基于B—P神经网络优化算法的城市环境空气中PM10浓度预测模型

将B—P神经网络应用于西安市环境空气中P10浓度预测,对网络结构和算法进行了优化,建立了PM10浓度预测模型。经验证模型精确度比较高,PM10日平均浓度绝对误差0．015～0．020mg／m^3,相对误差在-20％～20％范围内。     

Development of HGAPSO-SVR corrosion prediction approach for offshore oil and gas pipelines

Managing the oil and gas pipelines against corrosion is one of the major challenges of the oil and gas sector because of the complexities associated with the initiation, stabilization, and growth of the corrosion defects. The present research attempts to develop a model for predicting the maximum depth of pitting corrosion in oil and gas pipelines using SVM algorithm. In order to improve the SVM performance, Hybrid PSO and GA was utilized. Monte Carlo simulation was used to determine the time lapse for the pit depth growth. In order to implement the above modeling approaches and to prove their efficiency and accuracy against a large database, a total of 340 data samples for corrosion depth and rate are retrieved from the Iranian Oilfields. The performance of the new algorithm shows that it has higher stability and accuracy. In addition, the forecasting results of the new algorithm are compared with the 11 intelligent optimization algorithms, it shows that the novel hybrid algorithm has higher accuracy, better generalization ability, and stronger robustness. The coefficient of determination (R²) value in the testing phase for SVM-HGAPSO was estimated by 0.99. Proposed hybrid model and Monte-Carlo simulations pitting corrosion based on Poisson square wave process have been used to predict the time evolution of the mean value of the pit depth distribution for different categories of maximum pitting rates (low, moderate, high and sever). The models was validated with 4 field data for each of the pitting corrosion categories and the results agreed well. The pipelines under severe pitting corrosion rate were, more conservatively predicted by HGAPSO-SVR than those under low, moderate and high pitting corrosion rates. The results obtained demonstrate the potentials of this technique for the integrity management of corroded aged pipelines.     

太湖叶绿素a浓度预测模型初探

以太湖2005年的监测资料为基础,运用多元统计回归和BP人工神经网络方法构建模型,探求叶绿素a与水深、水温、营养盐等10项环境因子之间的关系,通过验证发现BP模型对叶绿素a浓度的拟合值与叶绿素a浓度的实测值之间的均方误差为220．3059,优于统计回归模型的235．4569;此外对两种模型进行了灵敏度测试,结果都显示总磷不是太湖叶绿素a浓度的限制因子,而水深、水温、总氮的变化对叶绿素a浓度影响显著。本研究对太湖叶绿素a浓度预测模型的建立是十分有意义的。     

邕江水源地上游水环境容量计算及预测

通过计算邕江上游的水环境容量,对邕江水环境容量的价值做进一步的讨论,确保水源地的安全。分析了邕江水源地上游河段的水文特征,以具有代表性的COD和NH3-N为控制因子,选用水环境容量二维模型,按照水情保证率95%进行计算。得出2007年COD和NH3-N的已利用容量为2751.37t/a和117.63t/a。在对邕江水质进行评价的基础上,还预测出邕江水源地上游河段的COD和NH3-N剩余水环境容量呈上升趋势,这表明水源地上游水质安全。     

长春南湖水质分析评价与污染趋势预测

本文剃用内梅罗污染指数法时2000至2010年期间长春南湖水环境质量进行了综合分析评价,选取将氨氮、硝酸盐氮、亚硝酸盐氮、总氮、总磷、COD和BOD,作为水环境评价的主要参评参数。结果表明自2000至今南湖水体内梅罗综合指数呈现增加趋势,南湖水体污染等级处于中度污染水平,并有再次爆发水华现象的可能,因此应加大南湖水体污...     

马尔柯夫预测模型在环境预测中的应用

马尔柯夫预测模型利用系统的现在状态和发展方向去预测系统将来可能状态的概率。它在选择污染治理策略，环境状态变化的可能方向及发展趋势预测等方面地产可应用，其预测结果为某事件实现的概率即可能程度。     

矿井突水预测的多源信息方法应用研究

在对国内外近年应用地理信息系统（GIS）解决地质学问题进行简要评述的基础上，通过实例阐述了借助于GIS技术，采用多源信息方法进行煤矿区突水预测的方法与步骤及预测结果。并展望了该方法在矿井突水预测中的应用前景。     

油罐扬沸火灾预测方法的研究及安全预警系统的建立

通过研究扬沸前兆噪声特性及其声发射机理，并与典型环境噪声特性差异作了分 析、比较，提取出一组识别特征物理量，以便在扬沸火灾早期能诊断预报扬沸的发生。     

TSP203隧道地震预报系统在拱坝隧道围岩稳定性超前预报中的应用

以上(海)瑞(丽)高速公路湖南境内邵(阳)-怀(化)段拱坝隧道掘进中掌子面前方岩体结构的超前预报为例,介绍了TSP203地球物理探测新方法,预报了该隧道右线YK91+163-YK91+080段的围岩由于节理发育,且地表水与节理裂隙贯通性较好,因此稳定性较差,在施工中将很易造成坍塌,应按Ⅱ类围岩支护;在YK91+080-YK91+045段围岩稳定性较好,可视具体情况变更支护方案;YK91+031-YK91+013段,可能存在层间破碎带或软弱夹层,在施工过程中需要加强支护。通过探测保证了及时、详细、准确地了解开挖掌子面前方的岩体结构情况,为施工单位合理安排施工作业进度、保障施工人员生命安全、减少工程隐患提供了科学依据。     

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。