环境模型参数识别与不确定性分析

在对水文模型实例的参数不确定性分析基础上,分别采用传统灵敏度分析方法、HSY算法、线性回归等方法对模型参数特性进行了识别与比较研究.结果表明参数优化算法与传统灵敏度分析方法不能解释模型结构复杂性特征,采用不确定性分析方法对环境模型参数进行识别提供了深入分析与理解模型系统的有效途径.     

PSO-RBF耦合神经网络在水质评价中的应用

径向基函数神经网络(RBF)中,连接输出单元的权重是影响径向基函数神经网络学习精度的主要参数,采用粒子群算法(PSO)对模型参数(权值)进行优化,建立了PSO-RBF耦合神经网络模型,避免权重的人为设定,具有客观性。并在Matlab环境下编程计算,构建了用于地下水环境质量评价和海水富营养化评价的径向基函数网络评价模型。将模型应用于黑龙洞泉域5个地下水监测点和某海水富营养化评价。评价结果和其他方法的评价结果一致,与实际情况符合,评级结果是合理的。评价结果表明,RBF网络简便有效,收敛速度快,有较强的分辨能力,优化确定模型参数后,便可对评价样本进行评价,具有较好的实用性和通用性。     

人工智能浪潮下的周界报警系统

一、如何理解周界报警系统周界防护本身是一种防御体系,就像古老的中国长城,一直以来实体周界防御体系都是以围墙、围网、栅栏等方式存在。周界报警系统则是依附在原有实体周界防御体系之上的一种自动化智能设备,它包含传感、网络和分析管理模块,分别完成采集数据、传输和算法分析功能。系统时时刻刻收集传感器采集的数据进行分析处理,判断出符合入侵行为的事件,滤除各种干扰产生的事件。     

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。     

间歇曝气序批式活性污泥法处理农村废水及其效果的模拟预测

采用两种不同运行模式的间歇曝气序批式活性污泥反应器(IASBR)处理农村废水,反应器连续稳定运行235d,考察了5个工况下,缺氧/好氧循环次数、进水碳氮比(C/N,质量比)、水力停留时间(HRT)等对总有机碳(TOC)、氨氮、TN、TP去除效果的影响。在进水C/N低时,缺氧/好氧循环次数为4的1~#IASBR的脱氮效率及稳定性明显比缺氧/好氧循环次数为2的2~#IASBR高,而脱碳和除磷效果无显著差异。氨氮去除方面,在进水C/N较低的工况1(C/N平均为2.3)、工况2(C/N平均为2.2)和工况4(C/N平均为2.0)下,1~#IASBR的出水氨氮质量浓度明显比2~#IASBR更低,而在进水C/N相对较高时两者无显著差异。TN去除与氨氮去除有类似规律。构建以进水TOC、氨氮、TN、TP、C/N和HRT、缺氧/好氧循环次数为输入的反向传播人工神经网络(BP-ANN)模型,对TOC、氨氮、TN、TP的去除率进行模拟预测,结果显示以上4个输出参数在训练组中的预测结果和实际检测结果之间绝对平均误差分别为2.65%、5.27%、3.56%、34.56%,在测试组中的预测结果和实际检测结果之间绝对平均误差分别为2.74%、3.40%、5.13%、28.32%。     

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...     

基于分布型电力系统的 PSO 优化设计

优化了传统粒子群算法，运用了混沌算法对粒子做初始化，优化了传统粒子群算法的收敛特性，并在算法的优化过程中，增加了混沌干扰元素对整体最优化极值做混沌干扰，将符合杂交几率的优化粒子做杂交处理，提高了粒子群的种类，增强了粒子群算法的搜寻水平。并通过IEEE33节点的分布型电力系统做无功优化仿真验证，通过比较，验证了优化算法的优越性与准确性。     

公路隧道火灾发生位置与人群疏散通道仿真研究

利用EXODUS建立隧道的仿真场景,确定疏散人群仿真参数,并将出口工效OPS作为评价疏散效率的指标,分析不同火灾发生位置对疏散时间的影响。采用K-means算法分别对火灾发生位置和人群疏散通道位置进行聚类,并建立基于两者影响下的出口工效模型,通过对该模型求偏导,得出隧道火灾发生位置和人群疏散通道选择之间的关系。研究结果表明:火灾发生位置越接近人行横通道,疏散时间波动越大,人行横通道和隧道入口的疏散时间随人群疏散区域分界线变化,当火灾发生距人行横通道20~110 m时,变化明显,当距140~350 m时,变化平稳;出口工效OPS总体呈现不稳定的阶梯状变化趋势;火灾发生位置和人群疏散通道的最优位置呈线性递减关系。研究结果可应用于隧道应急指挥中心管理人员制定有效疏散路径和采取诱导分流人群措施。     

蒽醌化合物的光解动力学及定量结构-性质关系

以高压汞灯为光源, 测定了15 种蒽醌化合物(ATQs)的光解速率常数(k), 讨论了取代基位置、数目及种类对ATQs 光解速率的影响.另外,选取9 种氨基蒽醌, 应用偏最小二乘(PLS)算法, 建立了关于k的定量结构-性质关系(QSPR)模型. 根据该模型, 决定k值大小的主要因素包括:分子生成热、H 原子所带最大正电荷、C 原子所带最大负电荷,以及分子最低未占据轨道与最高占据轨道能量差.