飞机货舱火灾CO浓度神经网络补偿算法研究

针对飞机货舱火灾探测误报率偏高且响应速度较慢的问题，采用电化学式一氧化碳传感器来代替传统民机所用的光电式烟雾探测器来探测飞机货舱火灾，并提出了一种基于粒子群算法(Particle Swarm Optimization, PSO)优化长短期记忆(Long Short-Term Memory, LSTM)神经网络的一氧化碳浓度补偿模型。首先在自搭建试验平台采集密闭空间火灾的多项试验数据，然后用PSO优化LSTM的隐藏层神经元个数和学习率，提高了LSTM的预测精度。通过与其他3种神经网络对比，PSO改进LSTM模型在基于时间序列的火灾一氧化碳检测中具有更好的补偿效果。通过浓度补偿，可以使电化学式一氧化碳探测器在飞机货舱火灾发生的早期阶段进行更准确的探测预警。     

基于BFGS-BP神经网络岩爆分类研究

BP神经网络模型是岩爆预测中的常用模型，为了强化预测效果，选取BFGS算法对BP神经网络模型进行优化。选取应力系数■、脆性系数■和弹性能量指数W_et作为预测指标，国内外46组案例作为样本库，分别建立BFGS-BP神经网络模型和传统BP神经网络模型，对比验证其优化效果，将建好的模型用于锦屏二级水电站和秦岭隧道加以检验，得到一种有应用前景的机器学习预测模型。     

面向视频火灾火焰识别的轻量化卷积神经网络模型

深度学习在基于视频的火灾火焰识别技术中得到了广泛应用。为解决当前常用的卷积神经网络模型由于层数和训练参数过多，导致存储和速度问题突出，很大程度上限制了其在一些硬件平台上使用的问题，基于轻量级卷积神经网络模型SqueezeNet,通过适当修改模型结构，构建了一种适用于火灾火焰识别的新网络模型。将获取的各类火灾火焰图像数据，采用数据增强的方法来增加数据量，制作火灾火焰图像数据集，形成学习样本，并使用运动探测算法提取图像的火焰区域进行模型训练和识别前预处理。试验结果表明：该模型所需存储空间仅为0.28 MB,为VGG16的1/200;火灾火焰识别预测准确率达98%,比SqueezeNet提高了近4个百分点，且具有良好的抗干扰能力，有效缓解了当前卷积神经网络中存在的存储和速度问题。     

神经网络用于光度法同时测定多种重金属离子

采用可见分光光度法,通过构筑16-5-4多目标神经网络模型实现同时测定溶液中Cd2+、Pb2+、Cu2+、As3+的含量。实验以4-(2-吡啶偶氮)-间苯二酚(PAR)作为显色剂,采用"多因素多水平可视化设计法"设计样本,在4种组分可见吸收光谱严重重叠的390~480 nm范围内,选取16个特征波长处的吸光度作为输入信号,应用"留二法"原则训练BP网络。网络准确预测了结果,Cd2+、Pb2+、Cu2+、As3+的平均回收率分别为100.10%、100.03%、100.09%、99.99%,测定结果的相对标准偏差分别为0.18%、0.12%、0.26%、0.13%,达到了4种组分含量同时测定的目的。     

公路小半径曲线路段驾驶人焦虑水平模型

为提高双车道公路小半径曲线路段(SCCR)的交通安全监测水平，利用量表测试与驾驶模拟试验，实现驾驶人弯道焦虑水平的量化评测，定量刻画驾驶人弯道焦虑水平与行车安全特征量之间的关系；通过统计分析焦虑驾驶行为，运用Spearman分析法，筛选影响焦虑水平的关键行车安全特征量；综合道路线形条件、驾驶人个体特征和驾驶操作行为特性等行车安全特征因子，采用径向基神经网络(RBFNN)建立多因素驾驶人焦虑水平预测模型。结果表明：弯道焦虑水平与驾龄、年龄呈显著负相关，与车速、侧向偏移量、转角变异系数以及曲线半径之间存在着较为显著的负相关性(显著性概率p值<0.01);通过验证，基于RBFNN的驾驶人焦虑水平预测模型判别精度可达73.7%;转角变异系数、年龄、驾龄是影响驾驶人焦虑水平的重要因素，其重要度依次为100%、93.3%、90.7%。研究结果可为双车道公路SCCR驾驶焦虑水平监测、交通安全维护等方面提供理论支撑。     

大坝变形GA-LSTM组合预测模型研究

为监测大坝运行过程中的异常状态，防范化解大坝溃坝等重大风险，基于大坝变形大样本、非线性监测数据，引入长短期记忆(Long Short Term Memory, LSTM)神经网络模型对大坝变形趋势进行预测，以测试样本的均方根误差最小为适应度函数，采用遗传算法(Genetic Algorithm, GA)优化LSTM模型参数，建立大坝变形GA-LSTM组合预测模型。以福建水口水电站大坝为例进行验证分析，并与LSTM模型和门控循环神经网络(Gated Recurrent Unit, GRU)模型预测结果进行对比分析。分析结果表明，GA-LSTM模型的预测效果和性能更佳，且相较于LSTM模型和GRU模型各测点预测误差均有减小，平均绝对误差减小量最高达6.92%。     

BP神经网络及其在城市环境工程地质研究中的应用

分析了神经网络理论在地学研究中的应用现状 ,研究了 BP神经网络在城市环境工程地质研究中的基本原理、方法与步骤 ,并以烟台市为例 ,探讨了 BP神经网络在城市工程地质环境质量评价中应用技术     

基于卷积神经网络识别三维荧光光谱的水污染溯源研究

为快速、准确地追溯水中污染物来源,及时阻断污染,为生态环境管理部门提供科学的技术支撑,更好履行"三个说得清"中的"说得清污染来源",以昆明市安宁市8家重点企业为研究对象,采集企业内各工段废水进行三维荧光检测获得三维荧光谱图,采用目视剔除散射区域-线性归一化方法对原始荧光谱图进行预处理,基于ConvNet卷积神经网络构建水污染溯源模型并进行溯源。结果表明,目视剔除散射区域-线性归一化方法可有效剔除荧光谱图中瑞利散射区域,同时增强因水样稀释而衰弱的荧光特征;构建的溯源模型可成功识别实际废水的三维荧光谱图,识别正确率高达75%,是一种有效溯源水中污染物来源的方法。     

神经网络模型在环境监测机构编制管理中的应用研究

根据非线性化现代神经元理论 ,以湖北省三、四级环境监测站为例 ,建立了神经网络定量测算人员编制的模型。研究确立了反向传播 BP模型在测算人员编制中的应用方法及技术路线。采用所建模型对某部门、某单位人员编制测算具有操作方便灵活 ,准确可靠以及实用性、通用性和动态可操作性特点。不仅可指导环保系统机构实现科学化定编、定员 ,同时对其他事业单位编制的规范化管理亦有参考意义。