基于HHO-CNN-LSTM的CMAQ修正模型及其在上海市空气质量预报中的应用

建立空气质量预报模型，预测污染物浓度对人类健康和社会经济发展具有重要意义。然而，传统的空气质量模型CMAQ对污染物浓度的预报精度并不理想。对此，本文提出了一种基于卷积神经网络(CNN)和长短期记忆神经网络(LSTM)的空气质量预报修正模型，并使用哈里斯鹰算法(HHO)对模型的超参数进行优化；用CMAQ模型对上海市2022年12月六种大气污染物(SO₂、NO₂、PM₁₀、PM_2.5、O₃、CO)浓度的预报数据以及监测站的气象数据和污染物浓度实测数据作为HHO-CNN-LSTM模型的输入，对CMAQ模型预报结果进行修正。使用均方根误差(RMSE)、平均绝对误差(MAE)和一致性指数(IOA)作为评价指标。结果显示，修正模型显著提高了六项污染物浓度的预测精度，RMSE减少了73.11%～91.31%,MAE减少了67.19%～89.25%,IOA提升了35.34%～108.29%。同时针对HHO算法陷入局部最优而导致修正模型对CO浓度预测效果不佳的问题，使用高斯随机游走策略对HHO算...     

EOF重构声速剖面对深水多波束的声速改正分析

声速误差是多波束水深地形测量主要误差源之一，通常采用现场声速剖面测量的方式加以改正，但在深远海多波束水深地形测量时，现场获取全深度的声速剖面并非易事。针对这一问题，利用东南印度洋海洋调查工作中采集到的17个站位的CTD数据，将所有站位声速剖面拓展到全深度，采用经验正交函数分析法（Empirical Orthogonal Functions, EOF）构建调查区声速剖面场，可获得声速剖面场内任意一点的声速值。然后通过EOF重构声速剖面场获得的声速值对测区内多波束水深地形数据进行改正，并与实测声速剖面对多波束水深地形数据的改正结果进行对比，结果表明，5 000 m水深范围内2种声速改正结果相差很小，EOF重构法对深水多波束的声速改正满足水深测量的要求。     

提高GPS定位精度的群调度滤波算法*

为解决现行安全生产科技领域中全球定位系统（GPS）/惯性导航系统（INS）融合系统容易产生较大时变误差的关键问题，满足GPS定位信号的精度和信号数据处理时间的要求，提出1种群调度滤波算法，通过实验仿真，分别与模糊算法、机器学习算法及卡尔曼滤波网络算法进行比较研究。结果表明:群调度滤波算法兼顾了定位精度与数据处理时间，具有较大优势，可在航空安全、船舶安全、应急监测、灾后抢险等安全科技领域广泛应用。     

人工智能与专家的故事

人工智能几起几落,一般认为这一轮热潮从2012年开始。这一年,Hinton和他的学生Alex Krizhevsky设计的Alex Net采用深度学习算法,在Image Net图像识别竞赛中获得冠军,图像错误识别率下降10多个百分比,同期的其他神经网络每次的成绩提升很少达到5%,立即引起业界对深度学习的极大关注。之后的两年时间,深度学习网络进一步把整体错误率下降至5%以内,达到了人眼的水平。随后,Google、Micro Soft、Facebook先后开源了自己的深度学习框架Tensorflow、CNTK和Caffe。一时间,国内外涌现了大量的人工智能创业公司。除了深度学习技术,GPU芯片、分布式计算、计算位数压缩等新的优化技术也加快了神经网络的训练和使用效率,人工智能应用从高性能数据中心向嵌入式设备发展。     

基于Landsat 8遥感数据的天津市地表温度反演

以Landsat 8遥感数据为数据源,进行天津市地表温度反演研究。首先采用单通道算法反演地表温度,并利用均值标准差法进行温度分级。然后建立不同温度等级面积比例的估算模型。再通过随机样点,从不同温度等级和土地覆盖类型2个角度,分别建立并比较不同类样点的地表温度与各指数的拟合模型。结果表明:次高温区域面积比例与人口密度、人均GDP都具有较高的决定系数;地表温度与NDVI、BAEM的二元线性回归决定系数高于地表温度与单一指数的决定系数;将样点分类后,低温点与MNDBI的决定系数高于其他温度等级样点,水域和植被样点与各种指数的决定系数高于其他地物类型样点。     

PSO-RBF耦合神经网络在水质评价中的应用

径向基函数神经网络(RBF)中,连接输出单元的权重是影响径向基函数神经网络学习精度的主要参数,采用粒子群算法(PSO)对模型参数(权值)进行优化,建立了PSO-RBF耦合神经网络模型,避免权重的人为设定,具有客观性。并在Matlab环境下编程计算,构建了用于地下水环境质量评价和海水富营养化评价的径向基函数网络评价模型。将模型应用于黑龙洞泉域5个地下水监测点和某海水富营养化评价。评价结果和其他方法的评价结果一致,与实际情况符合,评级结果是合理的。评价结果表明,RBF网络简便有效,收敛速度快,有较强的分辨能力,优化确定模型参数后,便可对评价样本进行评价,具有较好的实用性和通用性。     

具有变频器的矿井低压漏电保护研究

为了解决移动变电站低压侧为变频器供电时漏电保护装置误动的问题，提出了基于傅式算法的附加直流原理漏电保护新方法。通过理论分析和MATLAB/Simulink仿真，研究了具有变频器的矿井低压供电系统附加直流原理漏电保护，提出由傅式算法分解出采样电压直流分量以反映电缆绝缘水平的保护方法；同时分析了其他因素对直流分量的影响。研究结果表明:变频器对传统附加直流保护整定值有较大影响，易造成漏电保护装置误动且无法实现电缆的在线绝缘监测；所提出的直流分量法能准确测量电缆对地绝缘电阻，且可消除电缆分布电容、变频器载波频率、变频器输出频率等其他因素的干扰；采用该漏电保护方法，可承受变频器投入时对采样电压造成的较大冲击，不必在启动期间解除漏电保护装置，能够消除在此期间存在的人身触电安全隐患。     

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。