基于径向基函数神经网络方法的城市生态压力预测

针对城市生态压力影响因素复杂,难以对城市未来可持续发展状况做出准确判断的问题,提出了城市生态压力的径向基函数神经网络预测模型,分析了影响城市生态系统的主要因素.以抚顺市1995-2009年数据为基础,验证了模型的准确性并预测了该市2010-2015年城市生态系统的压力情况.研究结果表明:能源消耗指标是影响城市生态系统压力的主要因素;运用径向基函数神经网络模型对训练样本的拟合精度以及对测试样本的仿真精度分别达97.91%和94.16%;抚顺市2015年的人均生态足迹、 生态承载力和生态赤字分别达到7.013、 0.523和6.49 hm²/人.     

基于IRBFNN和PCA的电网预想故障安全运行评估方法研究

为了更快速直观地监视、分析和评估故障后电网的安全运行状态,提出了基于径向基函数(radical basis function,RBF)神经网络和主成分分析法(principal component analysis,PCA)的评估模型。利用带衰减因子的吸引力传播(affinity propagation,AP)聚类算法选择RBF神经网络中心和隐含层节点数,同时提出了扩展的电网运行状态安全评估指标,利用越限指标权重和指数阶数避免了安全评估的遮蔽现象,利用主成分分析选取RBF神经网络的输入矢量特征,最后通过IEEE-30节点仿真算例验证了所提模型的有效性。     

咖啡因在河流沉积物中吸附的影响因素及模拟研究

咖啡因是一种在环境中广泛存在的药物,其在水系环境的迁移和分布主要受到吸附行为的影响.在实验室条件下,近似模拟自然河流水/泥界面,应用中心复合实验设计,考察了温度、pH、有机质含量和转速等对咖啡因吸附的影响;利用实验所得数据,分别拟合和验证了基于线性方程和神经网络的咖啡因吸附模型,通过对比拟合和验证结果得到适用于自然河流的咖啡因吸附模型.实验结果表明,咖啡因在沉积物中的吸附呈现先快速后缓慢的过程,30 h内吸附比例超过90%;咖啡因的吸附是放热反应,低温有利于咖啡因的吸附;而转速增大能促进咖啡因的吸附反应;pH和有机质含量的影响较小.模型模拟结果表明,两种模型均能较好地拟合吸附实验结果,但神经网络模型的拟合程度和精度均优于线性方程模型;且交叉验证结果表明,利用不同组数据进行训练,神经网络模型均取得了优于线性方程的拟合结果.因此,在所考察的因素和浓度范围内,神经网络模型较好地预测了自然河流沉积物中咖啡因的吸附行为.     

机场环境下飞机LY12CZ结构腐蚀损伤预测方法研究

依据LY1 2CZ材料的EXCO溶液浸泡加速腐蚀试验数据、飞机LY 12CZ构件在机场环境下的真实腐蚀损伤数据以及腐蚀损伤等效原则和当量关系原理,获得了该材料在2种环境下腐蚀的当量因子均值(α) =0.023 6,构建了LY12CZ材料于EXCO溶液中浸泡腐蚀的神经网络腐蚀深度预测模型.在此基础上提出了利用所建的神经网...     

山地城市主要河流水质评价及预测研究——以四川省绵阳市为例

综合客观评价河流水质的健康及污染状况,科学分析预测水环境质量的变化趋势,对于河流水污染精准防治具有重要意义。选取绵阳市境内主要河流为研究对象,基于2014-2022年绵阳市12个水质监测断面的4项污染物指标监测数据,结合模糊综合评价法及主成分分析法对其断面水质进行评价并判断污染程度,建立带外源输入的非线性自回归（NARX）神经网络模型,预测研究区域内2025年和2030年的水质变化趋势。结果表明：1）综合不同水期来看,在枯水期,芙蓉溪仙鱼桥与梓潼垢家渡断面的水质级别分别在2015年和2016年都未能达到水质目标,满足水质功能标准的断面占12个监测断面的92%,而在平水期与丰水期各断面水质均能达到各自的标准;2）凯江老南桥、梓潼垢家渡及天仙镇大佛寺断面水质受水期影响较大,平武水文站在所选断面中总体水质较好,而芙蓉溪仙鱼桥较差;3）溶解氧（DO）、高锰酸盐指数（CODMn）、五日生化需氧量（BOD5）及氨氮（NH3-N）的实测值与预测值之间高度相关,均方误差均较小,满足水质预测的精度要求;4）从水质变化趋势来看,除天仙镇大佛寺断面2028-2030年的水质级别由2023-2027年的Ⅰ级降...     

基于RBFNN的催化再生烟气二氧化硫浓度预测研究

为了提前掌握催化裂化再生烟气中二氧化硫的排放浓度,有效动态指导烟气脱硫设施运行参数调节,研究开展了RBF和BP神经网络在催化裂化再生烟气二氧化硫浓度预测中的应用。通过业务和数据分析,确定了影响再生烟气二氧化硫浓度的工艺特征变量。利用2组采用不同方法清洗的数据,对比分析了RBF和BP神经网络模型在提前15 min情况下,预测再生器出口二氧化硫排放浓度的效果,结果表明2种模型的预测精度分别为90.36%和86.43%。RBF神经网络二氧化硫浓度预测模型经过400个工业样本测试,浓度预测值的最大误差为14.01 mg/m³,最小误差为0.05 mg/m³,平均误差为6.08 mg/m³,满足企业现场应用的要求。     

基于全局跨尺度时空注意力的深度神经网络海表面温度预测模型

海表面温度（sea surface temperature, SST）是海洋与大气之间相互作用的关键因素,海温控制着全球大气和海洋生态系统的变化。准确预测海表面温度的演变对治理全球大气系统和海洋生态系统都具有重要的意义。为了对SST数据的空间自相关性准确建模,本文提出了基于全局跨尺度时空注意力的深度神经网络海表面温度预测模型（deep neural network based on global cross-scale spatiotemporal attention, GCSA-DNN）。模型分为3个部分,从长时序数据中提取时序依赖特征的时序建模模块,从SST序列均值中提取空间分布规律特征的多尺度局部空间建模模块和基于全局跨尺度的时空注意力融合模块,实现每个网格点对全局自相关性的建模。本研究选择空间分布规律不同的东海和南海海域数据,对1981年9月1日至2022年4月7日美国国家海洋和大气管理局（national oceanic and atmospheric administration,NOAA）的数据进行了预测分析,共14829条数据,其中1981年9月1日至2021年8月31日的70%数据用于训练,30%用于验证,2021年9月1日至2022年4月7日的数据用于测试。结果表明,在不同的实验条件下该模型可以准确捕捉SST数据在时空过程中的演变规律,在东海和南海SST数据集上其准确度相较于卷积长短时记忆神经网络（convolutional long short-term memory, ConvLSTM）分别提高了14.07%和14.18%,提升了SST预测的准确度。     

基于BP神经网络方法的引滦入津工程黎河段水质预测研究

根据引滦入津工程黎河段前毛庄断面水质监测数据,采用BP神经网络与非线性时间序列相结合的方法,建立BP网络非线性时间序列水质模型.应用该模型对氯化物和氨氮水质指标进行预测.结果表明,模型预测精度较好.通过预测结果验证了模型的可靠性.与机理性模型相比,提出了该模型的应用条件及优缺点.     

智慧加油机器人技术发展现状与展望

传统加油模式工作环境较差且存在风险,而智慧加油机器人无需人工操作,自动完成加油过程,可有效提升加油效率、减少劳动力需求,并规避人工操作风险、降低运营成本。介绍了国内外加油机器人的技术发展现状,对机械结构、安全防护、加注接口、识别定位4项关键技术进行分析归纳,并对未来发展方向进行了展望,即完善智慧加油机器人车型适配度。提出要定期对机器人加油站进行风险评估和安全检测。     

筛查全/多氟烷基化合物(PFASs)生物活性的卷积神经网络模型

全/多氟烷基化合物(PFASs)是一类备受关注的化学品,已在多种环境介质中检出。然而,目前PFASs的生物活性数据缺乏,限制了其危害性评价和管理,有必要构建PFASs生物活性的高通量筛查模型。本研究基于卷积神经网络(CNN)算法,采用分子灰度图像作为输入,构建了PFASs的23种活性终点的筛查模型(简称Image-CNN模型)。与使用分子指纹和分子描述符作为输入,采用随机森林和支持向量分类器算法构建的基准测试模型相比,Image-CNN模型预测效果更好,平均的受试者工作特征曲线下面积达0.96。与此前模型相比,模型性能更优。基于分子指纹相似性,表征了模型的应用域。筛查了已知最大的PFASs名录,其中3种PFASs在所有建模的活性终点中都被预测为有活性。