MATLAB在计算烟气连续监测系统中气态污染物相对准确度的应用

对固定污染源烟气连续监测系统检测时，其中气态污染物相对准确度的计算涉及到大量数据。通常的计算过程比较繁琐、费时。针对这种情况，本文作者设计了一个相应的MATLAB程序，该程序充分利用MATLAB语言强大的矩阵计算能力，分别将连续监测系统中SO2、NO和O2的浓度以矩阵输入，调用该程序即可快速得出所求结果，解决了常规计算方法繁琐、所耗时间长、容易出错等缺点。     

基于MATLAB的RLC电路暂态过程仿真

MATLAB是一种用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境,矩阵运算、绘制图像是其常用功能。本文将MATLAB与大学物理实验RLC充放电过程相结合,模拟出在不同阻尼条件下的uc变化曲线。     

基于MATLAB的应急救援最优路径选择

利用图论中的最短路径技术,结合层次分析法计算得出了影响应急救援资源运输系统的时效性、安全性、经济性等因素的权重值.应用Dijkstra算法探索了应急救援新的路径权重计算方法,提出了一套最优路径的决策方法,最后运用MATLAB仿真软件验证了该方法的可行性.     

铁路行车事故预测方法分析与比较

对铁路行车事故的特点和类型进行分析;根据美国铁路2005年安全年报提供的数据,运用灰色系统理论和BP神经网络方法建立铁路行车事故的预测模型;利用MATLAB软件进行预测仿真,比较和分析两种预测方法的精度及特点。结果表明:灰色系统理论预测结果固定,短期效果比较好;BP神经网络预测具有适应性和灵活性,适用于长期预测。采用灰色系统理论和BP神经网络进行铁路行车事故的预测,克服了传统数学统计预测方法中建立复杂的数学模型,预测准确性低的缺点,对预防和控制铁路事故的发生,降低事故损失具有现实意义。     

蚁群投影寻踪回归在湖泊水质富营养化评价中的应用

根据湖泊富营养化特性,选择总磷(TP)、总氮(TN)、耗氧量(CODMn)、透明度(SD)、生物量等5个评价指标作为评价因子,建立湖泊富营养化评价的投影寻踪分析模型,采用蚁群算法对评价模型进行优化,并将该模型应用于我国8个湖泊富营养化程度的评价。研究表明:投影寻踪回归分析法,避免了传统评价方法由于主观原因造成的误差,评价结果合理可信、方法简单,为湖泊水体营养化状态的评价提供了新途径。     

基于MATLAB工具箱的开采煤层自燃危险性预测

正确预测开采煤层自燃发火的趋势与危险性,对煤矿安全生产具有重要的指导意义。煤层自燃发火的趋势和危险程度与其影响因素之间存在着复杂的非线性关系,而人工神经网络具有极强的非线性逼近能力,能真实刻画出输入变量与输出变量之间的非线性关系。为准确预测开采煤层自燃发火的危险性,笔者针对反向BP神经网络收敛差的缺点,分别采用基于MATLAB神经网络工具箱中的VLBP和LMBP算法的改进BP神经网络模型对开采煤层自燃的危险性进行了预测。根据开采煤层自燃的特点,选取煤本身自燃倾向性、煤层地质及赋存条件、通风技术条件3个关键影响因素作为开采煤层自燃危险性的评判指标,建立了开采煤层自燃危险性预测的神经网络模型。实际应用效果表明,采用基于MATLAB神经网络工具箱的BP网络模型,能克服一般BP网络收敛较慢的缺点,能加快收敛速度;运用LMBP算法比VLBP算法快,但需较大计算机内存;该模型收敛速度快,准确性高,是一种十分有效的开采煤层自燃危险性预测方法。     

基于MATLAB的灰色预测系统及其对抽采瓦斯钻孔流量的数值模拟

研究钻孔瓦斯流量的变化及其变化趋势对抽采煤层瓦斯涌出量及钻孔瓦斯涌出初速度等参量的判定具有较大的实用价值。笔者将煤层抽采瓦斯钻孔看作一个灰色系统,利用灰色系统理论,以原始时间序列数据为基础,建立抽采瓦斯钻孔流量的模拟和预测GM(1,1)模型。针对数值模拟中大量的矩阵计算,利用MATLAB软件编制高效的计算机程序,实现了对抽采瓦斯钻孔流量的模拟和预测。为了检验模型模拟和预测结果的精度,选择了合理的误差检验模型。通过工程实例证明了GM(1,1)模型可信度较高,关联度较好,均方差比值为一级,拟合优度高。对瓦斯抽采设计和矿井安全生产具有一定的指导意义。     

油包水型乳化液水击波速的分析

水击驻波场处理油包水型乳化液是一门新兴工艺,稳定驻波场的存在是破乳的关键,而水击压力波波速在驻波场形成中起着重要的作用。因此,为了更精确的求解水击波速,从W/O型乳化液两相流产生水击现象的特点出发,根据流体力学的连续性原理,推导其水击波波速的表达式,并与经典单相流水击波波速公式进行对比,通过MATLAB仿真分析与对比验...     

基于MATLAB的灰色模型在广州市降尘预测中的应用

用MATLAB语言将灰色系统理论中的GM(1,1)模型,从建模到模型的检验过程编制成一个普适程序。将该程序应用于广州市降尘量的预测分析,结果令人满意。     

基于BP神经网络模型在珊溪水库水华预测中的应用

在珊溪水库藻类暴发期间应急监测数据的基础上,建立pH值、高锰酸盐指数、总氮、总磷、叶绿素a数据矩阵。运用MATLAB R2015b GUI可视化界面模块,将应急监测数据样本空间分为训练样本、验证样本、测试样本,建立珊溪水库BP神经网络模型,预测了珊溪水库藻类暴发期间叶绿素a浓度。BP神经网络建模结果显示:输出数据与实测数据相关系数0.978,平均相对误差-0.19%,标准方差18.54%,模型稳定性较好,叶绿素a预测结果符合预期。BP神经网络预测模型为珊溪水库饮用水水源地环境保护提供了科学依据。