环境空气质量评价模型研究

现有的环境空气质量评价模型均采用1996年国家发布的空气质量标准,与当前环境空气中污染物的种类、浓度有很大的差别。为此,根据GB 3095—2012《环境空气质量标准》,并参考HJ 633—2012《环境空气指数(AQI)技术规定(试行)》,设计了一种基于免疫粒子群优化算法的环境空气质量综合评价方法。该方法采用免疫粒子群算法优化大气污染损害公式的参数,并得到适用于O3、PM2.5等6种大气污染物的具有更强普适性的环境空气质量评价的污染损害指数公式及环境空气质量评价模型。采用该方法对东北某城市的大气质量进行了评价,并将评价结果与其他方法进行比较。结果表明,免疫粒子群优化算法全局优化性能好,收敛速度快,评价方法物理意义明确,具有较好的通用性。同时,由于模型中包含了近年来浓度急剧增加的PM2.5及O3两种污染物对空气质量的影响,评价结果更接近实际。     

基于GA/PSO-BP神经网络的石家庄VOCs环境浓度预测模型研究

为了提升挥发性有机物(Volatile Organic Components, VOCs)的预测精度,在反向传播(Back-Propagation, BP)网络结构的基础上使用优化算法分别为遗传算法(Genetic Algorithms, GA)优化BP神经网络(GA-BP)和粒子群算法(Particle Swarm Optimization, PSO)优化BP神经网络(PSO-BP)对VOCs质量浓度进行预测。首先,对污染物及气象因子进行筛选。采用相关性分析法及逐步回归法进行分析筛选,并筛选出合适的输入变量。其次,建立BP神经网络结构。利用BP、GA-BP、PSO-BP神经网络,以石家庄市2022年夏季污染数据为样本对VOCs质量浓度进行预测。结果显示,经相关性分析及逐步回归法筛选,将PM_2.5质量浓度、O₃质量浓度、NO₂质量浓度、温度、相对湿度作为输入变量。经预测结果对比,PSO-BP神经网络模型的预测精度较高,烷烃、烯烃、芳香烃和含氧烃实测值与预测值之间的拟合程度(R²)分别为0.80、0....     

粒子群优化算法在源强反算问题中的应用研究

在危险化学品泄漏事故中泄漏源强是预测事故后果的主要影响参数,也是事故应急救援决策的基础。为了在化学品泄漏事故过程中快速准确地获取泄漏源强数据,将粒子群优化(PSO)算法应用于危险化学品泄漏源强的反算中。利用高斯烟羽扩散模型和下风向浓度测量数据,将计算浓度与测量浓度的误差平方和作为目标函数,采用粒子群算法来优化,以确定源强并通过模拟的测量浓度数据进行算法有效性验证。结果表明,PSO算法及其参数改进算法不依赖于初值的选择,计算速度快,能满足事故应急响应救援的需要。     

分类分级视角下供水管网地震韧性评估研究

为解决供水管网安全精细化管理问题，提升城市供水管网地震韧性水平，在综合分析影响供水管网安全的主要因素的基础上，引入分类分级理念，结合动态分级法(Dynamic Classification Method, DT)和集对分析-可变模糊模型(Set Pair Analysis-Variable Fuzzy Recognition Model, SPA-VFRM),建立供水管网地震韧性评估分类分级模型，动态优化供水管网地震韧性分类，量化评定管道安全韧性分级，并应用于某县城供水管网安全韧性综合评估。结果表明，提出的新模型可以有效实现供水管网地震韧性的分类与分级，提高供水管道风险识别的精确性，能够为制订科学的供水管网维护和改造策略提供理论支持。     

基于MIKE21模型的洋河水库水质模拟

近年来,由洋河水库富营养化引起的供水安全问题日益突出。为应对洋河水库富营养化问题,基于迁移扩散及对流扩散理论,利用MIKE 21二维水动力模型对其水质进行了模拟。考虑污染物随水流入库及出库过程,分析了在水动力作用下TN、TP、NH_3-N随时间迁移扩散的质量浓度变化及分布情况。结果表明:模拟初期污染物以扩散为主,高浓度区域主要集中在入流处,在入流高峰期污染物向整个库区扩散,垂直水库中心线以西出现高质量浓度水域;入流与出流稳定期污染物以降解为主,水库中心水域污染物质量浓度较高。最终模拟得到库区TN质量浓度约为4.5 mg/L,TP质量浓度为0.06~0.075 mg/L,NH_3-N质量浓度为0.20~0.25 mg/L;9月水库实测TN、TP、NH_3-N质量浓度分别为5.0 mg/L、0.008 mg/L、0.20 mg/L,与模拟结果基本一致。研究表明,8月中旬到9月中旬,洋河水库污染物浓度较高水域极易暴发富营养化,此结论可为洋河水库水质评价、供水安全及污染物治理提供参考。     

基于IPSO-BP神经网络的钢丝绳断丝损伤识别模型研究

为解决传统钢丝绳断丝损伤识别方法精度低,BP神经网络陷入局部最优等问题,提出改进粒子群算法（IPSO）的BP神经网络识别模型。通过采集钢丝绳断丝损伤信号,提取缺陷信号特征,用峰值、峰峰值、波宽、波形下面积和波动能量5个特征值组成特征向量作为神经网络的输人,断丝数量作为神经网络的输出;利用改进粒子群算法对BP神经网络的初始权值和阈值进行优化;建立基于IPSO-BP算法的神经网络模型,用于钢丝绳断丝的定量识别。结果表明:IPSO-BPS神经网络模型的钢丝绳断丝损伤识别精度、泛化能力均高于传统BP神经网络模型,且改进的粒子群算法迭代寻优速度更快。     

基于ADPSO-FNN算法的催化再生烟气二氧化硫预测方法

为了解决催化裂化装置再生器出口烟气二氧化硫质量浓度难以实时预测的问题，提出一种基于自适应粒子群优化-模糊神经网络(Adaptive Particle Swarm Optimization-Fuzzy Neural Network, ADPSO-FNN)算法的催化再生烟气二氧化硫质量浓度智能预测方法。首先，针对数据来源多，且来自数据采集系统(Data Collection System, DCS)与实验室信息管理系统(Laboratory Information Management System, LIMS)中多维数据时间尺度不匹配的问题，利用基于自适应回归算法实现多时间尺度的数据清洗；其次，建立基于模糊神经网络算法的二氧化硫质量浓度预测模型，提取再生烟气产排过程中的动态特性；然后，提出基于动态惯性权重和学习因子机制的自适应粒子群算法，平衡全局探索能力及局部开发能力，实现再生烟气二氧化硫质量浓度的预测；最后，利用炼厂检修前、后的数据分别建立二氧化硫预测模型并进行测试。结果显示：该预测方法实现了催化再生器出口二氧化硫的准确预测，解决了现场多时间尺度数据难以建模的问题。     

城镇燃气管网应急值守点优化选址方法研究

为了合理布局应急值守点,实现城镇燃气管网突发事件高效处置,提出以应急抢险总到达时长最短、值守点与突发事件热点区域距离最近、应急值守点数量最少为优化目标,建立城镇燃气管网应急值守点选址多目标优化模型。采用基于拥挤距离的多目标粒子群算法求解模型,基于应急抢险时效性原则和合理性原则,建立备选值守点适应性评价指标体系,结合层次分析法(AHP)和逼近理想解排序法(TOPSIS),开展应急值守点选址方案适应性评价。研究结果表明：提出的城镇燃气管网应急值守点选址方法满足应急处置时效性、经济性与各值守点承担工作量均衡性,能确保筛选出的值守点具有良好的应急抢险适应性,实现值守点数量规模与布局结构优化。研究结果可为城镇燃气管网应急值守点布局优化提供参考。     

综掘面抽风口调控下的旋流风幕降尘优化

为提高煤矿综掘面粉尘防治技术水平,通过旋流风幕与抽风口的协同作用优化风流减少粉尘聚集,改善工作面通风环境。将附壁风筒和自主研制的风流调控装置相结合,设计混合式通风下的旋流风幕与抽风口风流调控系统。首先,利用数值模拟方法,分析附壁风筒条缝宽度、轴径风量比和抽风口口径、偏转角度单参数变化对粉尘运移分布的影响;其次,采用粒子群优化算法(PSO),求解得到司机及行人位置粉尘双目标优化的最优调控方案;最后,分别通过数值模拟和搭建的调控降尘试验平台测试验证最优方案优化效果。结果表明：调控后司机位置粉尘质量浓度降低41.5%;回风侧行人呼吸带平均粉尘质量浓度降低64.2%,物理试验与数值模拟的降尘优化效果基本一致,验证了旋流风幕与抽风口综合降尘方法的有效性。     

改进灰狼算法优化GBDT在PM2.5预测中的应用

针对灰狼算法易陷入局部最优解和全局搜索能力不足的问题,通过霍尔顿序列(Halton Sequence)搜索算法初始化狼群位置,避免灰狼算法陷入局部最优解和重复运算;引入莱维飞行和随机游动策略对灰狼算法的寻优过程进行优化,以增加算法的全局搜索能力;利用粒子群算法模拟灰狼种群得出的最佳适应度以用于惩罚项改进灰狼算法中的头狼更新策略。使用改进算法优化的梯度提升树(Gradient Boosting Decision Trees, GBDT)模型对北京市大气污染物监测数据中PM_2.5质量浓度进行预测,采用3种评估函数对各模型以及混合模型预测效果得分进行评估。结果显示,本文改进的灰狼算法对梯度提升树的优化效果优于其他算法,均方根误差E_RMS为6.65μg/m³,平均绝对值误差E_MA为3.20μg/m³,拟合优度(R²)为99%,比传统灰狼算法优化结果的均方根误差减少了19.19μg/m³,平均绝对值误差降低了10.03μg/m³     

降雨特征与地表径流和雨水管内径流污染物变化特征

选择3场典型降雨事件,对应检测了地表径流和雨水管网径流的污染物指标,分析了不同降雨特征引起地表径流雨水和管网径流雨水中污染物变化的规律及相关性。结果表明:宜兴市地表和管网径流污染物的EMC变化范围较大,地表径流中COD介于IV~劣Ⅴ类,TN均为劣Ⅴ类,TP介于Ⅲ~V类;管内径流中COD介于Ⅰ~劣Ⅴ类,TN均为劣Ⅴ类,TP介于Ⅱ~劣V类;小雨情景下地表径流中SS、COD、TN、TP的EMC要高于管网,大雨情景下与之相反,中雨时的规律不明显;地表和管网径流污染物的初期质量浓度要高于后期,污染物的变化趋势受降雨强度变化的影响;地表与管网污染物质量浓度的差异与雨峰大小及出现时间、降雨强度、降雨量等因素有关,在较小降雨强度作用下,地表污染物质量浓度高于管网,反之相反;管内污染物冲刷效应由第一次雨峰引起;地表和管网径流中同种污染物质量浓度之间相关性系数差异明显,总体上相关性从大到小表现为大雨、中雨、小雨。     

基于低碳效益的微电网能量优化调度

根据微电网中各分布式电源(DG)的特点,综合考虑各DG的安装、运行、维护成本、碳排放治理成本以及风电、光伏补贴等,分别构建各微源的低碳综合成本模型,在满足系统约束的条件下,提出一种计及微电网低碳效益的能量优化调度模型。深入挖掘微电网的低碳效益,确定微电网优化调度运行策略,依据构建的调度模型,应用混沌粒子群算法(CPSO)解决各个实用的运行策略中的优化调度问题。通过仿真验证了模型和算法的有效性,并对各运行策略及大电网供电对比分析,证实微电网的低碳效益明显。     

基于PSO优化BP神经网络的水质预测研究

为快速准确地预测河流水质,结合汾河监测数据,使用粒子群算法(PSO)优化BP神经网络模型(PSO-BP)进行水质预测.通过灰色关联度分析确定输入变量,利用PSO算法修正BP网络的初始权值、阈值,优化神经网络结构及算法全局收敛性.采用该模型对汾河主要污染物指标COD、BOD5、氨氮、挥发酚等进行预测和验证.结果表明,与传统的BP神经网络模型相比,PSO-BP模型使最大相对误差从15.43％减小到1.46％,其平均误差由4.00％减小到1.01％,预测均方根误差从5.956×10-3减小到1.605×10-4.因此,基于PSO-BP神经网络模型的预测更加精确,可用于水质预测.     

基于改进烟花优化算法的三维空间气体源定位

为探究三维空间中气体源定位及其源强反算问题,提出1种改进烟花爆炸算法(GWOFA)。将定位过程分为全局定位过程和局部定位过程。全局定位过程即结合灰狼优化算法和莱维飞行在三维空间中的全局搜索过程;局部定位过程是在全局定位的结果上的进一步开发过程,其通过引入边界条件的爆炸半径选取方式和选择策略更加高效地改进烟花优化算法实现。研究结果表明：本文算法相比于支持向量机回归模型(LinearSVR)、GWO算法和粒子群算法具有更高精确度,相比于GWO算法和粒子群算法具有更高稳定性和更低随机性;在气体源定位问题上,本文算法整体表现优于LinearSVR、GWO算法和粒子群算法。研究结果可为解决三维空间中气体源定位问题和相关参数估计问题提供新的思路方法。     

基于IPSO-SVM对尾矿坝变形预测的研究

针对支持向量机在参数模型选择上的敏感性,以及在理论上无法直接实现的问题,在标准粒子群算法的基础上对粒子速度与位置更新策略进行改进,通过改进的粒子群算法对支持向量机模型参数进行选择优化,进而提出了一种改进粒子群优化支持向量机(IPSO-SVM)算法模型。根据尾矿坝实测数据,建立了基于IPSO-SVM算法的对尾矿坝坝体位移预测模型,同时与经典的SVM算法以及PSO-SVM算法进行比较分析。结果表明,3种算法在坝体变形预测中都具有较好的可行性,但IPSO-SVM算法在训练效率上有较大优势,而且具有较高的预测精度,更适合在变形预测中应用。     

基于LS-SVM的供水管网安全性评价方法研究

为评价城市供水管网的安全性,保障其正常运行,笔者基于多元分类最小二乘支持向量机(LS-SVM)的方法,在对城市供水管网安全运行影响因素总结与分析的基础上,构建供水管网安全性评价的指标因素集与评价模型,通过对有限的经验数据的学习,建立供水管网安全性与其影响因素之间的非线性关系。运用该模型进行实例仿真模拟,通过与实际安全等级及BP神经网络模型预测安全等级之间的对比表明:基于LS-SVM的供水管网安全性评价方法具有较高的精度,正确分类率可以达到83.33%。     

故障树法和改进PSO-PNN网络的电梯故障诊断模型

针对电梯故障问题,提出一种将故障树分析法、改进的粒子群优化算法和概率神经网络相结合的方法用于电梯的故障诊断。以电梯的安全回路系统为例,用故障树法对回路进行分析,获得训练样本与故障类型;使用粒子群算法对概率神经网络的平滑因子进行优化,在优化过程中,针对粒子群算法存在易陷入局部最优的缺陷,提出对惯性权重的改进策略;采用相对误差对诊断效果做出评估,并与传统的概率神经网络和基本粒子群算法优化的概率神经网络在各种故障类型输出和最大相对误差等方面进行比较,结果表明:该模型能够有效诊断电梯故障。     

供水管网震后流量监测点的动态分级优化布局研究

为了提高管网地震监测点布局的准确性和合理性,基于管网微观水力计算模型和动态分级法,提出供水管网震后流量监测点的动态分级优化布局模型。首先,利用管网微观水力计算模型计算管段流量的影响系数,构建管段的影响系数矩阵,并利用信息熵确定管段权重;其次,标准化处理影响系数矩阵,通过聚类迭代提出供水管网地震流量监测点优化布局的动态分级方法,对供水管网震后流量监测点进行优化布置分级评定;最后,根据工程实例进行方法实践,结果表明:供水管网中的管线分类较为科学合理,地震监测点在供水管网上分布也比较均匀,而且该模型在一定程度上消除了人为因素的影响,保障了震时管网的监控效果和日常建设的合理性。     

基于改进粒子群算法的儿童防护系统优化

为保障儿童乘车安全，采用改进多目标粒子群算法优化儿童约束防护系统。首先，开展40%偏置碰撞的台车试验，验证儿童座椅台车试验仿真模型的有效性，建立儿童安全气囊模型；然后，建立防护系统参数与儿童头部、胸部损伤指标的二阶响应曲面模型，融合遗传算法的交叉变异和精英保留策略，提出改进的多目标粒子群算法，并验证改进算法的有效性；最后，利用多目标模糊优选决策算法获得系统设计参数的最优值，结合台车试验仿真模型，验证优化模型及算法的有效性。结果表明：模型的最优值兼顾对儿童头部和胸部的防护；遗传算法和粒子群算法的融合算法，可提高模型的收敛速度。     

基于IPSO-BP模型的火灾气体传感器气压补偿算法

为完善飞机火灾检测系统,设计一套方案,模拟试验不同气压下CO、CO2气体传感器采集气体的体积分数值,并与理论值比较,进而提出一种根据粒子适应度值动态调整学习因子的粒子群算法.采用改进的粒子群(IPSO)算法寻找反向传播(BP)神经网络的最优初始权值阈值,再利用寻优后的BP神经网络修正CO、CO2气体传感器的检测结果,消...