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。     

单元模态应变能法在输电铁塔损伤识别中的应用

输电塔结构在灾害中发生倒塌的现象时有发生,故而对输电塔结构进行健康监测具有重要的实际意义。介绍了单元模态应变损伤指数(EMSDI)在结构损伤识别中的表达式,并将其应用于输电铁塔模型试验中。采用单元形函数代替原有模态曲率计算方法,可有效降低计算单元模态应变能的计算误差,从而增加了识别的准确性。在输电铁塔仿真模拟和试验中,对该识别方法的准确性和可靠性进行了验证。实例表明:单元模态应变损伤指数法能够准确地识别出结构的损伤位置,并可在某种程度上反映出损伤程度,可以应用到实际输电塔结构损伤识别中。     

基于AGA-BP神经网络的采空区危险性评价

针对采空区危险性评价的影响因素众多且关系复杂的特点,提出了基于AGA-BP神经网络算法评价采空区危险性。将岩体结构、地质构造、岩石抗压强度等13个影响因子作为神经网络输入,采空区危险性等级作为输出,建立一个采空区危险性评价的BP神经网络模型;采用自适应遗传算法(AGA)对BP网络的初始权值和阈值进行全局寻优,将寻优结果回代入网络中进行训练并预测得出采空区危险性等级;利用其它智能算法与该预测结果做出比较,以验证AGA-BP算法的有效性及优越性。结果表明:该算法的优化效果明显,同时在训练时间与预测精度上较其它智能算法有突出的优势,是一种在采空区危险性评价方面值得推广的新方法。     

基于小波分解及遗传BPNN耦合模型的地表水As浓度预测研究

随着工业的快速发展,水体中污染物超标事件时有发生,造成了较严重的水环境污染问题.水环境监测与预报是环境科学研究的重要内容.为了实现地表水砷（As）污染的准确预报,本研究提出小波分解、遗传算法与BP人工神经网络的耦合建模方法,并结合某河流监测站1998—2016年共19年的地表水质监测数据,通过皮尔逊相关系数和信息指标评价法对模型输入变量进行筛选,最后对比分析了在不同水质参数输入情况下BP人工神经网络（BPNN）、遗传算法改进的BPNN（GABP）、小波-遗传BPNN耦合模型（W-GABP）对后6年（2011—2016年） As浓度预测结果的均方根误差（RMSE）、决定系数（R²）、平均绝对百分比误差（MAPE）,以确立最优模型.结果表明：①多水质参数BPNN、GABP与W-GABP耦合模型预测结果的MAPE分别为17.51%、15.98%、14.46%,单水质参数BPNN、GABP与W-GABP耦合模型预测结果的MAPE分别为18.78%、16.74%、7.83%;②小波分解数据前处理及遗传算法均能较大程度地提高预测模型的精度;③对于地表水水质预报,需对比不同模型在不同输入变量下的预测结果,以获得最佳的预测精度.单水质参数输入的W-GABP耦合模型能较准确地预报地表水As浓度的变化情况,对数据缺乏地区水质监控和地表水As污染防治具有重要意义.