下载文档原格式
面向煤矿混合气体检测的神经网络算法研究进展焦明之1，2，3，4， 沈中丽1，2， 周扬明1，2， 何新建3， 贺耀宜4（1. 矿山互联网应用技术国家地方联合工程实验室，江苏 徐州 221116；2. 中国矿业大学 信息与控制工程学院，江苏 徐州 221116；3. 中国矿业大学 安全学院，江苏 徐州 221116；4. 天地（常州）自动化股份有限公司，江苏 常州 213015）摘要：煤矿气体传感器用于混合气体检测时测量信号之间有交叉干扰，难以保证检测准确性。
对于相同的待识别气体，传统气体识别算法的识别精度低于基于神经网络的气体识别算法，神经网络通过调整其网络层、每层神经元的数量、神经元的激活函数和各层网络之间的权重等来实现更高的气体识别精度。
介绍了煤矿混合气体检测系统结构，通过构建气体传感阵列，利用其多维空间气体响应模式，并结合特定的气体识别算法，实现对混合气体的定性定量识别。
重点分析了几种面向煤矿混合气体检测的神经网络算法并进行了对比分析，主要包括反向传播（BP ）神经网络、卷积神经网络（CNN ）、循环神经网络（RNN ）、径向基函数（RBF ）神经网络：BP 神经网络通常可以达到较高的分类精度，然而需要训练大量的参数，训练时间长，通常为了减少时长和提高精度，可以将BP 神经网络与其他算法相结合；CNN 可以自动提取数据特征，精度和训练速度都优于BP 神经网络，但其易于陷入局部最优；RNN 可以使用更少的数据并提取更有效的特征，但容易出现梯度消失等问题；RBF 神经网络具有较强的鲁棒性和在线学习能力，但其通常需要大量数据完成模型训练。
神经网络算法的应用将大幅提升煤矿混合气体的检测精度，保障煤矿智能化的实现。
关键词：煤矿安全监控；混合气体检测；神经网络算法；传感器阵列；反向传播神经网络；卷积神经网络；循环神经网络；径向基函数神经网络中图分类号：TD67 文献标志码：AResearch progress on neural network algorithms for mixed gas detection in coal minesJIAO Mingzhi 1,2,3,4, SHEN Zhongli 1,2, ZHOU Yangming 1,2, HE Xinjian 3, HE Yaoyi 4(1. National and Local Joint Engineering Laboratory of Internet Application Technology on Mine, China University of Mining and Technology, Xuzhou 221116, China ； 2. School of Information and Control Engineering, China University of Mining and Technology, Xuzhou 221116, China ； 3. School of Safety Engineering, China University of Mining and Technology, Xuzhou 221116, China ； 4. Tiandi (Changzhou) Automation Co., Ltd., Changzhou 213015, China)Abstract : When coal mine gas sensors are used for mixed gas detection, there is cross interference between measurement signals. It is difficult to ensure detection accuracy. For the same gas to be identified, the recognition precision of traditional gas recognition algorithms is lower than that of gas recognition algorithms based on neural networks. Neural networks achieve higher gas recognition accuracy by adjusting their network layers, the number of neurons in each layer, the activation function of neurons, and the weights between each layer of networks. This收稿日期：2023-04-10；修回日期：2023-08-20；责任编辑：胡娴。
国内外主成分分析特征提取研究现状我国经过近十年来的发展,运用主成分分析的方法对高光谱遥感矿物信息特征提取已经取得了很大进展。
航空遥感中心高光谱遥感课题组对这方面进行了理论、技术方法以及规模化应用示范研究,取得了丰硕成果,取得了良好的经济与社会效益，申请了多项发明专利。
环境污染问题已经成为人们关注的焦点，为更好地监控治理污染，有必要对大气状况进行实时监测。
传统的湿式化学技术以及后续发展起来的气相色谱法、质谱和色谱联合技术等是以吸气取样后的实验分析为基础，不具备实时和连续监测能力。
近几年，运用主成分分析的光谱压缩特征提取方法对大气进行分析得出大气状况。
在国内还运用主成分分析的方法对人口、教育、地区的经济发展发面等方面研究，都取得了一定的成果。
在国外运用主成分分析的方法对医学，地质，人脸识别等领域。
在美国、英国等国家采用主成分分析的方法对氯吡格雷、肝素钠、肝素钙等低分子肝素相关产品的销售额数据进行处理，形成新的指标体系，而后应用BP神经网络的方法建立模型，评价模型的拟合能力。
在一些欧美国家用核主成分分析方法也就是主成分分析的改进算法，其采用非线性方法提取主成分，把核主成分分析应用到人脸识别中，利用核主成分分析方法选择合适的核函数在高维空间提取人脸图像的主成分，核主成分分析与传统主成分分析相比，可以得到更好的适合分类的特征，基于ORL人脸库，识别核主成分分析提取出的主成分的相关性系数。
实验结果表明,核主成分分析不仅实现了降维，而且能取得比传统主成分分析更好的识别性能，正确识别率为92.5%。
在日本运用主成分分析的方法对地质进行分析，从而来预测地震避免不必要的损失。
同时，主成分分析作为一种优秀的降维提取主要信息的手段，先后在海洋学、地质学、地球物理学、资源科学等地学分值中都得到了一定程度的应用。
该方法为地学的发展提供了有力工具。
基于ＢＰ神经网络方法的会计舞弊识别研究[摘要]规范的信息披露是维护证券市场公开、公平、公正的根本保证，而会计舞弊却是阻碍我国资本市场健康发展的“毒瘤”。
随着我国证券市场的日益完善和国内外舞弊丑闻的不断发生，会计舞弊识别问题受到越来越多的关注。
本文以116家上市公司作为研究样本，通过分析舞弊案例及舞弊手段，构建了会计舞弊识别指标体系，并依据主成分分析法及BP神经网络，建立了会计舞弊识别模型，进行了实证分析。
通过研究发现，这一模型对于会计舞弊的识别具有较高的准确率，是一种具有现实可操作性的舞弊识别方法。
[关键词]会计舞弊；舞弊识别指标；主成分分析法；BP神经网络；Levenberg-Marquardt算法0引言随着经济的发展与科技的进步，企业会计舞弊现象日益成为严重影响经济发展的全球性焦点问题。
从冰山理论、三角理论、GONE理论、舞弊因子学说，到会计舞弊的产生因素及发现机制，学术界对会计舞弊问题的研究正处于一个不断深化的阶段，这些成果为我国的相关研究提供了理论和方法论基础。
但由于国内证券市场起步较晚，对于会计舞弊问题的关注也是近期的事情，因此对会计舞弊与相关概念的性质差异并没有进行有效的区分。
研究中更多的是规范研究。
理论分析结果缺乏实证研究的数据支持；定量研究起步较晚，可以支撑研究的处罚样本数量少，可供选择的识别指标也较少，运用的识别手段比较有限，总体来说这方面的研究结论所显示出来的识别准确性不是很高。
本文试图根据会计舞弊公司对外披露的财务信息，通过分析其在财务上存在的共同特征和基本规律，构建会计舞弊识别的指标体系；并运用主成分分析法及BP神经网络。
构建基于公司财务报告即可判别其有否发生舞弊行为的具有现实可操作性的舞弊识别模型。
1会计舞弊的界定及其动机分析会计舞弊是指故意的、有目的的、有预谋的、有针对性的财务造假和欺诈行为。
它与会计差错有相近或相同的形式，但本质却完全不一样。
与会计差错相比，它具有以下几个特征：(1)主观目的性。
基于主成分分析2BP 神经网络的道路客运站场布局决策研究3杨励雅1 邵春福2(1.中国人民大学公共管理学院,北京,100872;2.北京交通大学交通运输学院,北京,100044)【摘要】为解决输入变量过多所造成的BP 神经网络系统效率下降问题,提出一种主成分分析2BP 神经网络的道路客运站场布局决策方法。
首先,利用主成分分析方法,将个数较多的原始输入变量群变换为一组个数较少且彼此独立的新输入变量;然后,将新的输入变量群作为B P 神经网络的输入进行道路客运站场的布局决策;最后,以廊坊市道路客运站场布局为例验证了方法的有效性。
【关键词】主成分分析;B P 神经网络;站场布局;决策3基金项目:中国人民大学科学研究基金项目(X ND );国家重点基础研究发展计划3项目(6B 55)。
引言道路客运站场是城市客运系统的重要节点,在旅客运输过程中承担生产、组织、协调、中转、服务等各项功能。
道路客运站场布局合理与否,直接决定客运站的功能发挥,并将对道路运输效率、城市土地利用布局以及城市经济发展产生深远影响。
道路客运站场布局决策,属多目标选址优化问题,常用的方法有模糊综合排序法、AHP 层次分析法、BP 神经网络法等[126]。
客运站场布局影响因素的复杂性,使得单独采用上述某一种方法进行道路客运站场布局决策时,均存在不同程度的局限性。
例如,模糊综合排序法难以解决各影响因素之间相关性而造成的评价信息重复问题,且指标权重的确定存在一定主观性。
AHP 层次分析法要求决策者能够全面把握决策对象的要素与结构,并要求各因素之间相互独立,适用范围窄。
BP 神经网络作为一种并行计算模型,能够在被建模对象结构及参数未知的情况下,通过样本训练,自适应地获取输入与输出的非线性映射关系,但在分析影响因素繁多的决策问题时,由于网络复杂度的增加,其预测性能与精度会大大降低。
因此,本文提出一种基于主成分分析2BP 神经网络的道路客运站场布局决策方法。
