基于MATLAB的BP神经网络模型在漠阳江水质评价中的应用研究

为提高水质评价的准确性,基于MATLAB及人工神经网络理论,采用误差反向传播的BP算法建立漠阳江水质评价模型,充分利用神经网络的非线性映射特性,取7项常规地表水水质评价指标对漠阳江水质进行评价,并将BP神经网络评价结果与单因子评价法及综合指数法的评价结果进行比较,网络运行结果表明一致效果良好.同时较传统的水质评价方法,该网络具有较高的识别精度,提高了水质评价等级的准确性,使评价的结果更具有科学性.     

暴雨致灾机理分析及预测模型构建

台阶边坡、路堑边坡等地常选用乔木作为护坡植物,而降雨易影响乔木的稳定性,进而影响其护坡效果。提前预测降雨对乔木稳定性的影响,则可及时预判边坡失稳、泥石流等灾害的发生。以非饱和土体力学特征和乔木根系固土机理为基本理论依据,分析失稳原因并建立相应理论模型;基于多种降雨方案,利用数值模拟得到不同降雨情况对乔木稳定性影响的相关数据;然后以模拟结果作为训练样本,利用BP神经网络构建预测模型,并制定相应的分类预警评判指标。研究表明：此预测模型不仅精度高,相比于数值模拟计算速度可提高数万倍,此成果可为灾害防治及预警工作提供参考。     

冬季高速公路逐时路表温度LSTM预测模型

为提高冬季路表温度的预测精度,提出一种基于多维长短时记忆(LSTM)神经网络的冬季路表温度逐时预测模型,以小时路表温度为模型输出,综合考虑多维气象因素的累积影响和路表温度的周期性,采用滑动窗口构造输入特征矩阵;构建路表温度LSTM逐时预测模型,通过深度学习高效逼近具有复杂非线性和不确定性的路表温度,并以江苏省宁宿徐高速公路、云南省麻昭高速公路为实例进行验证。结果表明：与随机森林(RF)模型和BP神经网络相比,LSTM路表温度逐时预测模型的准确率得到显著提高,在宁宿徐高速、麻昭高速的平均绝对误差(MAE)、均方误差(MSE)和均方根误差(RMSE)分别为0.303、0.295、0.543和0.581、0.694、0.833,预测值与观测值绝对误差位于[0, 1)℃之间的占比为93%和89%。LSTM模型能准确捕捉路表温度的周期性和不确定性,在阴雨天和晴朗天的预测值与实测值基本一致,模型鲁棒性较好。     

基于BP神经网络的矿车运行时矿井摩擦阻力的预测*

为了快速有效地确定矿车等运输设备在巷道内运行时矿井摩擦阻力的变化情况,克服模拟软件计算量和现场实测工作量大的问题,以巷道风流速度、矿车运行速度、阻塞比、矿车长度4个矿车运行时巷道摩擦阻力的影响因素作为切入点,采用动网格技术模拟得到矿车在巷道内运行时有关矿井摩擦阻力的数据,以此为样本构建基于BP神经网络的矿井摩擦阻力预测模型,运用MATLAB软件进行网络训练,并将BP神经网络预测值与FLUENT模拟值进行对比。研究结果表明:BP神经网络结构比较简单,能以较快速度收敛,预测值与模拟值最大误差在7%以内,该神经网络模型用于求解矿车等运输设备在巷道内运行时摩擦阻力的变化情况是可行的。     

城镇污水处理服务费定价研究

合理的污水处理定价是污水处理服务费科学拨付的重要保证。由于信息的不对称性,目前污水处理服务费经常不够真实合理。故以广东省35座采用A~2/O及其变形工艺的城镇污水处理厂为对象,分别运用成本费用函数模型和神经网络模型进行成本拟合,建立城镇污水处理服务费定价模型,以期为广东省城镇污水处理服务费定价提供指导。结果显示,神经网络模型拟合精度整体高于成本费用函数模型,两种模型均可用来确定污水处理服务费价格。     

基于神经网络的碳排放预测及影响因素分析

基于新疆1995—2014年农业生产碳排放源,建立碳排放关系数据库。应用广义神经网络(generalized regression neural network,GRNN)构建了排放量预测模型,结合平均影响值(mean impact value,MIV)方法对碳排放影响因素进行量化。结果表明:1)GRNN模型预测碳排放的平均绝对百分误差和拟合优度分别为2.7860%和0.8720;2)新疆人口、人均GDP、农业贡献值、农机总动力和农户固定资产投资等因素对农业生产碳排放的影响程度分别为0.6210、0.2377、0.3698、0.8500和0.1000。该成果可为新疆碳排放总量分析和影响因素量化方面提供参考。     

不同优化模型在餐厨垃圾厌氧消化中的应用与比较

采用正交试验设计,响应面设计以及基于BP神经网络的遗传算法模型,对餐厨垃圾厌氧消化产沼气的操作参数进行优化,并比较分析这3种模型的优化效果。结果表明,采用正交试验设计模型,当接种比、含固率、初始pH分别为3、8%和9时,沼气产量最大,实际产量为1 015 mL/gTS,并且这3个因素对产气量的影响顺序为接种比>初始pH>含固率;采用响应面设计模型,当接种比、含固率、初始pH分别为2.42、8.62%和8.49时,最大沼气产量为1 049.85 mL/gTS,实际产量为1 029.5 mL/gTS,接种比对产气量的影响极其显著;采用基于BP神经网络的遗传算法模型,当接种比、含固率、初始p H分别为2.66、8.06%和8.87时最大产气量的预测值和实测值分别为1 085.8 mL/gTS和1 067.25 mL/gTS,实测值分别比正交设计模型和响应面设计模型的实测值提高5.15%和3.67%,表明在餐厨垃圾厌氧消化产沼气参数优化实验中,采用基于BP神经网络的遗传算法具有更高的准确度。     

电晕放电辐射信号的特征提取和模式识别方法研究

目的研究电晕放电辐射信号的特征提取和模式识别方法。方法在分析信号特征提取方法的基础上,对实测的电晕放电辐射信号特征提取,利用概率神经网络开展电晕放电辐射信号目标识别,检验特征提取的有效性。结果以奇异值作为输入特征量的PNN在整体上效果更优,稳定性好,对两类不同放电辐射信号的正确识别率均可达到80%以上,并且当输入特征量个数达到10个时,对实测样本的正确识别率均达到了最高值。电晕放电的正确识别率为96.7%,火花放电的正确识别率为93.3%。结论该方法能基本满足实际放电信号的识别应用。     

高层建筑物火灾危险性分析方法的选择与应用

从方法的类别、评价目标、特点、优缺点以及适用范围等几个方面对目前采用较多的各种火灾危险性分析方法进行比较,总结归纳出每种分析方法的优缺点及其适用范围,并根据高层建筑物火灾的特性以及火灾危险性分析方法的选取原则,选用定量计算与定性分析相结合的方法对高层建筑物火灾危险性进行分析。首先利用层次分析法对高层建筑物火灾危险性所有评价指标的权重进行计算,得到权重值相对较高的评价指标,分别是火灾荷载、防火分区、安全管理制度、火灾自动报警系统、安全制度落实情况;然后利用预先危险性分析方法,从危险有害因素、事故触发条件、事故可能造成的后果、危险等级、事故预防措施这几个方面对以上权重值较高的评价指标进行详细分析。     

基于遗传神经网络的除湿机故障诊断与寿命预测

目的识别除湿机的性能状态和预测吸附剂的剩余寿命。方法针对除湿机故障过程缓变的特点,提出一种基于数据驱动的遗传神经网络模型。首先,为解决设备失效程度划分模糊的问题,由5个热力参数组成反映吸附剂劣化程度的特征向量,关联分析得到除湿机的5类故障模式。其次,利用遗传神经网络建立状态参数和故障模式的映射关系。最后,对表征设备吸附能力的主参数进行外推预测。结果训练好的诊断网络可准确地识别出设备的劣化程度及其演变过程,预测网络的预测精度非常高。结论该方法可有效地实现对除湿机的故障诊断与预测。。