基于计算智能的流域污染排放优化模式研究

基于人工神经网络和遗传算法建立了流域排污削减控制的技术框架.通过对排污口和目标断面水质监测数据的模拟与优化提出最优的排污削减控制策略,从而使目标功能区达标,可以间接的实现环境容量总量控制.结合情景分析理论对松花江哈尔滨段的朱顺屯-东江桥(S1)与东江桥-大顶子山(S2)功能区进行了COD的排污优化研究.结果表明,S1区段执行III类功能区标准时,何家沟与松北两个排污口平均削减率分别为23%和25%;执行II类功能区标准时2个排污平均削减率分别为64%和42%.S2执行II类功能区标准,太平,阿什河和呼兰河排污口全年平均削减率分别为18%、53%和25%.基于计算智能的削减控制模式实用可操作性强,可以科学、合理的对各个排污口源强进行优化,给出最优的污染排放策略.     

用TM影像进行湖泊水色反演研究的人工神经网络模型

利用人工神经网络技术进行了湖泊水色遥感的反演研究,在同步实验的基础上了构造了包含一个隐含层的BP神经网络模型,利用TM卫星影像反演悬浮物、COD_Mn、溶解氧、总磷、总氮和叶绿素浓度反演精度较高,相对误差基本在25%以下,同时分析了该人工神经网络反演模型的误差来源,改进措施以及应用前景.研究表明,在进行小规模的同步监测的基础上,此模型可用于湖泊水质调查、分析和评价.     

人工神经网络模型在水质预警中的应用研究进展

水质预警模型是大数据时代构建环境智能决策与管理体系的关键技术.近年来,水质自动化监测能力的提升以及测管协同对环境模型的强烈需求,激发了研究人员探索新的建模方法并努力提高模型预测性能.其中,人工神经网络(Artificial Neural Network, ANN)模型发展迅速.本文综述了3大类ANN模型的发展历史和模型结构特点,梳理了ANN模型在水质数据软测量、数据异常检测和时间序列预测等方面的研究进展,归纳了一般建模流程、技术建议和常用的模型性能指标,发现ANN模型的应用依赖于监测数据质量,存在模型可解释性差、模型运行硬件资源要求较高等不足,提出未来水质预警模型的研发思路和重点,需要加快推进水环境监测技术与预警模型的协同发展和业务化应用,通过多种应用场景检验实现技术迭代,形成大数据驱动的水质在线监测-智能预警-应急管理支撑体系,助力我国环境治理能力现代化.     

基于人工神经网络模型预测2017~2018年成都市危险废物增量研究

危险废物对环境或者人体健康会造成有害影响,有效地预测其产量是优化管理和合理处置的重要依据。以2008~2016年成都市危险废物产生量为基础,通过数据带入和整合及综合各参数因子的影响,利用人工神经网络模型预测方法客观反映并预测成都市危废产量的变化趋势。结果表明该模型预测2017~2018年成都市危险废物年产量分别达到24.46万t和26.88万t,模拟精度偏差低。因此,人工神经网络模型可以作为一种预测危险废物产生量的工具,其预测结果可以为职能部门提供决策参考。     

燃煤锅炉低氮氧化物燃烧特性的神经网络预报

大型燃煤电站锅炉的低NO_x燃烧技术日益受到关注,但NO_x的排放特性复杂,受煤种、锅炉设计结构和操作参数等多种因素影响.在对某台600MW四角切圆燃煤电站锅炉的NO_x排放特性和飞灰含碳量特性进行多工况热态测试的基础上,应用人工神经网络的非线性动力学特性及自学习特性,建立了大型四角切圆燃烧锅炉NO_x排放特性和燃烧经济性的神经网络模型,并对此模型进行了校验.结果表明,该模型能根据燃煤特性及各种操作参数准确预报锅炉在不同工况下的NO_x排放和飞灰含碳量特性,可为大型电站锅炉通过燃烧调整降低NO_x排放和提高锅炉燃烧效率提供有效手段.     

基于神经网络的煤层自然发火的非线性预测

煤炭自燃是一典型的非线性现象。笔者论述了煤炭自燃的危害 ,从非线性理论的角度分析了煤炭自燃的本质特征 ;应用神经网络中BP网络这一高度非线性关系映射建立了自然发火预测模型 ,克服了传统预测方法的不足并在山东枣庄矿业集团公司柴里煤矿进行了预测分析 ,预测结果与验证结果基本吻合 ,取得了满意的效果 ,为解决煤炭自燃的预测提供了一条良好的思路和方法 ,具有较大的理论意义和应用价值。     

基于人工神经网络的城市火灾事故的预测方法

随着社会经济的飞速发展,城市化进程的加快和人口的迅速增长,城市火灾频繁发生,造成的损失呈上升趋势。针对城市火灾事故发生的特点,根据人工神经网络基本原理和特性,建立了城市火灾事故神经网络预测模型;为了更精确预测城市火灾事故的发生,将城市火灾事故分为了高峰期(春节)和非高峰期两个时段分别进行预测;应用神经网络预测模型和分时段相结合方法对某城市火灾事故进行了实际预测。结果表明,神经网络模型是城市火灾事故预测的有效工具,该模型与时段法的结合能准确预测火灾事故发生的趋势。     

地表变形预测分析--发电厂典型例子研究

通过对地表变形观测数据的分析、拟合及训练,采用人工神经网络方法和数理方法对地表变形的规律及发展趋势进行预测,并与观测数据进行对比分析,得到了较好的结果,为控制地表变形的发展及工程处理提供了可靠依据.     

ANN模型对污水处理系统性能的评价

作者基于B－P算法的人工神经网络，对污水处理系统的性能作了预测和评价，并通过所建立的一个生物转盘处理系统的人工神经网络预测模型实例，验证了人工神经网络用于污水处理系统性能评价方面的可行性与准确性。     

震灾经济损失评估的遗传神经网络模型

地震灾害造成的直接经济损失与很多因素有关:致灾因子强度,主要包括地震震级、发震时间及地点、震源深度和地震动输入参数等;受灾体密度,主要包括衡量城市经济和社会发展水平的人口密度、城市密度、建筑物密度和财产密度等;城市抵抗地震灾害的能力.这里选取震级、地震动输入参数、人均国内生产总值GDP、受灾面积和灾区人口密度作为网络的输入节点,用直接经济损失率作为网络的输出节点,建立了基于遗传神经网络的震灾经济损失评估模型,对地震灾害所造成的经济损失进行评估,实例验证了该方法的有效性.