足,引出基于神經(jīng)網(wǎng)絡(luò)的風險預(yù)測解決思路,并給出起爆具生產(chǎn)線風險預(yù)測實現(xiàn)方案。（2）在Elman神經(jīng)網(wǎng)絡(luò)原有的結(jié)構(gòu)上增加輸入承接層和輸出承接層,實現(xiàn)對輸入層和輸出層的前一刻信息進行保留。又考慮到遺傳算法中種群的集中分散程度,對遺傳算法的交叉概率和變異概率進行自適應(yīng)改進。同時為了加快模型的尋優(yōu)效果,將排序選擇策略和最優(yōu)保存策略相結(jié)合優(yōu)化... 

【文章頁數(shù)】：81 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題的研究背景和意義
    1.2 國內(nèi)外風險管理發(fā)展趨勢與研究現(xiàn)狀
        1.2.1 國內(nèi)外風險管理發(fā)展趨勢
        1.2.2 風險管理目的以及當前風險管理辦法
        1.2.3 神經(jīng)網(wǎng)絡(luò)處理風險預(yù)測問題的優(yōu)越性
        1.2.4 起爆具生產(chǎn)線風險預(yù)測的設(shè)計方案
    1.3 論文的研究目的與結(jié)構(gòu)安排
第2章 改進的GA-Elman神經(jīng)網(wǎng)絡(luò)模型的研究
    2.1 神經(jīng)網(wǎng)絡(luò)的介紹
        2.1.1 神經(jīng)網(wǎng)絡(luò)的特點
        2.1.2 神經(jīng)網(wǎng)絡(luò)模型
            2.1.2.1 神經(jīng)元網(wǎng)絡(luò)模型
            2.1.2.2 激勵函數(shù)類型
            2.1.2.3 神經(jīng)網(wǎng)絡(luò)的拓撲結(jié)構(gòu)
            2.1.2.4 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方法
    2.2 標準的Elman神經(jīng)網(wǎng)絡(luò)
        2.2.1 標準的Elman神經(jīng)網(wǎng)絡(luò)介紹
        2.2.2 標準的Elman神經(jīng)網(wǎng)絡(luò)參數(shù)學(xué)習(xí)算法
        2.2.3 改進的Elman神經(jīng)網(wǎng)絡(luò)
    2.3 改進的GA-Elman神經(jīng)網(wǎng)絡(luò)模型分析
        2.3.1 遺傳算法的介紹
        2.3.2 遺傳算法的核心內(nèi)容
        2.3.3 遺傳算法的改進
            2.3.3.1 選擇算子的優(yōu)化
            2.3.3.2 交叉概率和變異概率的自適應(yīng)改進
        2.3.4 改進的遺傳算法優(yōu)化Elman神經(jīng)網(wǎng)絡(luò)的流程
    2.4 本章小結(jié)
第3章 起爆具生產(chǎn)線的風險因素分析
    3.1 起爆具生產(chǎn)線工藝流程
    3.2 起爆具生產(chǎn)線的重要控制環(huán)節(jié)
    3.3 起爆具生產(chǎn)線風險分析的理論基礎(chǔ)
        3.3.1 安全風險預(yù)測
        3.3.2 起爆具安全風險識別的原則
    3.4 起爆具生產(chǎn)線風險因素分析
        3.4.1 起爆具生產(chǎn)線固有風險因素
        3.4.2 起爆具生產(chǎn)線設(shè)備信號量分析
    3.5 基于PCA的風險因素特征提取
        3.5.1 PCA的基本原理
        3.5.2 基于PCA提取樣本數(shù)據(jù)主成分
    3.6 起爆具生產(chǎn)線風險預(yù)測系統(tǒng)方案設(shè)計
    3.7 本章小結(jié)
第4章 基于改進的GA-Elman神經(jīng)網(wǎng)絡(luò)風險預(yù)測模型的建立
    4.1 起爆具生產(chǎn)線數(shù)據(jù)風險等級
    4.2 模型輸入的數(shù)據(jù)樣本預(yù)處理
    4.3 改進的GA-Elman神經(jīng)網(wǎng)絡(luò)模型的各項參數(shù)選取
        4.3.1 Elman神經(jīng)網(wǎng)絡(luò)參數(shù)選取
        4.3.2 遺傳算法參數(shù)選取
    4.4 基于改進的GA-Elman神經(jīng)網(wǎng)絡(luò)預(yù)測模型的仿真與分析
        4.4.1 仿真結(jié)果
        4.4.2 對比實驗
        4.4.3 實驗結(jié)果分析
    4.5 本章小節(jié)
第5章 起爆具生產(chǎn)線風險預(yù)測系統(tǒng)的實現(xiàn)
    5.1 硬件系統(tǒng)設(shè)計
        5.1.1 傳感器的選擇
        5.1.2 控制器的選擇
        5.1.3 工控機的選擇
        5.1.4 硬件設(shè)計流程圖
    5.2 軟件系統(tǒng)設(shè)計
        5.2.1 風險預(yù)測系統(tǒng)的軟件架構(gòu)
        5.2.2 開發(fā)工具的介紹
    5.3 軟件數(shù)據(jù)交互
        5.3.1 數(shù)據(jù)庫與組態(tài)王相連
        5.3.2 數(shù)據(jù)庫與Visual Basic相連
        5.3.3 MATLAB與 Visual Basic相連
    5.4 起爆具生產(chǎn)線風險預(yù)測系統(tǒng)的功能開發(fā)
        5.4.1 預(yù)測系統(tǒng)實現(xiàn)流程
        5.4.2 系統(tǒng)監(jiān)控界面
    5.5 起爆具生產(chǎn)線風險預(yù)測系統(tǒng)的測試
    5.6 本章小結(jié)
第6章 總結(jié)與展望
    6.1 全文總結(jié)
    6.2 展望未來
致謝
參考文獻
附錄


【參考文獻】：
期刊論文
[1]信號分解與融合神經(jīng)網(wǎng)絡(luò)的金融數(shù)據(jù)預(yù)測研究[J]. 金豐,邵清.  小型微型計算機系統(tǒng). 2020(06)
[2]基于PCA主成分分析和K-means算法的汽車行駛工況數(shù)據(jù)量化研究[J]. 王沛,陳勁杰.  軟件工程. 2020(03)
[3]基于PCA變換的超譜圖像降維算法仿真[J]. 傅榮會.  計算機仿真. 2019(11)
[4]基于改進的遺傳算法與人工神經(jīng)網(wǎng)絡(luò)的類流感的預(yù)測[J]. 胡紅萍,白黃琴,白艷萍,張菊平,劉茂省.  中北大學(xué)學(xué)報(自然科學(xué)版). 2019(06)
[5]基于改進的遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的車險欺詐識別模型[J]. 閆春,厲美璇,周瀟.  山東科技大學(xué)學(xué)報(自然科學(xué)版). 2019(05)
[6]一種新型化工過程熱失控危險指數(shù)方法[J]. 蔣軍成,魏丹,倪磊.  南京工業(yè)大學(xué)學(xué)報(自然科學(xué)版). 2019(05)
[7]化工生產(chǎn)技術(shù)管理與化工安全生產(chǎn)的關(guān)系[J]. 王東.  化工設(shè)計通訊. 2019(08)
[8]基于RBF神經(jīng)網(wǎng)絡(luò)與Markov組合的飛行風險預(yù)測研究[J]. 楊梓鑫,薛源,徐浩軍,王國智.  系統(tǒng)工程理論與實踐. 2019(08)
[9]大數(shù)據(jù)分析技術(shù)的無線通信網(wǎng)絡(luò)安全風險預(yù)測[J]. 莊海燕.  微電子學(xué)與計算機. 2019(08)
[10]融合PCA降維的改進深度神經(jīng)網(wǎng)絡(luò)工控安全算法[J]. 劉慶華,吳昊天.  計算機與數(shù)字工程. 2019(07)

碩士論文
[1]基于模糊神經(jīng)網(wǎng)絡(luò)的電梯電氣故障診斷研究[D]. 裴航.華北理工大學(xué) 2019
[2]基于GA-Elman神經(jīng)網(wǎng)絡(luò)的無創(chuàng)連續(xù)血壓測量方法的研究[D]. 袁春雨.吉林大學(xué) 2019
[3]基于故障樹與神經(jīng)網(wǎng)絡(luò)的動車組空調(diào)系統(tǒng)故障分析[D]. 孫超凡.吉林大學(xué) 2019
[4]多災(zāi)種耦合下化工園區(qū)安全風險評估技術(shù)[D]. 陳柏封.華北科技學(xué)院 2019
[5]石獅市海洋捕撈漁船的安全風險防范研究[D]. 林培欽.華僑大學(xué) 2019
[6]基于深度學(xué)習(xí)的下一代車車通信列控系統(tǒng)安全風險預(yù)測[D]. 張炎.華東師范大學(xué) 2019
[7]基于多源信息融合技術(shù)的煤層氣風險控制模型研究[D]. 王玉婷.中國礦業(yè)大學(xué) 2019
[8]基于卷積神經(jīng)網(wǎng)絡(luò)的中小企業(yè)信用風險預(yù)測模型研究[D]. 孫琦.北京交通大學(xué) 2019
[9]基于KPCA-CPSO-LSSVM的循環(huán)冷卻水腐蝕預(yù)測研究[D]. 李靜嫻.天津理工大學(xué) 2019
[10]噴涂作業(yè)危險性分析評估及風險管控措施研究[D]. 王一丁.南京理工大學(xué) 2018



本文編號：3713758