唐山市地震影响系数分布研究

地震影响系数是构建地震反应谱的最重要参数之一,也是抗震房屋设计和减灾的基础,唐山市地震影响系数的分布受到场地条件、基岩条件和特殊地质现象等诸多因素的共同影响。通过分析唐山市地震影响系数分布的主要影响因素,得到影响唐山市地震影响系数分布的主要指标。考虑各指标与地震影响系数之间的非线性关联关系,应用人工神经网络方法构建了唐山市地震影响系数分布预测模型。根据实际资料,确定了模型的参数和多个系数矩阵,计算和分析了综合考虑场地和基岩等诸多条件的唐山市地震影响系数分布,并对唐山市的抗震设防规划提出了几点建议。     

人工神经网络在水环境质量评价中的应用

应用人工神经网络理论与方法建立了滏阳河水质评价的RBF(径向基函数)神经网络模型,对滏阳河邯郸市区段的从南环到北环的7个监测断面水质进行了评价,并与灰色聚类结果进行对比。结果表明RBF神经网络模型能很好地解决评价因子与水质等级间复杂的非线性关系,评价水质简便可靠,预测精度高,具有通性和客观性。根据评价结果,分析了滏阳河邯郸市区段水质污染程度,可以为水环境保护工作提供防治依据。     

基于径向基函数神经网络（RBFN）的内蒙古土壤风蚀危险度评价

土壤风蚀是北方干旱和半干旱地区土地沙化和沙尘暴灾害的首要环节和主要动力过程之一. 选取影响内蒙古自治区土壤风蚀演化的相关指标,运用GIS技术提取各指标数据,构建径向基函数神经网络（Radial Basis Function Network,RBFN）;根据不同风蚀危险程度标准,选取12个市、县（旗）相关数据进行训练,确定网络模型参数,进而对内蒙古自治区88个市、县（旗）的土壤风蚀危险度进行了评价. 结果表明:内蒙古自治区西部为土壤风蚀发生的极强危险区,西北为强危险区,中部为中度危险区,而东部为轻度危险区;利用其他研究对该评价结论进行对比验证,结果较为理想.      

微重力波动与燃烧温度变化的研究

本文通过试验飞机抛物线飞行进行了微重力燃烧实验,采集得到微重力条件下一个采样点微重力波动和燃烧温度变化的数据,在此基础上将时间序列预测和神经网络相结合进行了微重力波动与燃烧温度变化的研究,揭示了试验飞机抛物线飞行中微策略波动和采样点燃烧温度变化的规律。     

基于BP神经网络水质模型的城市安全距离研究——以芜湖和马鞍山为例

快速的城镇化使城市间距不断减小,上下游城市间水质的相互影响愈发显著.本研究提出基于水质的城市安全距离概念,建立基于BP神经网络水质模型的城市安全距离量化方法,并选择长江沿岸相邻的芜湖、马鞍山两市为案例,评估未来两市建成区扩张后城市间距的安全性,计算两市建成区的最小安全距离.结果显示,2020年芜湖与马鞍山4.6km的间距属于安全距离,能够保证下游城市马鞍山上游控制断面地表II类的水功能要求.但与2010年相比,控制断面水质变差,COD与氨氮浓度分别提高了29.2%与23.2%.为了保证控制断面的水功能要求,芜湖与马鞍山两市的最小安全距离为3.2km.     

基于CNN的化工园区火灾火焰图像识别研究

为及时发现化工园区火灾事故,降低事故损失,利用卷积神经网络(CNN)建立化工园区火灾实时检测系统。基于CNN-YOLOv5算法训练化工园区火灾数据集和普通火灾数据集,分析对比2个数据集的损失值、召回率、精度和类别平均精度。其中,化工园区火灾数据集的损失值和召回率略低,但精度和类别平均精度高于普通火灾数据集,证明通过CNN检测化工园区火灾的可行性。结果表明：基于火灾检测结果,借助PyQt5程序框架设计化工园区火焰图像识别软件系统,可实现对化工园区火灾火焰图像和视频的识别应用,扩大该方法适用范围。基于CNN的YOLOv5目标检测算法可以实时检测化工园区火灾,其检测方法具有便携性、检测结果具有可靠性,可提高化工园区的安全管理水平。     

基于字词向量融合的民航智慧监管短文本分类

为解决民航监管事项所产生的检查记录仅依靠人工进行分类分析导致效率低的问题,提出一种基于数据增强与字词向量融合的双通道特征提取的短文本分类模型,探讨民航监管事项的分类,包括与人、设备设施环境、制度程序和机构职责等相关问题。为解决类别不平衡问题,采用数据增强算法在原始文本上进行变换,生成新的样本,使各个类别的样本数量更加均衡。将字向量和词向量按字融合拼接,得到具有词特征信息的字向量。将字词融合的向量分别送入到文本卷积神经网络(TextCNN)和双向长短期记忆(BiLSTM)模型中进行不同维度的特征提取,从局部的角度和全局的角度分别提取特征,并在民航监管事项检查记录数据集上进行试验。结果表明：该模型准确率为0.983 7,F₁值为0.983 6。与一些字嵌入模型和词嵌入模型相对比,准确率提升0.4%。和一些常用的单通道模型相比,准确率提升3%,验证了双通道模型提取的特征具有全面性和有效性。     

BP神经网络在北京市API预报中的应用

对大气污染进行预测具有十分重要的意义。以北京市为例,综合考虑BP网络的逼近能力和泛化能力,将时间序列作为BP神经网络的输入,对空气污染指数的预测做了建模研究。实验结果表明:BP神经网络的输出值与实际值之间的误差在可以接受的范围,特别是对骤升骤降趋势也能得到准确度较高的预报结果。因此在实际应用中,可以将BP网络方法作为一种考虑采用的方法。     

基于BPNN模型的微生物群落演替主导因子分析

采用CSTR型产酸-硫酸盐还原反应器处理高浓度硫酸盐废水,根据原型试验,利用带动量的自适应学习速率梯度下降算法,建立BPNN模型,预测碳硫比(C/S),硫酸盐负荷率(Ns),pH值和碱度(ALK)4个关键生态因子对硫酸盐去除率(η)的影响.在此基础上,采用信息流(IF),分割连接权值(PCW)和偏导数(PaD)3种方法,定量化分析网络各层神经元的连接权值,从而明确了引发微生物群落生态演替全过程的主导因子是C/S.不同的生态因子在生态演替的3个阶段所起的主导作用各不相同.pH值是演替阶段I的主导因子,C/S是演替阶段II的主导因子,Ns是演替阶段III的主导因子.     

两种新型流域非点源污染负荷估算模型的比较

为探索简单快捷、实用性强的流域非点源估算模型,基于降雨量差值法的基本思想,应用径向基函数(RBF)神经网络和支持向量机(SVM)2种技术,以渭河流域历年降雨量资料为基础建立了相应的流域非点源污染负荷估算模型.并将2种模型估算结果与相关分析法估算结果进行了比较,综合分析渭河流域历年径流量与三者所推得的历年点源负荷的标准差.结果表明,支持向量机的估算结果最为合理,且计算简单,操作便捷,具有实用价值.