基于Adaboost集成BP网络原煤生产成本预测研究

为了提高传统BP神经网络预测模型精度,避免BP网络容易陷入局部极值、收敛速度慢等问题,将BP神经网络与Ada-boost算法相结合,提出了一种Adaboost集成BP神经网络模型.结合磁县观台煤矿原煤生产成本相关数据,建立了原煤生产成本预测的Adaboost集成BP神经网络模型,将该模型用于实际的原煤成本预测.结果表明：该模型预测精度高于传统的BP神经网络,收敛速度快,具有较强的鲁棒性,预测精度能满足实际预测需要,为原煤生产成本预测提供了一种新的途径,也为原煤生产成本控制提供了重要依据.     

基于BP-Adaboost强预测器的瓦斯涌出量预测

为了提高传统BP神经网络瓦斯涌出量预测模型精度,避免BP网络容易陷入局部极值、收敛速度慢等问题,将BP神经网络和Adaboost算法相结合,提出了一种BP-Adaboost强预测器模型.将该模型用于实际瓦斯涌出量预测,并进行了40次仿真实验.结果表明:该模型预测精度高于传统的BP神经网络,且收敛速度快,具有较强的鲁棒性,预测精度能满足实际工程需要,为瓦斯涌出量预测提供了一种新的途径.     

隔膜电解槽阴极区降解有机物的研究及其应用

采用隔膜电解法,分别研究了罗丹明B和硝基苯在不锈钢阴极表面的电解过程。结果表明,有溶解氧时,初始浓度分别为50 mg/L和120 mg/L的罗丹明B和硝基苯,电压20 V,电解2 h,阴极区电解液CODCr去除率分别为21%和36%。阴极区产生的H与O2发生反应生成HO2和OH等自由基,从而进一步引起有机物的降解。基于阴极区降解实验和降解机理进行的小试设计,在印染废水的处理中,取得了较好的降解效果。     

人工神经网络法预测城市用水量

城市用水量的预测结果,对于城市规划、供水系统的管理及改扩建有着重要的意义,寻求科学合理的预测模型是保障预测结果准确可靠的关键。针对这一问题,利用人工神经网络理论建立了BP（Back—Propagation,反向传播算法）网络预测模型,该模型考虑了反映社会、经济的两个影响因素人口和工业产值对用水量需求的影响,具备系统决策功能。通过实例证明该模型是一种行之有效的用水量预测模型。     

基于IHS-RELM的回采工作面瓦斯涌出量预测

针对回采工作面瓦斯涌出这样复杂的动态变化系统,提出了改进的和声搜索算法(IHS)与正则极速学习机(RELM)相结合的预测方法。对和声搜索算法的基本原理进行了研究,通过采用动态变化的PAR和BW值,优化和声搜索算法的全局搜索能力;利用IHS选取RELM中的输入层权值(IW)和隐含层阈值(B),以均方根误差为目标函数,提高了算法的预测精度。仿真实验结果表明,通过与已有的BP神经网络和SVM预测模型作对比,该方法具有更好的预测效果。     

多元回归和BP人工神经网络模型对混合厌氧消化产气量的预测研究

在中温且控制pH值条件下,对脂肪类单基质和城市污水厂剩余污泥进行混合厌氧消化试验。基于多元回归原理和BP人工神经网络原理,对其建立产气量预测模型。由实验数据计算得出:两个阶段多元回归模型的预测平均准确率分别为75.69%和79.29%;BP神经网络模型的预测平均准确率为79.05%。通过对比两种模型的预测结果可知,两种模型都有较高的预测准确率,但BP模型的预测准确率更高,更适用于混合厌氧消化产气量预测。     

基于BP神经网络的天线识别

本文比较研究了BP神经网络中的几种常用算法,针对这些不同算法下的BP神经网络进行训练,并得出了各自网络的性能。在此基础上,针对经典BP算法和LM算法进行对比研究,找到LM算法的改进之处。此外,在实际的应用中表明,不仅不同的BP算法对网络的运算速度、泛化能力等有较大的影响,而且BP神经网络对隐含层神经元数目也很敏感。我们希望在BP神经网络的基础上,构建一种合适的天线模型,来应用于天线的分类识别,这将具有很大的现实意义。     

基于Matlab的神经网络在绵阳空气质量预测中的应用

以绵阳市2014～2016年空气污染指数(API)以及SO_2、NO_2、PM_(10)等污染物为研究对象,探讨了绵阳市空气污染的变化规律,并分析它们与常规观测的地面气象资料之间的关系。尝试采用多元线性回归方法及BP神经网络方法建立污染预报模型,并检验分析两种模型的可行性。结果表明基于BP神经网络的预报模型在污染预报中可行,并建立基于BP神经网络进行空气质量预测的预测模型,利用历史资料进行验证。     

基于BP神经网络的空调性能预测研究

针对空调系统传统设计所需的匹配试验量大,严重浪费公司水电以及人力资源的问题,本文提出BP神经网络对空调系统的性能进行预测的方法,以设计参数压缩机冷量、冷凝器和蒸发器面积和实验参数室内外环境温度、负荷量等为输入,以空调的能力和能效比为输出,对BP网络进行训练、测试。结果表明:BP神经网络算法的均方误差为0.005 8,预测结果的总相关系数为0.974 47,可用于空调系统的设计选型,减少实验成本。     

基于遗传神经网络模型的大气环境质量评价方法

设计了用遗传算法训练神经网络权重的新方法，实验结果显示了遗传算法快速学习网络权重和全局搜索的能力，有效地解决了BP算法的局部收敛问题。误差反向传播的遗传——神经网络(GA—BP)模型用于大气环境质量综合评价，具有简便、准确、客观和适应性强等优点。     

Residential Preferences for River Network Improvement: An Exploration of Choice Experiments in Zhujiajiao,Shanghai, China

River networks have both ecological and social benefits for urban development. However, river networks have suffered extensive destruction as a result of urbanization and industrialization, especially in China. River restoration is a growth business but suffers poor efficiency due to a lack of social understanding. Assessing the benefits of river system restoration and recognizing public preferences are critical for effective river ecosystem restoration and sustainable river management. This study used a choice experiment with a multinomial logit model and a random parameter logit model to assess respondents’ cognitive preferences regarding attributes of river networks, and their possible sources of heterogeneity. Results showed that riverfront condition was the attribute most preferred by respondents, while stream morphology was the least preferred. Results also illustrated that the current status of each of three river network attributes was not desirable, and respondents would prefer a river network with a “branch pattern,” that is “limpid with no odor,” and “accessible with vegetation.” Estimated willingness to pay was mainly affected by household monthly income, residential location, and whether respondents had household members engaged in a water protection career. The assessment results can provide guidance and a reference for managers, sponsors, and researchers.     

基于Models-3的自修正空气质量预报系统及其效果检验

本文介绍了一个以Models-3为基础的自动化空气质量数值预报系统,该系统通过Gambas、Yabasic和R语言等工具进行开发,集成WRF-SMOKE-CMAQ三个模式,可通过监测数据进行自动修正,完成空气质量业务数值预报,并将结果发布到Web服务器上进行呈现。该系统对硬件的要求较低,将部署于一台DELL Optiplex 9010工作站上,设置6km—2km双层嵌套,进行成都市空气质量数值预报。本文分析了成都市2014年1月1日至2014年12月31日的空气质量数值预报结果,评价系统对成都市NO_2、SO_2、PM_(10)、PM_(2.5)、O_3、CO以及空气质量指数(AQI)的预报效果。结果显示,系统对于成都市2014年空气质量变化情况趋势的预报效果较好,302天有效预报中,24小时直接预报的空气质量等级准确率为58.27%,AQI预报相关系数0.71,观测值自动修正预报对24小时空气质量预报具有明显改善效果,使其等级预报准确率达到64.9%,相关系数提高到0.89。     

Spatial Prediction of Ground Subsidence Susceptibility Using an Artificial Neural Network

Ground subsidence in abandoned underground coal mine areas can result in loss of life and property. We analyzed ground subsidence susceptibility (GSS) around abandoned coal mines in Jeong-am, Gangwon-do, South Korea, using artificial neural network (ANN) and geographic information system approaches. Spatial data of subsidence area, topography, and geology, as well as various ground-engineering data, were collected and used to create a raster database of relevant factors for a GSS map. Eight major factors causing ground subsidence were extracted from the existing ground subsidence area: slope, depth of coal mine, distance from pit, groundwater depth, rock-mass rating, distance from fault, geology, and land use. Areas of ground subsidence were randomly divided into a training set to analyze GSS using the ANN and a test set to validate the predicted GSS map. Weights of each factor’s relative importance were determined by the back-propagation training algorithms and applied to the input factor. The GSS was then calculated using the weights, and GSS maps were created. The process was repeated ten times to check the stability of analysis model using a different training data set. The map was validated using area-under-the-curve analysis with the ground subsidence areas that had not been used to train the model. The validation showed prediction accuracies between 94.84 and 95.98%, representing overall satisfactory agreement. Among the input factors, “distance from fault” had the highest average weight (i.e., 1.5477), indicating that this factor was most important. The generated maps can be used to estimate hazards to people, property, and existing infrastructure, such as the transportation network, and as part of land-use and infrastructure planning.     

神经网络在空气污染预报中的应用研究

空气污染预报是一项复杂的系统工程，是当今环境科学研究的热点，国内外已有将神经网络法应用于大气污染预报的研究。本论文以PM2．5为例，采用伦敦市PM2．5的小时平均浓度数据，使用传统的BP神经网络建立预报模型，定量预测伦敦市PM2.5的小时平均浓度，探讨了大气污染预报网络的建模过程中，扩大样本集、去除样本集数据噪声和在输入向量中加入气象变量等因素对建模所产生的影响。最后得出结论，适当的选择样本集、气象变量，有利于提高所建立网络模型的预测精度。     

三维电极电解硝基苯废水处理实验研究

以涂膜活性炭-活性炭为填充粒子,对三维电极电解硝基苯废水进行了研究。通过实验探讨了投盐量、槽电压、主电极间距、反应时间及初始浓度对电解硝基苯废水的影响。结果表明,三维电极在电极间距为9mm、槽电压为20V、硫酸钠投加量为1.5g/L、pH值为6、电解时间为90min的条件下,硝基苯去除率可达90%以上。在三维电极电解作用下,硝基苯转化为可生化和低毒的苯胺,苯胺在三维电极电解作用下还可以得到进一步的降解。     

电化学氧化处理焚烧厂渗滤液膜浓缩液混凝出水的研究

为了降低城市生活垃圾焚烧厂渗滤液膜浓缩液混凝出水中的有机物浓度,采用电化学氧化对渗滤液膜浓缩液混凝出水进行了处理.同时,考察了阳极材料、电流密度、初始pH值和电解时间对有机物的去除影响,使用三维荧光光谱分析了有机物的去除特性,并通过氯离子的转化探讨了有机物的降解机理.结果 表明,钌铱(Ru-Ir/Ti)阳极对有机物的去...     

烧结烟气中CO对SO2监测的干扰分析

通过承钢烧结机脱硫出口SO2的比对监测,发现在线及手持监测设备正常但监测数据仍比对不合格。进行CO干扰实验,得出CO对采用＂定电位电解法＂的手持SO2分析仪有正干扰,并得出了干扰系数。现场实地测试后,利用干扰系数对监测数据进行人工修正,对比结果合格。应用＂定点位电解法＂监测烧结机烟气中低浓度SO2时,应人工修正或加装剔除CO影响的元件。     

环境因子对伊乐藻光合作用影响的试验研究

本文研究了温度、pH值、光照三种环境因子对伊乐藻光合作用的影响，实验得出伊乐藻顶枝光合作用的产氧量与温度、光照呈曲线相关，与pH值呈线性负相关。华南河网地区的环境因子基本处于伊乐藻适宜的生长范围之内，选择其作为该地区受损水域生态修复的沉水植物是比较合适的。