基于图神经网络的社区户内燃气系统动态风险评估

目前对于社区户内燃气系统的风险评估大都为静态分析方法,且一般只对系统中单独组成部分进行建模,忽略了户内燃气系统风险复杂的耦合影响关系。针对现有风险评估方法的局限性,提出了一种基于图神经网络的社区户内燃气系统动态风险评估方法。该方法首先通过梳理社区户内燃气事故、分析社区户内燃气系统的风险源和风险影响因素,构建了社区户内燃气系统动态风险评估指标体系;然后将知识图谱用于社区户内燃气系统的场景构建,基于社区户内燃气系统的构成和指标体系确定知识图谱中的实体类型和实体特征,并在所构建的社区户内燃气系统知识图谱的基础上,提出了一种基于图神经网络的社区户内燃气系统动态风险评估方法;最后,以某一社区为例,对所提出的基于图神经网络的社区户内燃气系统动态风险评估方法进行验证。实例应用分析结果表明:该方法可以针对社区户内燃气系统风险复杂的耦合影响关系,实现社区户内燃气系统的安全动态风险评价,对社区燃气用户的安全管理具有一定的指导和参考意义。     

长三角对流层甲醛柱浓度时空变化及驱动因素

通过OMI卫星数据分析了2005~2016年长江三角洲对流层甲醛柱浓度的时空变化规律.同时结合2008年和2010年各部门VOCs人为源排放量,利用BP神经网络和RBFN神经网络模型对对流层甲醛柱浓度进行了县域尺度上的回归模拟和各部门排放量贡献度分析.结果表明：长三角城市群对流层甲醛柱浓度在2005~2010年存在着增加趋势,2011~2016年甲醛浓度有下降的趋势.高值区域分布在皖北苏北、上海及其附近,低值区域分布在浙西南一带.人为源排放使得经济发达地区的甲醛柱浓度显著增高.工业源在长三角的分布较为广泛,电力源分布稀疏且VOC排放量远小于工业源排放量,居民源的VOC排放量介于工业源和电力源之间,有明显的南北差异.交通源主要集中在苏南、浙北和上海附近,少部分沿交通线条状分布.机器学习算法可以较好地利用人为源排放数据对甲醛柱浓度进行模拟.神经网络的拟合精度可以达到0.6~0.8,比线性回归的拟合精度超出0.3~0.4.模型变量重要性计算显示各部门中居民源对甲醛柱浓度的贡献程度最高.研究对流层甲醛柱浓度的长期时空变化及其影响因素有利于深入研究臭氧污染,同时也为大气治理和政策制定提供了科学依据.     

煤矿安全宏观预测方法综述

对几种比较适用于预测煤矿安全宏观预测的方法(线性回归预测、非线性回归预测、灰色预测、马尔柯夫链预测、灰色马尔柯夫链预测、神经网络预测法)进行了介绍,并作了进一步评述和探讨.     

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。     

基于图神经网络聚类的土壤监测点位优化

在土壤污染的监测过程中,由于需要大面积的监测点位布设,所以需要大量的人力和物力,同时原有的土壤监测点位存在冗余和代表率低的问题,对监测结果的准确性和全面性产生了影响。使用一种基于自编码器降维和图卷积网络（GCN）推理的土壤点位优化方法,通过将原有监测点位聚类成不同簇,来实现用尽量少的监测点位全面地表现区域污染情况的目的。使用GCN推理结合自编码器降维的土壤点位优化方法,该方法同时利用土壤监测点位数据的结构信息和高维特征表示,将监测点位聚类成不同簇。通过对相关性进行分析,发现聚类后的簇中心点位可以作为原始簇的代表,从而降低土壤监测点位的冗余性,实现了监测点位的优化。实验证明GCN方法可以有效地减少监测点位的数量,同时保持监测结果的准确性和全面性。     

基于模糊系统与神经网络融合的故障诊断方法

提出一种基于模糊系统（ＦＳ）与神经网络（ＮＮ）融合的系统故障诊断方法。此法把模糊系统与神经网络融合在一起,通过神经网络的学习来生成和调整模糊系统的隶属函数,充分发挥各自优点,更有效地对系统出现的故障进行诊断。对系统进行了仿真,并得出了比较满意的结果。     

应用BP网络研究气候变化对雅砻江和嘉陵江流域水资源环境的影响

气候变化对水资源的影响是一个重要的环境问题,应用人工神经网络方法建立了雅砻江和嘉陵江流域年均气温、年降水量与年径流之间的BP网络模型,利用建立的网络结构模拟了气温和降水变化对流域水资源环境的影响,结果表明气温增高和降水量减少将造成水资源量的大幅度减少,对生态环境构成威胁     

基于IPSO-BP模型的火灾气体传感器气压补偿算法

为完善飞机火灾检测系统,设计一套方案,模拟试验不同气压下CO、CO2气体传感器采集气体的体积分数值,并与理论值比较,进而提出一种根据粒子适应度值动态调整学习因子的粒子群算法.采用改进的粒子群(IPSO)算法寻找反向传播(BP)神经网络的最优初始权值阈值,再利用寻优后的BP神经网络修正CO、CO2气体传感器的检测结果,消...     

智能控制在污水生物处理系统中的应用

对智能控制的适用范围及污水生物处理工艺的特征进行了简单分析。对智能控制的3大主要分支模糊逻辑控制、神经网络控制及专家控制系统在污水生物处理中应用的最新动态进行了评论和分析。结果表明,在污水生物处理中引入智能控制是一种提高处理效率、降低运行成本的有效方法,国内在污水生物处理智能控制的应用研究与国外有较大的差距,国内的研究及应用还处在发展阶段,应当加强。最后对污水生物处理智能控制的发展方向作了简要分析。     

基于神经网络模型对城市空气质量预报方法的优化研究

基于郑州市2017年1月1日—2022年2月28日环境空气细颗粒物(PM_(2.5))逐日质量浓度监测数据和同期气象数据,利用反向传播(BP)神经网络构建了环境空气PM_(2.5)质量浓度预报模型,实现了对郑州市后1日环境空气PM_(2.5)质量浓度日均值进行预报。构建了考虑大气氧化性因素(情景一)和不考虑大气氧化性因素(情景二)这2种情景,并对2种情景下的预报效果进行评价。结果显示,在情景一下,各季节PM_(2.5)预报质量浓度与实况质量浓度的标准化平均偏差(NMB)和均方根误差(RMSE)均处于较低水平,表明预报效果均具有较好的稳定性;各季节PM_(2.5)实况质量浓度与预报质量浓度之间的相关系数(r)、一致性指数(IA)、准确率(Q)和级别预报准确率(G)均处于较高水平,其中Q值均>79%,G值均>80%,表明各季节PM_(2.5)实况质量浓度与预报质量浓度趋势的吻合程度较高。情景一各季节PM_(2.5)预报质量浓度与实况质量浓度的NMB和RMSE均低于情景二,降幅分别为0.8%~2.3%和2.3~4.2μg/m 3;r值、IA、Q值和G值均高于情景二,增幅分别为3.5%~36.1%,2.2%~14.6%,6.4%~9.4%和3.5%~9.1%,表明考虑大气氧化性因素能够优化该模型。