基于自适应遗传小波神经网络的水质评价建模

水环境污染过程的非确定性和非线性,使得传统的水质评价方法存在局限性。为了提高水质评价的准确性,提出了一种基于改进小波神经网络(wavelet neural network,WNN)的水质评价模型。采用自适应遗传算法(adaptive genetic algorithm,AGA)对小波神经网络的初始权值进行优化,再通过小波神经网络算法对网络进行训练,最后对训练好的网络展开测试。仿真结果表明,自适应遗传算法和小波神经网络的结合提高了网络的训练效率,该方法可以用于水质评价建模,并且评价结果具有较高的精度和准确性。     

城市景观格局时空特征的热环境效应研究——以广州市花都区为例

1999-2009 年,广州市花都区经历了经济腾飞的10 a,不断变迁的城市景观格局时刻影响着热环境的分布.论文基于Landsat TM/ETM+遥感数据,获得地温反演图和土地利用类型图.采用均值-标准差法划分热力等级以分析热力重心变化,并与建设用地重心变化作对比.通过移动窗口得出可视化的景观指数,指数刻画包括景观多样性和建设用地密度、形状和分布状况,进而分析景观指数与地温间的相关性.研究结果表明:区内南部受人类活动影响最为剧烈;土地利用类型并非是影响地温分布的唯一因素;区内城市景观格局多样性与地温虽存在正相关关系,但随着多样性程度加剧且各组合面积比例均匀,降低了两者相关程度;建设用地面积比例、分离度与地温的相关关系较为稳定,且比例较高或分离度较低的所在区域通常为高温区;建设用地平均分维指数与地温的相关性随着其形状的复杂性加剧和分布范围扩大而降低,即影响了高温形成的程度.     

基于灰色神经网络优化组合模型的火灾预测研究

为了提高火灾事故预测的精度,根据我国火灾事故数据样本较小,波动性较大的特点,将遗传算法优化的灰色无偏预测模型与遗传算法优化的BP神经网络模型结合起来,建立灰色神经网络优化组合模型,充分发挥无偏灰色预测模型适用于小样本的数据预测的优势与BP神经网络处理非线性问题的优点。分别采用遗传算法优化后的无偏灰色GM（1,1）模型、遗传算法优化的BP神经网络预测模型与灰色神经网络优化组合模型对我国1998-2008年的火灾事故进行拟合,并对2009-2011年的火灾事故发生数进行预测。结果表明:灰色神经网络优化组合模型的预测误差最小,精度最高,适用于火灾事故的预测。     

全尾砂絮凝沉降参数GA-SVM优化预测模型研究

为了得到经济、高效的絮凝沉降参数,建立GA_SVM预测模型进行优化选择。在优选过程中,以供砂浓度、絮凝剂单耗和絮凝剂添加浓度作为输入因子,以沉降速度作为综合输出因子,通过室内试验,建立训练、验证样本集;建立支持向量机（SVM）回归预测模型,用训练集对模型进行训练,进而以验证集预测值的均方误差作为适应度函数,通过遗传算法（GA）对SVM模型参数进行优化选择,应用优化得到的SVM模型对絮凝沉降参数进行预测、优化。以湖南某铅锌银矿为例,通过建立的GA_SVM模型对全尾砂絮凝沉降参数进行预测,优选出该矿最佳絮凝沉降参数为:供砂浓度20%-25%,絮凝剂单耗8g/t,添加浓度009%。经实验对比,该模型对絮凝沉降参数预测结果的相对误差能控制在5%左右,精确度较高,可以作为絮凝沉降参数优选的一种新思路     

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ASM 2d的数学模型在六箱一体化工艺分析中的应用

以六箱一体化工艺为例,建立了基于ASM 2d(activated sludge process 2d,活性污泥工艺2d)的数学模型,并研究其在脱氮除磷中的应用. 在HRT(水力停留时间)为16 h的工况下,利用灵敏度分析挑选了含有7个参数的待优化参数集,通过使用遗传算法优化校正函数的方式进行校正计算,获得了校正后的六箱一体化工艺模型,并在HRT为20和24 h下对该模型做了进一步验证. 结果表明,校正后的模型对出水水质的预测性较好,在HRT为16 h下,出水ρ(COD_Cr)、ρ(TN)、ρ(TP)和ρ(NH₄+-N)的模型计算值与实测值间的绝对差值较小,分别为1.96、0.83、0.06和0.24 mg/L. 在校正后模型的基础上,详细分析了HRT为20 h时各池中ρ(NH₄+-N)、ρ(NO₃--N)和ρ(PO₄3--P)在1个周期内的动态变化,指出了影响该工艺处理效果的主要原因(如碳源不足的问题),并与通过试验分析得到的结果基本一致.      

核化危害源项反演技术现状及研究展望

源项反演对缓解和遏制核化危害源、精准预测核化危害时空传输和扩散情况、辅助作战行动和保障决策等具有十分重要的意义。本文从源项反演应用平台和源项反演关键算法（包括欧拉方法、拉格朗日方法、深度学习等）两个方面,对国内外核化危害源项反演技术的现状和二者间的差距进行了总结与分析。研究指出,利用深度学习提高反演精度和速率、从单污染源到多污染源的拓展、定性与定量混合反演将成为该领域发展的重点。     

神经网络与模拟退火算法结合的锅炉低NOx燃烧优化

对某600MW燃煤电站锅炉进行了多工况热态NO_x排放特性测量,在利用多层前向神经网络对该锅炉的NO_x排放特性进行建模的基础上,将神经网络模型与模拟退火全局优化算法相结合,实现了锅炉的低NO_x燃烧的优化,计算得到可获得低NO_x排放浓度的具体燃烧配风方案.文中对2种不同退火参数的模拟退火算法进行了比较,结果说明采用T₀=50K,α=0.6的参数可以获得较好的寻优效果.本文研究结果为实现大型电站锅炉低NO_x燃烧控制的在线优化技术打下了基础.     

A model algorithm for defining the vertical profile of absolute humidity by ground measurements of humidity

In this study a double model algorithm is developed for the simulation of the vertical profiles of monthly values of absolute humidity. The thrust of the algorithm is that is depends on the use of ground measurements for humidity and is based upon the use of two model relations for altitudes above and below 1 Km respectively. Monthly absolute humidity profiles as estimated using the specially constructed double model algorithm compare well with those calculated with the use of radiosonde data for the time period 1980–1990 (Helliniko station, Southern Greece). In particular the model estimation is very satisfactory at altitudes above the Planetary Boundary Layer and rather satisfying at altitudes below 1 Km. This implies that the model algorithm may be useful in supporting climatological studies in areas where lack of relevant information on the vertical distribution of water vapour is recognised.     

基于模拟植物生长算法的快线公共车辆优化调度研究

公共车辆的运营优化调度能够很好的减少城市交通拥堵,缓解交通压力,保证多方面的利益。对乘客高峰期快线公共车辆的调度进行了研究。首先运用了三元组α/β/γ方法对问题进行了描述,将乘客高峰期快线车辆的调度描述为一类以最小化制造期和平均等待时间为目标,具有先入先出原则和机器适用限制的流水车间动态调度问题。并在此基础上建立了相应的数学模型;接着,运用模拟植物生长算法进行了算法设计;最后,用实际数据进行了数值仿真,结果证明该研究具有较高的理论及现实价值。