基于BA-SVM的铂电阻温度传感器非线性校正方法

针对铂电阻温度传感器应用中存在的非线性问题,本文提出了基于蝙蝠算法(BA)和支持向量机(SVM)相结合的BA-SVM方法对铂电阻温度传感器进行非线性补偿。补偿结果表明:BA-SVM方法补偿精度较高,收敛速度快,远远优于传统SVM支持向量机模型、PSO-SVM支持向量机模型以及基于最小二乘的多项式拟合方法,可有效提高温度传感器的可靠性,便于在可靠性试验中的应用。     

利用数据挖掘方法探索流域尺度气象干旱预报的研究

基于提高流域尺度的区域中长期气象干旱预报的准确度的考虑,采用支持向量机(SVM)和数据处理组合方法(GMDH)两种数据挖掘方法来识别时空气象相关性,并对这两种数据挖掘方法用于预测流域尺度的气象干旱预报性能进行对比。采用标准化降水指数(SPI)作为气象干旱严重度指数。采用颗粒群优化方法 (PSO)对两种数据挖掘方法GMDH和SVM模型进行优化。通过仿真实验表明,GMDH模型具有更好的预测稳定性,而SVM模型具有更好的预测准确度。     

基于多元感知信息融合的电抗器故障声纹诊断研究

为提高电抗器故障诊断准确率,提出一种基于多元感知信息融合的诊断方法。方法通过采用PSO(Particle SwarmOptimization)算法优化LSTM(LongShort-TermMemory)网络的神经元个数与dropout值改进LSTM网络,并利用改进LSTM网络对电抗器故障声纹进行分类识别,实现了电抗器故障诊断。仿真结果表明,采用PSO算法改进LSTM网络,可提高LSTM网络的收敛速度和分类识别精度;采用PSO算法改进LSTM网络模型对电抗器故障声纹进行分类识别,可有效诊断额定预紧力松动、单边夹件松动、双边夹件松动等不同类型的电抗器故障,且具有较高的准确率,平均准确率约为98%;相较于SVM、CNN、BP模型以及标准LSTM网络模型,所提PSO算法改进的LSTM网络模型对电抗器故障声纹诊断的准确率更高,具有明显优势。     

基于向量加权算法优化ELM的变压器故障诊断

针对变压器设备,传统故障诊断方法的准确率与诊断效率难以满足当前的需求。本文提出了一种基于向量加权算法（INFO）优化极限学习机（ELM）的变压器故障诊断算法。在标准测试函数中选择3个测试函数对INFO算法进行寻优性能的测试,并与粒子群优化算法（PSO）、万有引力优化算法（GSA）、正余弦优化算法（SCA）和灰狼优化算法（GWO）进行了对比,经过测试验证INFO算法相较于其他优化算法具有更高的寻优性能。并使用INFO算法对ELM中初始输入权值和偏置进行优化,搭建基于油中溶解气体分析（DGA）的INFO-ELM变压器故障诊断分类模型,并与SVM、ELM、PSO-ELM、SSA-ELM、GWO-ELM故障诊断模型进行对比。结果表明,INFO-ELM故障诊断模型的综合准确率为98.71%,相对于上述对比模型分别提高了21.61%、16.87%、11.65%、10.36%和11.06%,本文提出的INFO-ELM变压器故障诊断模型具有更优良的故障诊断能力。     

间隔阈值的多元经验模态分解电磁信号去噪

传统小波分解去噪需要先验知识,缺乏自适应性,将多元经验模态分解间隔阈值(Multivariate Empirical Mode Decomposition,MEMD)滤波方法用于电磁泄漏信息预处理。首先对电磁泄漏信号进行对齐处理。然后,针对多元经验模态分解直接阈值滤波产生的不连续性问题,提出采用MEMD间隔阈值滤波方法进行不相关模态滤波,解决传统经验模态分解的模态混叠问题。最后,分别采用巴特沃斯低通滤波、小波阈值、MEMD-DT和MEMD-IT方法对密码芯片电磁泄漏数据进行去噪处理,通过基于最小二乘支持向量机分类识别,实验结果表明该自适应去噪方法的优于传统的电磁侧信道分析预处理方法。     

硫化矿石自燃倾向性评价的SVM识别模型

为了准确地评价硫化矿石的自燃倾向性,应用Logistic回归分析理论分析主要矿物及其含量、氧化速度常数平均值、自热点、自燃点4项指标与硫化矿石自燃倾向性等级之间的关系,选取氧化速度常数平均值和自热点作为特征指标,建立硫化矿石自燃倾向性评价的支持向量机(SVM)识别模型;以14组硫化矿自燃倾向性实测数据作为学习样本进行训练,建立相应的分类函数;利用回代估计法进行回检,再利用训练好的模型对6组现场实测样本的硫化矿石自燃倾向性进行识别。结果表明:对硫化矿石自然倾向性等级分类产生主要影响的指标是氧化速度常数平均值、自热点,建立的分类方程具有良好的预测效果,而主要矿物、含量和自燃点与分类关联性不大。     

基于支持向量机-小波神经网络的PM_(2.5)预测模型

近年来我国多地区雾霾天气频发,针对PM_(2.5)浓度变化的非线性、时变性等特点,建立了基于支持向量机-小波神经网络(SVM-WNN)的组合预测模型。采用网格搜索算法对SVM的参数进行优化,利用优化后的模型进行初始预测,并结合WNN强大的非线性拟合能力的特点对其预测残差进行修正。以石家庄市每小时监测的PM_(2.5)浓度数据为样本建立模型并进行预测,结果表明,组合模型预测的平均相对误差为7. 2%。对比单一模型,组合模型的预测的效果更好,这也为短时PM_(2.5)浓度预测提供一个新的方法。     

基于支持向量机和树叶磁学的大气颗粒物浓度模拟

在南京市仙林地区采集桂花、雪松及女贞树叶,测试其磁学参数,分析大气颗粒物浓度与树叶磁学参数、气象数据的相互关系,使用支持向量机方法构建大气颗粒物磁学评估模型。结果显示,雪松树叶的质量磁化率(χ)、饱和等温剩磁(SIRM)和非磁滞剩磁(ARM)值最高。3种树叶在夏季和秋季富集了相对较多的细磁畴磁性颗粒物,而在春季和冬季富集了相对较多的粗磁畴磁性颗粒物。PM_(10)和PM_(2.5)浓度与风速、温度和湿度之间显著负相关,与大气压显著正相关;与3种树叶的磁学参数显著正相关,且与χ和SIRM的相关性高于ARM,其中与桂花树叶χ、SIRM的相关系数均高于0.560。将"树叶磁学参数+气象数据"作为输入因子的支持向量机模型对PM_(2.5)浓度的模拟效果较好,将"树叶磁学参数"作为输入因子的模型对PM_(10)浓度的模拟效果较好,模型误差都在可接受范围内。     

基于人工神经网络算法的垃圾组分识别模型研究

为增强环卫智能化程度，利用TensorFlow深度学习框架实现人工神经网络(Artificial Neural Network, ANN)算法，建立以生活垃圾图像RGB均值和垃圾重量为输入的生活垃圾组分识别模型。对比不同超参数设置下模型A1至A4的识别效果。结果表明，使用三层ANN网络结构和Adam优化算法可以建立性能优秀的垃圾组分识别模型。A1至A4模型经过参数训练后识别误差均在±5%内。对A1至A4模型的学习率和迭代次数进行调试可得，A4模型即隐藏层第一层、隐藏层第二层和输出层的激活函数分别为ReLU函数、Tanh函数和Sigmoid函数的ANN模型，在学习率为0.01的情况下，识别误差在±1%以内，稳定性最佳。     

车辆排气噪声品质的支持向量回归预测

通过比较法测试得到38种车辆噪声的满意度评价,考察并选取五个参数作为描述车辆排气噪声声音品质的客观心理声学参数,应用支持向量回归机建立了客观心理声学参量与车辆噪声声音品质之间的预测模型,对排气噪声的满意度进行了预测,在相同的训练与测试样本集下,与多元线性回归模型预测结果进行了对比。结果表明,支持向量回归的预测值更接近实验值,平均绝对百分误差(3.12%)和均方根误差(0.65)都比多元线性回归(8.83%)和(1.99)的都小,相关系数高达0.99,预测精度更高,误差在8%范围以内,能更好反应客观参数与主观满意度间的非线性关系,是一种预测车辆噪声声音品质的有效方法。     

ICP-AES法测定土壤中铬含量的不确定度评定

根据等离子体原子发射光谱(ICP-AES)法测定土壤中铬的过程,建立相应的数学模型并对模型中各个参数进行了不确定度来源分析。结果表明,测定结果的不确定性主要来源于标准曲线的浓度与光谱强度拟合直线方程求铬含量的不确定度、标准溶液和配置标准工作溶液时的不确定度,其次为重复性不确定度;定容体积和样品称量过程的不确定度对测量结果的不确定度贡献相对较小。     

Modelling and Prediction of Diesel Engine Performance using Relevance Vector Machine

Diesel engines are being increasingly adopted by many car manufacturers today, yet no exact mathematical diesel engine model exists due to its highly nonlinear nature. In the current literature, black-box identification has been widely used for diesel engine modelling and many artificial neural network (ANN) based models have been developed. However, ANN has many drawbacks such as multiple local minima, user burden on selection of optimal network structure, large training data size, and over-fitting risk. To overcome these drawbacks, this article proposes to apply an emerging machine learning technique, relevance vector machine (RVM), to model and predict the diesel engine performance. The property of global optimal solution of RVM allows the model to be trained using only a few experimental data sets. In this study, the inputs of the model are engine speed, load, and cooling water temperature, while the output parameters are the brake-specific fuel consumption and the amount of exhaust emissions like nitrogen oxides and carbon dioxide. Experimental results show that the model accuracy is satisfactory even the training data is scarce. Moreover, the model accuracy is compared with that using typical ANN. Evaluation results also show that RVM is superior to typical ANN approach.     

CO2减排潜能和基于边际成本的补偿制度

提出了一种基于CO2排放强度的减排潜能计算方法,根据该方法对我国29个省、直辖市、自治区（不含新疆和西藏）未来减排潜能进行了分析.同时,采用麻省理工学院开发的RPPA模型对我国各个省、直辖市、自治区减排边际成本进行了计算,基于该减排边际成本,提出了省际间CO2补偿制度,并对补偿主体、补偿客体、补偿金额和补偿制度运行提出了建议,以期为我国发展低碳经济,促进各省区公平、协调发展提供借鉴.     

室内挥发性有机化合物综合散发量及其特征

基于室内建筑污染源散发特性与汇效应机制分析,给出了建筑室内挥发性有机化合物（VOCs）综合散发量的计算模型,并进一步分析了材料内部扩散系数、气固界面分离系数和材料厚度对室内VOCs综合散发量的影响特征。研究结果表明,在近似稳定阶段室内VOCs综合散发量会随源材料内部扩散系数的增大而升高,而随源材料气固界面分离系数和材料厚度的增加而减小,且以源材料内部扩散系数的影响最为显著;同时,室内汇表面三类参数的增大均会使室内VOCs综合散发量降低;此外,在相同的环境参数条件下,室内VOCs综合散发量会因室内汇效应的存在而减小。     

Runoff Simulation of the Headwaters of the Yellow River Using The SWAT Model With Three Snowmelt Algorithms1

Abstract: The Soil and Water Assessment Tool (SWAT) model combined with different snowmelt algorithms was evaluated for runoff simulation of an 114,345 km² mountainous river basin (the headwaters of the Yellow River), where snowmelt is a significant process. The three snowmelt algorithms incorporated into SWAT were as follows: (1) the temperature‐index, (2) the temperature‐index plus elevation band, and (3) the energy budget based SNOW17. The SNOW17 is more complex than the temperature‐based snowmelt algorithms, and requires more detailed meteorological and topographical inputs. In order to apply the SNOW17 in the SWAT framework, SWAT was modified to operate at the pixel scale rather than the normal Hydrologic Response Unit scale. The three snowmelt algorithms were evaluated under two parameter scenarios, the default and the calibrated parameters scenarios. Under the default parameters scenario, the parameter values were determined based on a review of the current literature. The purpose of this type of evaluation was to assess the applicability of SWAT in ungauged basins, where there is little observed data available for calibration. Under the calibrated parameters scenario, the parameters were calibrated using an automatic calibration program, the Shuffled Complex Evolution (SCE‐UA). The purpose of this type of evaluation was to assess the applicability of SWAT in gauged basins. Two time periods (1975‐1985 and 1986‐1990) of monthly runoff data were used in this study to evaluate the performance of SWAT with different snowmelt algorithms. Under the default parameters scenario, the SWAT model with complex energy budget based SNOW17 performed the best for both time periods. Under the calibrated parameters scenario, the parameters were calibrated using monthly runoff from 1975‐1985 and validated using monthly runoff from 1986‐1990. After parameter calibration, the performance of SWAT with the three snowmelt algorithms was improved from the default parameters scenario. Further, the SWAT model with temperature‐index plus elevation band performed as well as the SWAT model with SNOW17. The SWAT model with temperature‐index algorithm performed the poorest for both time periods under both scenarios. Therefore, it is suggested that the SNOW17 model be used for modeling ungauged basins; however, for gauged basins, the SNOW17 and simple temperature‐index plus elevation band models could provide almost equally good runoff simulation results.     

土壤水分管理对甲烷和氧化亚氮排放的影响

为控制农田温室气体排放的途径提供依据,通过实验室培养的方法测定了不同水分管理条件下CH4和N2O的排放,干旱处理（60％-70％WFP）和长期淹水土样在施肥后的Eh变化。最终得出：稻田CH4和N2O排放之间存在着互为消长的关系（R2=0．609）,CH4和N2O的排放是水肥共同作用的结果,水分管理通过Eh来影响气体排放,有机质是造成前后期排放浓度差异的主要原因。     

热带海洋环境条件对印制电路板性能参数的影响分析

分析了热带海洋环境条件对印制电路板影响的主要敏感电气参数,采用典型印制电路板工艺样件开展了西沙自然大气暴露试验,根据试验结果,对敏感参数的变化规律进行了分析。     

盐度、C：N对SBR工艺处理海水产品养殖场废水的影响

海水产品养殖场废水中碳、氮的浓度很高，通过序批式反应器（SBR）处理，能有效的降低碳、氮的浓度。在常温（20℃-25℃）条件下，我们检测了不同盐度、C：N下的处理效果，以期实现SBR工艺运行参数的最优化。实验结果表明：盐度为2．5％～3．5％，C：N为10：1的条件下，除碳和生物脱氮的效果最佳。实验验证了SBR工艺在海水产品养殖场废水处理中可以作为一个非常有效的处理手段而应用。     

HPLC—ICP—MS法测定农业废水中有机砷与无机砷的方法研究

建立了应用高效液相色谱（HPLC）和电感耦合等离子质谱（ICP—Ms）联用技术测定农业水环境样品中三价砷（Aslll）、一甲基砷（MMA）、二甲基砷（DMA）、五价砷（AsV）4种砷形态的分析方法。试验表明,4种砷形态的线性范围宽（1-300μg·L-1）,相关系数（r）均大于0．9990,方法检出限低（0．7～0．98μg·L-1）,精密度好,重复测定7次结果的RSD均小于5％。通过计算加标回收率验证方法的准确性,加标回收率为94％～112％。实际样品的测定结果显示,农田废水中砷的主要存在形态为As（V）,其次为As（Ⅲ）。     

中国人类活动源非甲烷挥发性有机物（NMVOC）排放总量及分布

研究了各污染源的NMVOC排放因子,重点分析化工产储源的NMVOC排放因子,估计了1998～2007年中国各地区、各污染源挥发性有机物（NMVOC）排放总量,并研究了各污染源NMVOC各成分的分布特征。研究表明,近年来NMVOC排放总量呈上升趋势,2007年中国人类活动排放NMVOC总量达到2380.24万吨,是1998年的1.8倍。其中固定源燃烧排放958.95万吨（生物质燃料842.27万吨）,交通源478.62万吨,溶剂应用408.23万吨,化工产储源301.11万吨,石油储运和精炼131.84万吨,混杂源101.49万吨。本研究为挥发性有机物（VOC）总量控制提供参考。