二元部分互溶液体闪点的支持向量机(SVM)预测与实验研究

建立了一个基于支持向量机的理论模型,用于预测二元部分互溶混合液体的闪点.根据所研究混合液体的物理性质,选择了纯物质的黏度、表面张力、配比、燃烧下限等物理参数来表征闪点,以这些参数作为输入参数,二元部分互溶液体的闪点作为输出值,应用支持向量机方法对两者之间的内在定量关系进行模拟.结果表明,闪点预测值与实验值符合良好.为工...     

基于人工神经网络的二元液体闪点预测

建立了一个基于人工神经网络的理论模型,用于预测二元混合液体的闪点.根据所研究混合液体的物理性质,选择了相关黏度、表面张力等物理参数来表征闪点,以这些参数作为输入参数,二元混合液体的闪点作为输出值,应用反向传播(BP)人工神经网络方法对两者之间的内在定量关系进行模拟.结果表明,闪点预测值与实验值符合良好,优于传统的计算方...     

二元互溶可燃混合液体闪点预测模型研究

基于定量结构-性质相关性(QSPR)原理,开展二元互溶可燃混合液体闪点与其结构信息间的内在定量关系(M-QSPR)研究。以332个不同组成和配比的二元互溶可燃混合液体闪点试验数据作为研究样本,根据体系中各纯组分的结构信息,计算相应的混合物描述符(SiRMS,Simplex Representation of Molecular Structure),应用遗传-多元线性回归(GA-MLR)算法从中优化筛选出一组与该体系闪点最密切相关的原子碎片参数作为输入参数,分别采用多元线性回归(MLR)和支持向量机(SVM)算法建立理论预测模型,并将其与文献已有模型进行比较。结果表明,MLR和SVM对测试集样本的平均绝对误差(AAE)分别为4.142 K、1.551 K,均方根误差(RMSE)分别为4.911 K、2.220 K,决定系数(R~2)分别为0.818、0.962。研究表明,影响二元混合液体闪点的主要SiRMS结构因素是■和■,并且随体系中■、■、■四原子碎片增多,闪点升高;随体系中■、■、■四原子碎片增多,闪点降低。同时,与内部交互作用和分子间非加和作用相比,分子间的可加和作用对该体系闪点的影响更为显著;与原子的局部电荷相比,原子类型对该体系闪点的影响更为显著。     

正丁醇-乙二醇二元混合液体系的闪点性能研究

使用一种二元理想溶液的闪点预测模型预测不同物质的量配比的正丁醇-乙二醇混合物的闪点,分析闪点预测值的变化规律,并进行非线性拟合,得出拟合方程。随后进行一系列实验测定不同物质的量和体积配比的混合物闪点,分析两者的数据变化趋势及影响因素。最后将闪点实验值与预测值进行对比,得出正丁醇-乙二醇的混合可燃液体整体闪点虽然较低,但有一定的危险性。     

二元混合液体闪点的计算

以混合溶液纯组分易燃液体闪点的饱和蒸气压为基础,应用乌拉尔定律、双液系的气-液相平衡理论,运用Le Chatelier方程和安托因方程导出二元混合液的闪点计算方法。并例举易燃液体与易燃液体组成的理想混合液、易燃液体与易燃液体组成的非理想混合液、易燃液体与不燃液体组成的非理想混合液的计算过程。乙醇溶液闪点的计算结果与现有的文献资料比较,误差在允许范围内。计算数据用Excel处理,快捷准确,用于确定二元混合液体的火灾危险性。     

烃类及其衍生物闪点、沸点的定量构效关系

基于定量结构一性质相关性（QSPR）原理,研究了烃类及其衍生物闪点、沸点与其分子结构间的内在定量关系。应用CODESSA软件计算384种烃类及其衍生物的分子结构描述符,建立了闪点和沸点的QSPR模型。用最佳多元线性回归（B．MLR）方法筛选得到的分子描述符建立了线性回归模型。用B-MLR方法所选择的5个描述符作为支持向量机（SVM）的输入建立了非线性模型。所有的化合物被分为训练集和测试集,对每个模型的训练集和测试集的复相关系数、交互验证系数、均方根误差等进行了计算,并用测试集对模型的预测能力进行检验,预测结果表明：预测值与实验值均符合良好,所建立的闪点模型稳健,泛化能力强,预测误差小,预测的效果令人满意,但沸点的模型预测效果有待加强。相比烃类物质的模型,加了衍生物的模型性能均有所下降。     

基于新型拓扑指数的咪唑类离子液体捕集CO2性能预测

大量温室气体CO_2的存在严重影响环境,而咪唑型离子液体具有独特的气体溶解性,在CO_2捕集方面的应用较为广泛。基于定量结构-性质相关性(QSPR)原理提出了一种新的描述符——拓扑指数(Topological Index,TI)描述符,研究了咪唑类离子液体捕集CO_2的性能与其拓扑指数描述符之间的内在定量关系。应用遗传算法获得与捕集量最为密切相关的一组拓扑指数描述符,将其与温度和压力一起作为输入参数,分别采用多元非线性回归算法及支持向量机算法建立了咪唑类离子液体捕集CO_2性能与其拓扑指数描述符之间的非线性模型。通过多元非线性回归算法得出训练集和测试集的决定系数分别为0.771和0.754,由支持向量机算法得出训练集和测试集的决定系数分别为0.990和0.981。对预测模型进行了评价验证及稳定性分析,结果表明,两种模型均具有良好的稳定性能和预测能力。根据拓扑指数描述符所建立的预测模型为工程应用提供了一种预测咪唑类离子液体捕集CO_2性能的有效方法。     

多元可燃混合溶液的闪点预测

为了预测多元可燃混合液的闪点,建立了一个预测模型,通过二元和三元可燃混合液闪点实测值的试验对比,证实此模型的误差在可接受的范围内。此模型可以在预知可燃混合液组分比例和单组分闪点基础上快速预测混合液的闪点。     

种族鱼群优化支持向量机序列理论监测尾矿坝

为监测预警尾矿坝的变形位移,提出基于结构风险最小化理论的支持向量机进行学习预测。通过采集有效数据,对时间序列数据进行归一化序列处理,然后采取种族鱼群选择向量机参数,对处理后的数据进行支持向量机回归预测。将该理论应用到某尾矿坝监测系统,得到了较为准确的预测结果,表明该理论充分利用了数据的统计特性,精度和泛化能力都得到了明显提高,可作为尾矿坝监测系统的有效指导。     

咪唑类离子液体捕集CO_2性能的定量结构-性质相关性(QSPR)研究

CO_2是主要的温室气体,大量CO_2的存在严重影响着人类的生存环境和生态平衡,而咪唑型离子液体具有独特的气体溶解性,在CO_2的捕集分离中有很好的应用前景。基于定量结构-性质相关性(QSPR)原理,研究了咪唑类离子液体捕集CO_2的性能与其结构参数之间的内在定量关系。应用遗传算法获得与捕集量最为密切相关的一组描述符作为输入参数,随后,分别采用多元线性回归算法及支持向量机结合粒子群优化算法建立了咪唑类离子液体捕集CO_2的性能与其描述符之间的线性和非线性模型。多元线性回归算法得出训练集和测试集的复相关系数分别为0.765和0.814,支持向量机算法得出训练集和测试集的复相关系数分别为0.987和0.933。对预测模型进行了评价验证以及稳定性分析,结果表明,2种模型具有良好的稳定性能和预测能力。     

Flash points measurements and prediction for binary miscible mixtures

Flash point is one of the most important parameters used to characterize the potential fire and explosion hazards for flammable liquids. In this study, flash points of twenty eight binary miscible mixtures comprised eighteen flammable pure components with different compositions were measured by using the closed cup apparatus. The obtained experimental data are further employed to develop simple and accurate models for predicting the flash points of binary miscible mixtures. Based on the vapor–liquid equilibrium theory, the normal boiling point, the standard enthalpy of vaporization, the average number of carbon atoms, and the stoichiometric concentration of the gas phase were selected as the dominant physicochemical parameters that were relevant to the overall flash point property of liquids. With these parameters for pure components as well as the compositions of mixtures, the new form of characteristic physicochemical parameters for mixtures were developed and used as the input parameters for the flash point prediction of mixtures. Both the modeling methods of multiple linear regression (MLR) and multiple nonlinear regression (MNR) were employed to model the possible quantitative relationships between the parameters for mixtures and the flash points of binary miscible mixtures. The resulted models showed satisfactory prediction ability, with the average absolute error for the external test set being 2.506 K for the MLR model and 2.537 K for the MNR model, respectively, both of which were within the range of the experimental error of FP measurements. Model validation was also performed to check the stability and predictivity of the presented models, and the results showed that both models were valid and predictive. The models were further compared to other previously published models. The results indicated the superiority of the presented models and revealed which can be effectively used to predict the FP of binary miscible mixtures, requiring only some common physicochemical parameters for the pure components other than any experimental flash point or flammability limit data as well as the use of the Le Chatelier law. This study can provide a simple, yet accurate way for engineering to predict the flash points of binary miscible mixtures as applied in the assessment of fire and explosion hazards and the development of inherently safer designs for chemical processes.     

A new method for the prediction of flash points for ternary miscible mixtures

The flash point is one of the most important physicochemical parameters used to characterize the fire and explosion hazard for flammable liquids. The flash points of ternary miscible mixtures with different components and compositions were measured in this study. Four model input parameters, being normal boiling point, the standard enthalpy of vaporization, the average number of carbon atoms and the stoichiometric concentration of the gas phase for mixtures, were employed and calculated based on the theory of vapor–liquid equilibrium. Both multiple linear regression (MLR) and multiple nonlinear regression (MNR) methods were applied to develop prediction models for the flash points of ternary miscible mixtures. The developed predictive models were validated using data measured experimentally as well as taking data on flash points of ternairy mixtures from the literature. Results showed that the obtained average absolute error of both the MLR and the MNR model for all the datasets were within the range of experimental error of flash point measurements. It is shown that the presented models can be effectively used to predict the flash points of ternary mixtures with only some common physicochemical parameters.     

全尾砂絮凝沉降参数GA-SVM优化预测模型研究

为了得到经济、高效的絮凝沉降参数,建立GA_SVM预测模型进行优化选择。在优选过程中,以供砂浓度、絮凝剂单耗和絮凝剂添加浓度作为输入因子,以沉降速度作为综合输出因子,通过室内试验,建立训练、验证样本集;建立支持向量机（SVM）回归预测模型,用训练集对模型进行训练,进而以验证集预测值的均方误差作为适应度函数,通过遗传算法（GA）对SVM模型参数进行优化选择,应用优化得到的SVM模型对絮凝沉降参数进行预测、优化。以湖南某铅锌银矿为例,通过建立的GA_SVM模型对全尾砂絮凝沉降参数进行预测,优选出该矿最佳絮凝沉降参数为:供砂浓度20%-25%,絮凝剂单耗8g/t,添加浓度009%。经实验对比,该模型对絮凝沉降参数预测结果的相对误差能控制在5%左右,精确度较高,可以作为絮凝沉降参数优选的一种新思路     

基于支持向量机的入侵检测研究

根据入侵检测和支持向量机的特点,提出基于最小二乘支持向量机异常检测方法,并建立基于支持向量机入侵检测的模型,对网络数据进行采集,提取特征,进行分类,分辨正常的数据和异常的数据。并在KDD CUP'99标准入侵检测数据集上进行实验,选取data_10_percent子集,把该数据集中的41个属性作为特征,将该子集最后一个属性label属性为:back,ipsweep,neptun,ports-weep和normal各200个数据进行测试。实证表明:该方法能获得较高检测率和较低误警率。     

用于早期火灾分类的非线性决策树支持向量机

对早期火灾信息进行研究，提出了一种基于非线性决策树的支持向量机多类分类模型。该模型利用非线性映射将样本投影到高维特征空间，比较每类样本在高维空间的分布情况，进行聚类构造出一个二叉决策树，使容易区分的类别从根节点逐层分类出来，有效克服了错分积累和避免不可分情况；同时，各个节点采用二值最小二乘小波支持向量机，以获得较高的泛化能力。该文将该模型用于早期火灾分类，并与BP神经网络、K近邻法和决策树方法进行比较，实验结果表明，该模型对早期火灾的识别率更高。     

雾霾天气预测中支持向量机的应用分析

支持向量机在对非线性复杂问题进行处理的过程中,展现出来的优势特征非常突出,本文针对雾霾天气预测中支持向量机的应用做出了进一步探究,对支持向量机的概念、支持向量机的基本思想、建立雾霾预测模型、预测试验给出了详细的分析。