基于BP神经网络的高校校园安全评价模型及其应用

本文将人工神经网络应用于高校校园安全评价中,建立了采用LM算法的三层BP神经网络高校校园安全评价模型,并参考国内对校园安全评价的研究成果,建立了校园安全评价指标体系,通过专家打分获得训练样本,用trainlm训练函数训练网络进行实例分析,其评价结果与实际一致,验证了该评价模型的适用性.该模型可以利用已有的比较成功的校园...     

基于腐蚀损伤表征因子的疲劳寿命衰减影响研究

应用MIT（Mean Impact Value）方法对LY12CZ铝合金试件疲劳寿命产生影响的腐蚀损伤表征因子进行筛选,得到了对疲劳寿命衰减影响较大的5个腐蚀损伤表征因子。定义了腐蚀疲劳寿命累积衰减函数与疲劳寿命衰减速率函数,建立了寿命累积衰减模型,验证了该模型的准确性,并以腐蚀损伤表征因子和腐蚀累积衰减函数为数据样本,用BP神经网络、自适应滤波的LMS算法分别预测了不同年限下的疲劳寿命。与实验测得的疲劳寿命数据对比后得出,BP神经网络、LMS方法计算产生的误差在工程上可以接受。     

一种基于大气CO2浓度时空特征的碳排放分区估算方法

针对人为碳排放的空间分布量级差异大导致排放数据的非正态分布问题,提出了一种基于卫星大气CO₂柱浓度(XCO₂)时空变化特征聚类分区构建人为碳排放神经网络估算模型方法.通过利用与人为碳排放强相关的卫星XCO₂数据时空变化(2010～2021年)特征的聚类分区,利用卫星观测的XCO₂和SIF以及夜间灯光、人口密度和人为排放清单数据EDGAR作为训练学习数据,以聚类区为单位分别构建人为碳排放神经网络估算模型,估算了2021年研究区人为碳排放.与EDGAR交叉验证结果显示,相比以中国全区数据作为训练学习样本统一建模方法的估算,本研究提出的分区建模估算结果从相关系数(R²)的0.43提高到了0.82;空间分布更为合理;平均偏差由0.03 9Mt CO₂降低到0.018Mt CO₂.研究表明利用多源数据的神经网络训练学习进行人为碳排放的估算,能够为区域碳排放特征和排放清单的不确定性提高提供评估分析依据.     

RBF神经网络在锅炉安全液位控制中的应用

锅炉是现代工业过程中不可缺少的动力设备,在工业锅炉的自动化控制过程中,蒸汽锅炉的给水调节是其控制过程的重要任务。结合锅炉安全液位控制过程的影响因素,文中分析了给水流量作用下的动态特性、蒸汽流量作用下的动态特性和炉膛热负荷作用下的动态特性,提出了基于径向基神经网络PID的分段式锅炉液位控制策略。控制策略中采用的高斯函数的径向基神经网络算法,实现了系统参数智能化自动调整;分段式控制方法有效地提高了系统的调节精度和响应速度。该控制策略的实际应用,对实现工业控制过程自动化,提高系统控制品质和保证生产过程安全具有重要意义。     

基于BP神经网络的VOCs实时源解析方法

为了提高挥发性有机物(VOCs)源解析的时效性,基于BP神经网络提出了对VOCs监测数据进行实时源解析的PBP模型。利用验证数据证实了PBP模型可获得与PMF模型准确性相当的源解析结果,并且PBP模型具有不受输入数据量限制且计算速度快的优点。将PBP模型应用于长三角某工业园区监测时长为10个月的VOCs组分在线数据并计算得到高时间分辨率的源解析结果,发现监测点位VOCs主要来源为工业源(25%)>燃煤源(20%)>汽油车尾气源(18%)>溶剂使用源(15%)>柴油车船舶尾气混合源(12%)>油品挥发源(6%)>植物源(5%)。此外,结合风速风向数据对各污染源主要贡献方位进行识别,为VOCs的精确管理和控制提供参考,且具有较大的源解析应用潜力。     

基于Lasso-BP神经网络模型的河南省碳达峰路径研究

为探索河南省碳达峰路径,满足河南省碳达峰战略需求,选取河南省2001—2020年社会、经济、能耗、资源4个维度的12个指标,使用Lasso-BP神经网络方法,建立河南省碳排放量预测模型。基于12个指标数据的回归分析,设计了6条发展路径,对河南省2021—2035年的碳排放量进行预测。结果表明:1)12个维度的因素中,影响碳达峰的6大关键因素为煤炭消费占比、单位GDP能耗、森林覆盖率、能源消费总量、第二产业GDP比重和私人汽车拥有量;2)追求单因素发展的路径1—4均无法在2030年实现碳达峰;在路径5、6下,河南省将于2029年碳达峰,相较于路径5,路径6的峰值排放量低2.53 Mt,峰值为510.91 Mt CO₂;3)为实现碳达峰,在"十四五"和"十五五"阶段,应分别将煤炭消费占比、单位GDP能耗、森林覆盖率、能源消费总量、第二产业GDP比重、私人汽车拥有量的年均增长率控制在-4.0%和-5.0%、-3.5%和-4.0%、2.0%和3.0%、0.5%和0.4%、-1.5%和-2.0%、7.5%和7.0%。     

基于微分变换的湿地植物高光谱全氮反演

叶片全氮含量是监测和诊断湿地植物生理状况及生长趋势的重要指标,利用高光谱技术监测湿地植物氮含量,对于理解湿地生态系统氮循环具有重要意义.为探究湿地植物叶片全氮含量遥感光谱的估算方法,以云南省大理西湖湿地公园优势植物芦苇（Phragmites australis）和茭草（Zizania caduciflora）全氮含量为研究对象,对叶片光谱数据进行预处理并建立二者的关系模型,包括单变量模型、多变量模型（偏最小二乘回归模型和BP神经网络模型）,并利用决定系数（r²）和均方根误差（RMSE）对模型精度进行检验.结果表明:（1）不同形式的光谱变换增强了植物全氮含量与光谱变量的细节特征,二者的短波红外波段相关性强于可见光近红外波段.芦苇二阶微分（R"）反射率与全氮含量在1682 nm处相关性最强,相关系数为0.70;茭草平方根二阶微分[(R^1/2)"]反射率与全氮含量在1 190 nm处相关性最强,相关系数高达-0.80.（2）不同植物类型相比,利用茭草的变换光谱反射率建立的单变量和偏最小二乘回归模型建模精度都高于芦苇.（3）不同回归模型相比,BP神经...     

基于模糊神经网络的广东省台风灾害损失预测

台风灾害是我国最严重的海洋灾害之一,研究提高台风灾害损失预测的准确度对防灾减灾具有重要意义。针对目前机器学习算法在处理小样本数据时预测精度不高的问题,提出结合模糊数学的BP神经网络算法对台风灾害损失进行预测。本文选用广东省2005—2016年记录较为完善的25个台风样本数据进行实验,首先利用信息扩散技术对初始数据进行正...     

基于神经网络集成的单个飞行事件噪声预测模型

通过分析影响单个飞行事件噪声的各种因素,构建了BP神经网络回归预测模型,并通过自适应遗传算法优选出参与集成的个体神经网络,提出了预测单个飞行事件噪声的神经网络集成预测模型.为了有效保证差异性,设置不同隐藏神经元个数和Bagging算法来构建和训练单个网络.实验结果表明,单个飞行事件噪声的神经网络集成预测模型相对单个BP神经网络模型泛化能力更强,稳定性能更好.本文方法在测试集上误差在3dB以内的平均比率为96.9%,比单个网络高6.8%.     

基于轻量级梯度提升机的南京大气臭氧浓度预测

采用南京地区2015年1月至2016年12月期间的空气质量数据和常规气象资料数据,分析了南京地区O₃浓度变化特征,建立基于轻量级梯度提升机(LightGBM)的O₃浓度预测模型,并将该模型与支持向量机、循环神经网络和随机森林等3种在空气质量预测方向上常用的机器学习方法进行了对比,验证模型的有效性和可行性.结果表明,南京地区O₃浓度变化具有显著的季节性差异,浓度变化受前期浓度、气象因子和其他空气污染物浓度的共同影响.LightGBM模型较为准确地预测了南京地区地面O₃浓度(R²=0.92),且该模型的预测精度和计算效率等性能优于其他模型.尤其是在容易出现臭氧污染的高温天气,该模型预测准确性明显高于其他模型,模型稳定性较好.LightGBM具有预测准确度高、稳定性好、有良好的泛化能力和运算时间短等特点,在O₃浓度预测方面具有显著的优势.