CO气体激光检测仪中基于FPGA的信号源设计

在激光检测仪的系统设计中,要求信号源四路波形同步异频发生,且有移相、倍频、波形叠加等要求。利用FPGA技术完成满足以上要求的直接数字频率合成器(DDS)的设计。在实现中选用Altera公司的FPGA芯片EP2C8Q208C8为主芯片进行设计,充分利用了该芯片的超大集成性和快速性。在改进的DDS算法结构的基础上,系统的复杂度降低,更趋于模块化,产生的波形频率更准确。     

煤层透气性系数的优化和简化计算方法

煤层透气性系数是用以考察保护层开采效果和设计瓦斯抽采系统的重要参数之一,钻孔径向流量法是求取该系数最常用的算法。利用理论推导和图形分析方法,探讨流量准数、时间准数、煤层透气性系数与参数A,B间的关系。在此基础上,针对科研工作和现场管理的实际情况,提出求解透气性系数的2种新算法及其算法流程,并对时间准数-参数A,B函数关系中的间断点问题进行讨论和分析,解决此区间内求解透气性系数相应计算公式等问题。理论和实例分析表明:算法1在不更改最终计算公式和结果的前提下,省去了繁琐的试算过程,既保证了可靠性也优化了计算流程;算法2以稍减精度的代价对计算流程进行进一步的简化,其结果仍有较高精度。     

基于BP神经网络算法的北京市地铁站应急疏散能力仿真评估模型

地铁站的应急疏散能力是地下铁道安全运营设计中非常重要的部分,对于维持社会稳定,保障人民安全具有重大意义.本文利用BP神经网络计算方法和MATLAB软件,选取可能影响地铁站疏散能力的相关因素作为评价指标,建立了应急疏散指标体系,并以北京北三环区域周边地铁站作为主要研究对象,对北京市地铁站应急疏散能力进行了仿真评估,提出了增加疏散通道、疏散楼梯、安全出口等数量,以提高地铁站应急疏散能力等一些可供参考的建议.     

环境模型参数识别与不确定性分析

在对水文模型实例的参数不确定性分析基础上,分别采用传统灵敏度分析方法、HSY算法、线性回归等方法对模型参数特性进行了识别与比较研究.结果表明参数优化算法与传统灵敏度分析方法不能解释模型结构复杂性特征,采用不确定性分析方法对环境模型参数进行识别提供了深入分析与理解模型系统的有效途径.     

Forecasting China’s primary energy demand based on an improved AI model

An improved energy demand forecasting model is built based on the autoregressive distributed lag (ARDL) bounds testing approach and an adaptive genetic algorithm (AGA) to obtain credible energy demand forecasting results. The ARDL bounds analysis is first employed to select the appropriate input variables of the energy demand model. After the existence of a cointegration relationship in the model is confirmed, the AGA is then employed to optimize the coefficients of both linear and quadratic forms with gross domestic product, economic structure, urbanization, and technological progress as the input variables. On the basis of historical annual data from 1985 to 2015, the simulation results indicate that the proposed model has greater accuracy and reliability than conventional optimization methods. The predicted results of the proposed model also demonstrate that China will demand approximately 4.9, 5.6, and 6.1 billion standard tons of coal equivalent in 2020, 2025, and 2030, respectively.     

徐州大气颗粒物污染特征及传输途径分析

利用徐州2015年PM2.5和PM10逐小时质量浓度数据,分析了徐州颗粒物时空变化特征。同时基于HYSPLIT后向轨迹模式,结合GDAS气象数据和空气质量数据,利用轨迹聚类及潜在源分析法研究徐州不同季节气流轨迹对颗粒物浓度的影响及PM2.5和PM10的潜在来源。结果显示,2015年徐州环境空气中PM2.5和PM10的年均值为65和122μg/m3,分别超过国家《环境空气质量标准》(GB 3095—2012)二级标准限值86%和63%。各国控站点ρ(PM2.5)和ρ(PM10)月变化呈现一致的冬季高夏季低的"V"型变化特征,这与气象条件和气流轨迹特征季节性变化有关。秋冬季污染较高时期徐州主要受西北内陆性气团和较为稳定的气象条件影响,而春夏季来自较为干净的东部海洋性气团利于污染扩散。潜在源分析显示,山东、安徽、苏中南、浙西北等地区是影响徐州市PM2.5和PM10的主要潜在源区。各季节潜在源区分布范围有一定差异,冬季时潜在源区分布最广,并有明显向西北方向转移延伸的趋势。     

官厅水库入库断面水质多指标评价与演变特征分析

水体质量状况及其污染特征是流域水污染防治规划和治理措施制定的前提和基础。采用主成分分析和层次聚类分析等多元统计分析方法,选取溶解氧、高锰酸盐指数、化学需氧量等10个不同类型的监测指标,综合评价了官厅水库入库断面八号桥2006—2017年丰水期和枯水期水质年际变化特征,识别了不同阶段关键污染指标。结果表明:各年份丰水期(9月)大多数水质指标均优于枯水期(5月),特别是粪大肠菌群和氨氮,但总磷和高锰酸盐指数的差异较小。根据水质指标年际变化情况,可将研究期分为污染严重阶段(2006—2007年)、污染改善阶段(2008—2015年)和污染全面好转阶段(2016—2017年)。大部分水质指标呈现逐年好转的趋势,特别是粪大肠菌群、氨氮和五日生化需氧量,但总磷仍是官厅水库入库河流的重要污染指标。     

AHP与GA-SVM耦合模型在滑坡预警中的应用*

为了减少滑坡造成的损失，提高滑坡预测的准确性，通过搭建灾害模拟平台获得滑坡的实验数据，在获得多组模拟实验数据后，分析各变量的特性。首先，通过层次分析(Analytic Hierarchy Process，AHP)算法，对滑坡进行危险度划分；然后，通过支持向量机(Support Vector Machine，SVM)建立模型，遗传算法(Genetic Algorithm,GA)再优化SVM参数，提出1种层次分析法与GA-SVM相耦合的模型。研究结果表明:AHP方法划分后的数据，通过GA与SVM结合建立的模型精度较好，实验预测结果与实际结果较为吻合，与单一SVM相比，精度更高，结果更好，更加适用于多变量的复杂非线性滑坡预警。     

Optimizing mixture properties of biodiesel production using genetic algorithm-based evolutionary support vector machine

Nowadays, biodiesel is used as one of the alternative renewable energy due to the increasing energy demand. However, optimum production of biodiesel still requires a huge number of expensive and time-consuming laboratory tests. To address the problem, this research develops a novel Genetic Algorithm-based Evolutionary Support Vector Machine (GA-ESIM). The GA-ESIM is an Artificial Intelligence (AI)-based tool that combines K-means Chaotic Genetic Algorithm (KCGA) and Evolutionary Support Vector Machine Inference Model (ESIM). The ESIM is utilized as a supervised learning technique to establish a highly accurate prediction model between the input--output of biodiesel mixture properties; and the KCGA is used to perform the simulation to obtain the optimum mixture properties based on the prediction model. A real biodiesel experimental data is provided to validate the GA-ESIM performance. Our simulation results demonstrate that the GA-ESIM establishes a prediction model with better accuracy than other AI-based tool and thus obtains the mixture properties with the biodiesel yield of 99.9%, higher than the best experimental data record, 97.4%.     

基于分布型电力系统的 PSO 优化设计

优化了传统粒子群算法，运用了混沌算法对粒子做初始化，优化了传统粒子群算法的收敛特性，并在算法的优化过程中，增加了混沌干扰元素对整体最优化极值做混沌干扰，将符合杂交几率的优化粒子做杂交处理，提高了粒子群的种类，增强了粒子群算法的搜寻水平。并通过IEEE33节点的分布型电力系统做无功优化仿真验证，通过比较，验证了优化算法的优越性与准确性。