介绍城市生活垃圾综合处理技术

近年来，随着各大城市的不断发展，城市居民生活垃圾产生量也随之增长，至２０００年全国年垃圾清运总量已超过１．４亿吨，并按８％的幅度增长。历年全国无序堆放的垃圾总量多达６０亿吨，占用土地５亿平方米，严重污染大气和地下水资源，更有引发气体爆炸事故的发生。为解决上述严重问题，国内外在垃圾处理上提出了许多解决方案，如垃圾经过分选后填埋、制肥、沼气发电、裂解制油、生化处理等。其中已经付诸实施的焚烧处理、卫生填埋、高温堆肥都存在着一定的不足。如卫生填埋，相对焚烧处理，投资和运行费用较低，但填埋场占地相当大，大…     

美国生活垃圾的焚烧综合处理

２００１年３月，我们到美国参观考察生活垃圾焚烧厂，共考察了５个生活垃圾焚烧处理厂，２个灰渣处理厂及垃圾分选厂等，受益不小。现着重介绍美国几种生活垃圾焚烧综合处理炉型和灰渣厂。美国以前由市运输公司运走的生活垃圾，大部分送到大型卫生填埋场填埋处理，小部分送焚烧发电厂焚烧处理。随着美国经济的发展，国力的强大，卫生填埋场越来越少，焚烧发电厂越来越多。因为卫生填埋场缺点是占地多，还污染大气、水源环境。焚烧发电综合处理之后，彻底实现生活垃圾的无害化、减量化、资源化。美国随着纽约市最后一个大型卫生填埋场于２０…     

基于BP神经网络的天线识别

本文比较研究了BP神经网络中的几种常用算法,针对这些不同算法下的BP神经网络进行训练,并得出了各自网络的性能。在此基础上,针对经典BP算法和LM算法进行对比研究,找到LM算法的改进之处。此外,在实际的应用中表明,不仅不同的BP算法对网络的运算速度、泛化能力等有较大的影响,而且BP神经网络对隐含层神经元数目也很敏感。我们希望在BP神经网络的基础上,构建一种合适的天线模型,来应用于天线的分类识别,这将具有很大的现实意义。     

广州市生活垃圾的综合处理与利用探讨

分析了广州市现行垃圾处理方式存在的主要问题,并结合广州市垃圾的产出特点,就如何实现该市生活垃圾的综合处理,尤其是资源化利用作了探讨。     

基于BP神经网络的空调性能预测研究

针对空调系统传统设计所需的匹配试验量大,严重浪费公司水电以及人力资源的问题,本文提出BP神经网络对空调系统的性能进行预测的方法,以设计参数压缩机冷量、冷凝器和蒸发器面积和实验参数室内外环境温度、负荷量等为输入,以空调的能力和能效比为输出,对BP网络进行训练、测试。结果表明:BP神经网络算法的均方误差为0.005 8,预测结果的总相关系数为0.974 47,可用于空调系统的设计选型,减少实验成本。     

基于BP神经网络的地表水环境质量评价

将水环境质量标准作为样本模式提供给BP网络，按照BP网络的学习规则对网络进行训练．经过7272次学习后，网络达到预先给定的收敛标准。应用该网络对长春市伊通河4个监测点位的水质量状况进行了评价，操作过程简便易行。     

BAF处理系统的BP神经网络模型

本文以某污水处理厂曝气生物滤池（Biologlcal aerated filter,BAF）的实际运行数据为基础,采用人工神经网络（Artificial neural network,ANN）方法,建立起BAF处理系统的BP神经网络预测模型。模型运算结果表明,预测值和实测值能较好地吻合,起到了模拟预测的效果,同时能优化运行状态。该模型的建立为BAF处理系统的预测及运行管理供了一条简便实用的途径,具有良好的研究和工程实用价值。     

浙东大渔港,太阳能让农村垃圾资源化

随着农村日产生活垃圾量的增长,一些垃圾填埋场不堪负重,部分偏远山区、海岛的村庄受地域限制,日常生活垃圾处理成本较高,导致村庄垃圾收集外运处理状况不佳,影响农村生态环境。为实现农村从“末端处理”向“减量化、资源化、无害化”处理转型,改善农村生产生活环境,创新生活垃圾处理方式势在必行。     

基于因子分析的BP神经网络对成都市需水量的预测

在对四川省成都市的水资源进行综合规划与评价的过程中,通过主成分因子分析可知人口、GDP、给排水管道长度等因素对需水量预测有较大影响,如何建立这些因素与需水量之间的数学关系是预测工作的重点。本文将介绍通过MATLAB数学分析软件建立BP神经网络预测模型,并对模型的预测结果进行评价。     

基于BP神经网络模型在珊溪水库水华预测中的应用

在珊溪水库藻类暴发期间应急监测数据的基础上,建立pH值、高锰酸盐指数、总氮、总磷、叶绿素a数据矩阵。运用MATLAB R2015b GUI可视化界面模块,将应急监测数据样本空间分为训练样本、验证样本、测试样本,建立珊溪水库BP神经网络模型,预测了珊溪水库藻类暴发期间叶绿素a浓度。BP神经网络建模结果显示:输出数据与实测数据相关系数0.978,平均相对误差-0.19%,标准方差18.54%,模型稳定性较好,叶绿素a预测结果符合预期。BP神经网络预测模型为珊溪水库饮用水水源地环境保护提供了科学依据。     

修正的BP神经网络森林火灾成灾面积预测研究

以1997-2012年《中国林业统计年鉴》的全国森林火灾成灾面积为依据,应用BP神经网络模型对成灾面积进行了预测,对预测方法进行了检验.在此基础上,利用残差提出了修正的BP神经网络模型,并对预测方法进行了改进.研究结果表明,修正的BP神经网络预测精度高于BP神经网络,预测相对误差平均为7.2％,可应用于森林火灾成灾面积的预测.     

基于Adaboost集成BP网络原煤生产成本预测研究

为了提高传统BP神经网络预测模型精度,避免BP网络容易陷入局部极值、收敛速度慢等问题,将BP神经网络与Ada-boost算法相结合,提出了一种Adaboost集成BP神经网络模型.结合磁县观台煤矿原煤生产成本相关数据,建立了原煤生产成本预测的Adaboost集成BP神经网络模型,将该模型用于实际的原煤成本预测.结果表明：该模型预测精度高于传统的BP神经网络,收敛速度快,具有较强的鲁棒性,预测精度能满足实际预测需要,为原煤生产成本预测提供了一种新的途径,也为原煤生产成本控制提供了重要依据.     

基于BP神经网络模型的城市自然生态型河流景观方案质量评价

城市自然生态型河流的景观设计方案质量评价受多种因素的影响,这些因素之间存在着复杂的非线性关系,有些甚至是随机的、模糊的,利用传统的方法难以表达它们之间的内在关系.研究建立三层次BP神经网络模型,以30份河流景观设计方案为样本,分别根据水质、水量、水空间、植被、经济、设施、交通等7项指标对景观方案的质量进行评价.结果表明,BP神经网络模型具有极强的非线性逼近能力,能真实反映景观质量与影响因素之间的非线性关系,预测结果与实测值之间误差小,相对误差小于5%.该方法操作性强,结果可靠.     

多元回归和BP人工神经网络模型对混合厌氧消化产气量的预测研究

在中温且控制pH值条件下,对脂肪类单基质和城市污水厂剩余污泥进行混合厌氧消化试验。基于多元回归原理和BP人工神经网络原理,对其建立产气量预测模型。由实验数据计算得出:两个阶段多元回归模型的预测平均准确率分别为75.69%和79.29%;BP神经网络模型的预测平均准确率为79.05%。通过对比两种模型的预测结果可知,两种模型都有较高的预测准确率,但BP模型的预测准确率更高,更适用于混合厌氧消化产气量预测。     

前馈神经网络在环境评价和预测中的应用进展

本文针对水环境中复杂的不确定性及非线性关系,在水环境不确定性分析的基础上,详细阐述了以BP网络和RBF网络为代表的前馈神经网络法的基本原理,分析了两种方法的优点。同时,本文对两种方法在水环境影响评价工作中的应用现状进行总结,分析了两种方法的研究发展趋势。     

共模阻抗稳定网络的研制

为了消除辐射测试场地供电端口阻抗的差异,本文设计制作了一种共模阻抗稳定网络,可以在供电端口处提供稳定的共模阻抗。文中对该网络的技术参数、元件规格及分布参数控制提出设计方案.经实际制作与量测验证后,该稳定网络可以在30~300MHz的频段内提供稳定的阻抗(50±5?),符合设计方案的目标,利用此网络可有效消除供电端口阻抗差异引起的测试误差。