人工智能与专家的故事

人工智能几起几落,一般认为这一轮热潮从2012年开始。这一年,Hinton和他的学生Alex Krizhevsky设计的Alex Net采用深度学习算法,在Image Net图像识别竞赛中获得冠军,图像错误识别率下降10多个百分比,同期的其他神经网络每次的成绩提升很少达到5%,立即引起业界对深度学习的极大关注。之后的两年时间,深度学习网络进一步把整体错误率下降至5%以内,达到了人眼的水平。随后,Google、Micro Soft、Facebook先后开源了自己的深度学习框架Tensorflow、CNTK和Caffe。一时间,国内外涌现了大量的人工智能创业公司。除了深度学习技术,GPU芯片、分布式计算、计算位数压缩等新的优化技术也加快了神经网络的训练和使用效率,人工智能应用从高性能数据中心向嵌入式设备发展。     

基于Tripod-Beta模型的船舶火灾事故风险分析

为深入分析船舶火灾事故风险因素及其后果产生的影响,通过分析1991-2017年全球船舶火灾事故调查报告,从人员、管理、船舶设备、货物、环境5个方面对船舶火灾影响因素进行识别研究;采用三脚架事故致因模型(Tripod-Beta model),构建考虑安全栅的船舶火灾事故情景演化模型,识别船舶火灾关键影响因素;并在样本量较少的情况下,采用信息扩散理论计算船舶火灾发生率;最后,利用布尔函数和风险矩阵,对船舶火灾事故风险进行评价研究。结果表明:船员不安全行为和船舶设备表面过热、设备短路是船舶火灾事故的关键风险因素;事故后果链中安全栅遭到破坏时,船舶火灾风险处于不希望发生范围内。该方法能有效评估船舶火灾风险的等级,满足海事管理部门的监管工作需求。     

城区变电站周边商民用建筑物的安全分析和评估

随着中国社会经济的发展,不断出现变电站位于城区和市区的情况。为了更好的评估城区变电站周边商民用建筑物的安全性,文章分析了城区变电站对周边商民用建筑物和设备设施的影响,研究了城区变电站故障电流对周边商民用接地系统的耦合干扰。建立了城区变电站故障电流耦合干扰分析模型,基于接地导体GPR(地电位升)这个重要指标,提出了耦合干扰系数概念。定量分析探讨了影响耦合干扰系数的主要参数、因素及其变化规律,给出了城区变电站和商民用建筑物接地系统安全评估和分析的建议流程。最后基于BP神经网络建立了耦合干扰系数计算模型,从而设计者可以基于现场实际情况快速得到商民用建筑物受到的耦合干扰具体数值。研究成果为城区变电站周边商民用建筑物的安全防护和评估提供了理论依据和工程指导。     

基于HHO-CNN-LSTM的CMAQ修正模型及其在上海市空气质量预报中的应用

建立空气质量预报模型，预测污染物浓度对人类健康和社会经济发展具有重要意义。然而，传统的空气质量模型CMAQ对污染物浓度的预报精度并不理想。对此，本文提出了一种基于卷积神经网络(CNN)和长短期记忆神经网络(LSTM)的空气质量预报修正模型，并使用哈里斯鹰算法(HHO)对模型的超参数进行优化；用CMAQ模型对上海市2022年12月六种大气污染物(SO₂、NO₂、PM₁₀、PM_2.5、O₃、CO)浓度的预报数据以及监测站的气象数据和污染物浓度实测数据作为HHO-CNN-LSTM模型的输入，对CMAQ模型预报结果进行修正。使用均方根误差(RMSE)、平均绝对误差(MAE)和一致性指数(IOA)作为评价指标。结果显示，修正模型显著提高了六项污染物浓度的预测精度，RMSE减少了73.11%～91.31%,MAE减少了67.19%～89.25%,IOA提升了35.34%～108.29%。同时针对HHO算法陷入局部最优而导致修正模型对CO浓度预测效果不佳的问题，使用高斯随机游走策略对HHO算...     

基坑放坡开挖对下方既有地铁隧道影响计算及风险预测

为研究基坑放坡开挖对下方既有地铁隧道的影响以及预测隧道结构的风险,通过改进的计算方法得到放坡开挖基坑引起下方既有地铁隧道的竖向和横向附加荷载、位移、相对变形曲率共6个隧道结构安全的物理表现因子;将位移计算结果与前人理论计算结果、实测数据对比验证,并分析各土层物理力学参数对6个因子的敏感性;最后,基于正态分布概率模型对较敏感的土层物理力学参数随机取值,利用蒙特卡罗方法计算6个因子各级风险发生的概率和竖向、横向2类因子综合影响下隧道结构各级风险发生的总概率。研究结果表明:与原来仅限于矩形开挖基坑的计算方法相比,改进后的计算方法适用范围更广、实用性更强;在算例二分析中,隧道竖向位移和相对变形曲率超过控制值的概率分别为12%和68.7%,其余因子均为0,隧道竖向相对变形曲率是隧道结构处于不安全状态的最主要因子;若不采取预防措施,隧道结构将有高达73.27%的概率处于不安全状态,其中有68.7%的概率处于很不安全状态。     

RBF神经网络可靠度分析方法在边坡稳定性研究中的应用

针对边坡稳定性可靠度分析,当状态函数无法显式表达且传统计算方法求解复杂问题困难时,提出一种基于ABAQUS和粒子群优化径向基函数神经网络的可靠度分析方法。基于ABAQUS的强度折减方法计算所选随机变量对应的安全系数,利用径向基函数神经网络的数据拟合功能,建立模型并映射出安全系数和随机变量之间的关系,构造响应面功能函数;利用蒙特卡罗生成的大量随机样本代入功能函数得到相应的安全系数,进而计算边坡的失稳概率和可靠度指标来反映边坡稳定性。研究结果表明:相对于传统方法,本文方法计算效率更高、误差更小,适合实际工程应用。     

基于船舶操纵模拟的船撞桥概率研究

针对船舶在桥区水域航行过程中撞击桥墩的碰撞概率问题,建立并验证了船舶操纵数学模型,模拟了船舶在不同风、水流等条件下的航行情况,改进了AASHTO船舶撞桥概率模型中几何概率的算法,提出了以模拟试验样本的航迹带中心位置坐标为均值,以模拟实验样本结果计算的方差为方差的几何概率模型,同时引入停船概率模型。将改进后的模型应用于北江油金大桥船舶操纵模拟及船撞概率的研究,预测2020年北江油金大桥受上行船舶碰撞年频率大约2.81×10-6次/a,受下行船舶碰撞年频率3.43×10-4次/a,总碰撞频率3.461×10-4次/a。     

基于BP神经网络算法的密云水库水质参数反演研究

密云水库是北京市重要的地表饮用水源地,在保障首都水源安全方面起着重要作用,而密云水库水质参数的区域监测已成为当前亟待解决的问题。为了实现密云水库水质参数大范围、实时获取,该文基于遥感和GIS技术,采用BP神经网络算法,结合地面监测数据和Landsat 8遥感影像,分别建立了反演总磷、总氮、氨氮和COD(化学需氧量)4个水质参数的BP神经网络模型,并反演了密云水库2013-2018年非结冰期主要水质参数,分析了密云水库主要水质参数的年际变化特征、季节变化特征和空间分异特征。结果表明,(1)水质参数的Landsat 8敏感波段分别为:总氮为1、4波段,氨氮为1-7波段,总磷为1、3-7波段,COD为2-5波段。(2)密云水库主要水质参数在2013-2018年总体呈下降趋势,氨氮和COD为Ⅰ类水质,总磷为Ⅱ类水质,总氮为Ⅲ类水质。(3)4个水质参数指标春季最高、秋季次之、夏季最低,总氮、总磷、氨氮和COD的春季值分别是夏季值的1.08、1.36、1.6、1.45倍。(4)密云水库不同水质参数的空间差异性较大,总体来看,水库北部和东部的4个水质参数含量相对较高,这种分布与北部和东部村庄密集以及密云水库两大入库河流有关。综上所述,基于BP神经网络算法的密云水库水质反演研究是可行的,且得到了较为可信的研究结果,该研究可为密云水库水质管理与政策制定提供重要的科学依据。     

人工神经网络方法用于城市环境空气质量综合评价

采用人工神经网络技术,建立了城市环境空气质量综合评价的ANN模型,并通过实例对建立的评价模型进行验证。结果证明,ANN模型用于区域环境空气质量评价,其评价结果比较直观。同时,对在建立和应用ANN模型时应注意的一些问题进行了讨论。     

人工神经网络在道路交通噪声预测中的应用

人工神经网络具有很强的预测功能，根据某公路交通噪声的实测数据，应用人工神经网络进行道路交通噪声的预测，经检验，计算值与实测值接近，从而为道路交通噪声的预测提供了一种新的途径。