交流滤波器断路器在线诊断分析系统开发与应用

针对交流滤波器断路器运维工作中存在的问题,通过对断路器运行状态不稳定、人员运维工作量大及技术水平层次不一等原因进行分析,开发了一款“换流站交流滤波器断路器在线诊断分析系统软件”。应用结果表明:由系统软件代替人工检查分析,缩短了人员检查分析波形的时间,提高了人工巡检效率,实现了对交流滤波器断路器深层次隐患问题的在线诊断管理,可为全国各直流换流站交流滤波器断路器运维管理提供参考。     

基于遗传-神经网络的电网流域面雨量预报方法研究

以重点水力发电厂和大中型水库为主要考量,并兼顾地形地貌和中小河流的分布特征,将广西划分为23个电网流域,研究了基于非线性的神经网络电网流域面雨量预报方法。以5-6月龙滩近库区、龙江流域等6个电网流域为例,利用遗传算法优化BP神经网络的连接权和网络结构,建立了各电网流域的遗传-神经网络电网流域面雨量预报模型。对独立样本的预报结果表明,基于遗传-神经网络的电网流域面雨量预报模型的预报能力要优于传统的逐步回归预报模型,也明显优于日本、德国数值模式预报产品所换算成的电网流域面雨量预报,并与气象部门同期制作的综合面雨量预报产品能力相当,因而,遗传-神经网络面雨量集合预报模型有较好的业务应用前景。     

基于神经网络分类器的城市污水处理厂水力冲击预警系统

提出了一套基于神经网络分类器的城市污水处理厂水力负荷冲击预警系统,以期对进水水量骤增现象进行提前1天的预报,使污水处理厂可根据预报结果提前采取水力冲击防护措施,从而保证各单元的平稳运行.根据进水水量的涨幅将某污水处理厂12年日进水水量监测数据分为"常规"和"冲击"两类,重点对"冲击"数据进行提前1天的预测,并采用冲击漏报率、冲击误报率和报准率对模型的预测精度进行评价;同时,基于同样的建模方法和不同的训练、验证样本建立了N(1)、N(2)和N(3)3个平行模型,以对模型的鲁棒性和建模方法的可重复性进行考察.结果显示,3个模型对2010年、2011年和2012年3年测试样本的预测效果良好,冲击漏报率和报准率两项指标数值均较为稳定,分别在0~0.167和0.981~0.995之间浮动,冲击误报率虽然在数值上的浮动较大,最低为0.143,最高为0.500,平均为0.310,但仍在工程上的可承受范围内.该结果表明,本研究基于神经网络分类器所建立的3个神经网络模型预测精度高、鲁棒性好,显示出良好的性能,有望为污水处理厂水力冲击防护工作提供有力参考.     

基于人工神经网络建模的PTC功率智能检测技术

PTC是家用空调器中主要器件之一,具有耗电量大、非线性的特征。目前PTC常用的功率检测方法是通过"专用电量计量芯片结合电压、电流采样电路"来实现,存在成本高和可靠性低问题。提出一种基于人工神经网络的PTC功率纯软件计算方法,无需增加任何硬件成本。通过实验验证,精度达±3%,满足产品化需求,成熟可靠。     

间歇曝气序批式活性污泥法处理农村废水及其效果的模拟预测

采用两种不同运行模式的间歇曝气序批式活性污泥反应器(IASBR)处理农村废水,反应器连续稳定运行235d,考察了5个工况下,缺氧/好氧循环次数、进水碳氮比(C/N,质量比)、水力停留时间(HRT)等对总有机碳(TOC)、氨氮、TN、TP去除效果的影响。在进水C/N低时,缺氧/好氧循环次数为4的1~#IASBR的脱氮效率及稳定性明显比缺氧/好氧循环次数为2的2~#IASBR高,而脱碳和除磷效果无显著差异。氨氮去除方面,在进水C/N较低的工况1(C/N平均为2.3)、工况2(C/N平均为2.2)和工况4(C/N平均为2.0)下,1~#IASBR的出水氨氮质量浓度明显比2~#IASBR更低,而在进水C/N相对较高时两者无显著差异。TN去除与氨氮去除有类似规律。构建以进水TOC、氨氮、TN、TP、C/N和HRT、缺氧/好氧循环次数为输入的反向传播人工神经网络(BP-ANN)模型,对TOC、氨氮、TN、TP的去除率进行模拟预测,结果显示以上4个输出参数在训练组中的预测结果和实际检测结果之间绝对平均误差分别为2.65%、5.27%、3.56%、34.56%,在测试组中的预测结果和实际检测结果之间绝对平均误差分别为2.74%、3.40%、5.13%、28.32%。     

基于人工神经网络的气体泄爆最大超压预测研究

为解决传统经验公式在预测气体泄爆中最大超压出现时的较大偏差或过于保守的问题，提出使用人工神经网络预测气体泄爆最大超压。基于124组实验数据，采用BP与RBF神经网络，通过优化算法计算与迭代循环对泄爆样本中的影响因素进行降维与选择，并确定2类神经网络本身在学习与计算气体泄爆样本时的相关参数。结果表明:PCA（主成分分析法）在当前样本条件下的降维效果较差，而通过迭代对比确认气体泄爆样本中的5类特征全部保留时神经网络的训练模拟效果最好；通过对124组实验数据进行随机挑选训练集与测试集的训练模拟结果发现，神经网络对气体泄爆中最大超压的预测效果较好；通过对比Molkov提出的和经Fakandu等改进的NFPA 68经验公式以及2类神经网络的预测结果表明，神经网络相比于传统气体泄爆经验公式具有明显优势。     

基于灰色神经网络优化组合模型的火灾预测研究

为了提高火灾事故预测的精度,根据我国火灾事故数据样本较小,波动性较大的特点,将遗传算法优化的灰色无偏预测模型与遗传算法优化的BP神经网络模型结合起来,建立灰色神经网络优化组合模型,充分发挥无偏灰色预测模型适用于小样本的数据预测的优势与BP神经网络处理非线性问题的优点。分别采用遗传算法优化后的无偏灰色GM(1,1)模型、遗传算法优化的BP神经网络预测模型与灰色神经网络优化组合模型对我国1998-2008年的火灾事故进行拟合,并对2009-2011年的火灾事故发生数进行预测。结果表明:灰色神经网络优化组合模型的预测误差最小,精度最高,适用于火灾事故的预测。     

汉江流域土地利用/覆被变化的水文效应模拟研究

针对流域LUCC驱动因子众多、驱动因子与土地利用/覆被变化之间存在复杂的非线性动态关系的特点，以汉江上游流域LUCC模拟为例，构建基于人工神经网络（ANN）与元胞自动机（CA）的模拟土地利用/覆被变化的CA ANN耦合模型，并应用该模型预测汉江上游流域2020s年代的LUCC变化情景。结果表明：2020s汉江黄家港站上游流域水田、旱地、灌木林与建设用地面积均有不同程度的增加，其中建设用地增幅最大，与区域交通和城市化的迅猛发展趋势相符；除建设用地增幅变化较大之外，1980s～2000s与2000s～2020s两个时期其余土地利用/覆盖类型的面积变化率都比较相近，表明CA ANN耦合模型能够刻画土地利用/覆盖类型的转换规律，在流域土地利用/覆被变化的复杂非线性动态演变情景的模拟预测方面是可行的。在此基础上，应用SWAT分布式水文模型模拟汉江上游流域水文过程。研究结果表明：在1980s年代、2000s年代及预测的2020s年代LUCC情景下，汉江上游流域年平均径流量呈增加趋势，LUCC对径流量年内影响较汛期显著，多年平均蒸散发量呈增加趋势     

有机化合物结构与生物降解定量关系的研究进展

生物降解是许多有机化合物主要降解途径之一。近年来,难降解的有机化合物的任意排放使得环境污染越来越严重,为了防止由此造成的环境污染问题,对于有机化合物生物降解能力的预测显得至关重要。有机化合物的结构与生物降解定量关系（QSBR）的研究与发展,对于预测有机化合物的生物降解性提供了重要的帮助。本文主要综述了近几年来国内外在这领域的研究进展,对现有的有机化合物的结构与生物降解定量关系模型进行系统的总结、评价,分析了模型研究中存在的具体问题,并提出了进一步改进的几点建议,展望了其在环境保护规划、预警及评估等方面的应用前景。     

基本竞争型神经网络在工伤保险差别费率确定中的应用

合理的行业差别费率,对于工伤预防、降低工伤事故具有重要作用。行业差别费率是按照不同行业发生伤亡事故和职业病危害的不同规定不同的缴费标准。应用基本竞争型人工神经网络对行业风险进行等级划分,针对工伤数据关系具有复杂性、非线性性的特点,为行业工伤保险差别费率的厘定提供一种新方法。