基于BP神经网络的污水格栅间气体监测*

为实现对城市污水泵站格栅间内H2S和CO有害气体浓度实时准确监测分析,设计气体传感器阵列监测系统,建立单隐层BP神经网络模型对气体浓度样本进行训练,确定网络隐含层数为9,训练函数为traindm,模型优化后输出的H2S和CO气体浓度与实测值的平均相对误差分别为1.3%与0.4%。研究结果表明:采用BP神经网络模型对传感器阵列采集到的样本数据进行训练,可提高其测量精度,提升精度范围在57%~75%之间,能够满足对污水泵站有害气体监测的基本要求,所建立模型表现出良好效果。研究结果可为污水格栅间有害气体监测提供新方法。     

基于Faster R-CNN的海底管道智能检测方法

为提高海底管道缺陷及组件的检测精度并实现智能化海底管道安全检测,提出一种基于快速区域卷积神经网络(Faster R-CNN)的海底管道智能检测方法。首先,通过基值校正和分段映射-伪彩色化方法,将漏磁检测信号转化为伪彩色图,以增强漏磁信号的关键特征;其次,基于多模态数据增强来提升检测模型的泛化能力;然后,基于多模态数据增强后的样本训练改进的Faster R-CNN网络,建立最优的智能检测模型;最后,以试验场和渤海在役管道为例,验证所提方法的有效性。结果表明：所提方法的平均检测精度可达93.8%,相较原始的Faster R-CNN算法提高8%,且平均交并比达到0.75,能够精准地实现海底油气管道多目标检测,保障海底管道的安全运行。     

城市燃气管网脆弱性评价及其应用

为研究城市燃气管网系统的本质安全性,提出了适用于城市燃气管网系统的脆弱性概念及脆弱性研究思路。根据城市燃气管网自身的行业特点与实地调研结果,从物理、结构和社会功能3个角度出发,建立了城市燃气管网脆弱性指标体系及等级标准。然后通过MATLAB R2010a的BP神经网络方法分别训练"敏感性程度"和"自身应对能力"网络模型,并构建脆弱性的函数模型。最后将城市燃气管网脆弱性等级划分为5个,用于评价城市燃气管网的脆弱性程度。训练得到的网络模型的均方差均小于0.05,结果表明,训练得到的网络模型效果良好,具有较强的泛化能力,且能够方便地用于评价未知样本,得到研究区域的燃气管网脆弱性等级值为0.91,研究区域的燃气管网脆弱性被评定为"不脆弱"。     

基于多传感器融合的林火监测

为了提高近距离火灾监测的准确率,建立了基于Arduino平台的多传感器实时监测系统.此系统安装在移动机器人身上以探测火灾.在林火发生期间,会产生CO、C02明火火焰及其他产物,并引起周围环境温度的升高.因此,选择合适的传感器,检测出以上参数,就有可能据此判断实际环境是否有火.通过在Arduino上搭建火焰传感器、温度传感器、气体传感器和烟雾传感器,可以实时监测环境参数.在无火和有火环境中进行了多次试验,进行数据采集,得到了大量原始数据.无火环境的数据是在不同的天气条件下测得的;有火环境由试验火堆模拟得到.在模拟的过程中,进行人为操作以模拟不同的火情.如通过浇湿底部的可燃物模拟预热阶段,试验数据因此更有代表性.数据分析表明,单个传感器的输出值波动大,且在有火环境和无火环境中的输出值有重叠.因此,用单一传感器来检测火灾的准确率很低.而同时分析3个传感器的输出值时,其输出值随所检测火堆的不同呈现出一致的变化规律.最后,利用神经网络进行多传感器数据融合.涉及5个输入变量,由神经网络实现对多变量的非线性问题进行模式识别.将前述试验所得数据划分为训练数据和测试数据,两类数据均包含一定比例的有火样本和无火样本.用训练数据对BP神经网络进行训练,可得到林火识别模型.用测试数据检验模型,结果表明,该BP神经网络对试验火的识别准确率为98.625％.     

环境保护部发布十二项环境信息标准

环境保护部近日发布了《环境信息共享互联互通平台总体框架技术规范》等十二项国家环境保护标准,这十二项标准均为环境信息标准,皆为首次发布。十二项环境信息标准:一、《环境信息共享互联互通平台总体框架技术规范》(HJ 718-2014);二、《环境信息系统数据库访问接口规范》(HJ719-2014);三、《环境信息元数据规范》(HJ 720-2014);     

强化生物除磷过程中污泥胞内糖原的红外光谱分析

采用傅里叶中红外光谱对强化生物除磷过程中污泥胞内糖原物质进行了表征,并将污泥样品与糖原标样的红外光谱进行对比,确认糖原物质在1020 cm-1峰附近有较明显的特征吸收贡献.因此,采用红外光谱945~1150 cm-1区域内的吸收光谱数据,结合测得胞内糖原的含量,应用偏最小二乘法和BP神经网络算法分别建立了污泥红外光谱与糖原含量的定量分析模型.结果显示,偏最小二乘法得到的测量值与预测值具有较小的平均绝对误差(MAE),其相关系数达到0.921.     

基于SVM-BP神经网络的风暴潮灾害损失预评估

风暴潮灾害是影响我国最严重的海洋灾害,风暴潮灾害损失的预评估对防灾减灾有重要作用。本文选用2002~2014年的40组风暴潮历史灾情资料进行试验,首先建立风暴潮灾害损失评估指标体系并用灰色关联分析法对指标进行筛选,然后采用最优权重组合将支持向量机和BP神经网络进行组合预测分别对风暴潮直接经济损失和受灾人口数进行预测,并与单一预测方法进行对比,发现组合预测方法可以降低误差,提高损失预测的准确性,建立风暴潮灾害损失预评估模型,为决策者进行预警信息的发布提供有效依据。     

海外项目高层管理人员心理健康问题探讨

以中东地区项目特色为例,结合海外工作环境的特殊性、项目执行的艰巨性、国内外项目管理的文化差异性以及海外项目高层管理人员自身问题的普遍性,分析影响其心理健康的因素,提出有针对性的应对方法和措施。     

水质污染综合评价的神经网络法

经实际验证表明，水地污染综合评价的神经网络法与模型综合评价及灰色聚类法相比，有计算简便、快速、实用的特点。     

日本用木头建大厦应对钢材紧缺

由于钢材供应日趋紧张，作为世界上森林覆盖率最高的国家之一的日本计划将写字楼、公寓、医院、政府机关等高层大厦改用木材建造。如进展顺利，明年就可完成第一栋样板楼。木质大厦的优势在于减少环境负担，有望减少温室气体的排放。加工，组装乃至将来的拆迁都比使用混凝土简单，且整个过程无二氧化碳排放。拆除后木材还可重复利用。此外，其防噪声、维护性、防火性能较佳。