GA-BP神经网络在铜合金海洋腐蚀预测中的应用

目的 充分利用海洋腐蚀数据,深入分析数据规律.方法 在BP神经网络的基础上引入遗传算法,以克服神经网络模型固有缺陷,提高预测精度和训练速度.结果 对GA-BP人工神经网络进行了简要阐述,并以铜合金在海水中的腐蚀数据为例,应用GA-BP人工神经网络建立了海水腐蚀预测模型,对预测结果进行了评价.结论 预测结果表明,模型能满足设计要求,具有较好的泛化能力.     

不同优化模型在餐厨垃圾厌氧消化中的应用与比较

采用正交试验设计,响应面设计以及基于BP神经网络的遗传算法模型,对餐厨垃圾厌氧消化产沼气的操作参数进行优化,并比较分析这3种模型的优化效果。结果表明,采用正交试验设计模型,当接种比、含固率、初始pH分别为3、8%和9时,沼气产量最大,实际产量为1 015 mL/gTS,并且这3个因素对产气量的影响顺序为接种比>初始pH>含固率;采用响应面设计模型,当接种比、含固率、初始pH分别为2.42、8.62%和8.49时,最大沼气产量为1 049.85 mL/gTS,实际产量为1 029.5 mL/gTS,接种比对产气量的影响极其显著;采用基于BP神经网络的遗传算法模型,当接种比、含固率、初始p H分别为2.66、8.06%和8.87时最大产气量的预测值和实测值分别为1 085.8 mL/gTS和1 067.25 mL/gTS,实测值分别比正交设计模型和响应面设计模型的实测值提高5.15%和3.67%,表明在餐厨垃圾厌氧消化产沼气参数优化实验中,采用基于BP神经网络的遗传算法具有更高的准确度。     

基于BP神经网络的污泥水解液合成PHA的多参数敏感性分析

本文采用多参数敏感性分析方法对影响污泥水解液合成PHA产量的参数进行分析.在实验数据的基础上,利用BP神经网络建立了PHA的产量预测模型.通过与真实试验结果的对比,验证了预测模型的精确度.根据训练完成的神经网络模型中的各参数变量到目标的权值和阈值,利用Garson算法定量得到各参数变量对于目标的参数敏感性系数数值.结论表明：基于BP神经网络技术建立的预测模型具有较高的可信度,多参数敏感性分析方法可评估多因素同时变化对PHA产量的影响,具有较高的实用价值.     

邯郸市大气PM_(2.5)中元素特征及健康风险评价

研究了餐厨垃圾厌氧发酵产挥发性脂肪酸(VFA)的特性,考察了含固率对餐厨垃圾厌氧发酵产VFA的影响。并分析了以餐厨垃圾水解酸化液为碳源,接种量为3%的情况下,4种不同耐盐菌合成PHA过程对VFA不同成分的利用规律。结果表明:不同含固率的发酵液中VFA总量随发酵时间的进行呈上升趋势,第8天达到最大值,且添加120 g餐厨垃圾的发酵液产出的VFA浓度最高,为7 839.76 mg/L。4种耐盐菌中,Cupriavidus necator合成PHA的能力最强,发酵1 d时PHA含量即可达到110.7 mg/L。所用碳源VFA中具有偶数碳原子的酸含量高于奇数碳原子的酸含量,因此在所得PHA中PHB的含量明显高于PHV。     

以餐厨垃圾水解酸化液为碳源合成PHA研究

研究了餐厨垃圾厌氧发酵产挥发性脂肪酸(VFA)的特性,考察了含固率对餐厨垃圾厌氧发酵产VFA的影响。并分析了以餐厨垃圾水解酸化液为碳源,接种量为3%的情况下,4种不同耐盐菌合成PHA过程对VFA不同成分的利用规律。结果表明:不同含固率的发酵液中VFA总量随发酵时间的进行呈上升趋势,第8天达到最大值,且添加120 g餐厨垃圾的发酵液产出的VFA浓度最高,为7 839.76 mg/L。4种耐盐菌中,Cupriavidus necator合成PHA的能力最强,发酵1 d时PHA含量即可达到110.7 mg/L。所用碳源VFA中具有偶数碳原子的酸含量高于奇数碳原子的酸含量,因此在所得PHA中PHB的含量明显高于PHV。     

基于遗传算法的人工神经网络在降水酸度预测中的应用

在误差反向传播(Back Propagation)算法的人工神经网络结构模型的基础上，应用遗传算法训练神经网络权重，实现网络结构的优化。用优化后的BP人工神经网络建立了江西省南昌市的降水酸度预测模型。并将该模型预测结果与BP算法和多元线性回归法的预测结果进行了比较。检验结果表明：基于遗传算法的人工神经网络优于BP算法及多元线性回归法，具有良好的预测效果。     

甘油投加对餐厨垃圾厌氧产酸性能的影响

餐厨垃圾厌氧发酵产生的挥发性脂肪酸（VFAs）可以作为合成聚羟基脂肪酸酯（PHA）的底物,PHA的性能与VFAs的组成密切相关.为改善PHA产品的性能,本文研究了甘油投加对餐厨垃圾产酸性能的影响.在餐厨垃圾厌氧消化半连续流反应器运行稳定的基础上,探讨了不同C/N对厌氧发酵有机物转化及VFAs产量和组成的影响.结果表明,投加甘油会降低发酵体系的pH,提高VFAs的产量,相比于对照组,C/N比为25/1时,VFAs产量提高了10.3%.C/N10.69/1（对照组）、15/1、20/1和25/1时,发酵液奇数碳VFAs所占总VFAs的比例分别为54.23%、61.16%、64.78%和66.79%.甘油的投加可以提升丙酸、戊酸等奇数碳VFAs所占比例,有利于改善PHA产品性能.     

基于灰色理论与BP神经网络预测成都市生活垃圾产生量

根据成都市中心城区垃圾产生量的历年数据,先用以时间为单变量的灰色GM(1,1)预测模型得到历年数据的拟合值,再分析垃圾产生量与其影响因素之间的灰色关联度,选出关联度最大的4个因素建立多变量的灰色GM(1,5)预测模型与BP神经网络模型,并对垃圾产生量的预测精确度进行了对比,用预测精度最高的BP神经网络模型对未来年份的垃圾产生量进行了预测,为成都市垃圾处理处置规划提供了理论依据。     

基于模糊识别和遗传神经网络的渤海湾叶绿素a预测研究

由于海洋生态系统的高度复杂性和非线性,利用新兴的水信息学技术,包括模糊模式识别、遗传算法、人工神经网络等构建渤海湾叶绿素a预测模型.以渤海湾实测水质数据为依据,利用遗传算法的全局搜索能力优化BP神经网络的初始权值和阈值,从而避免陷入局部最优解,构建GANN叶绿素a预测模型.模型预测的均方根误差为3.81 μg/L,仿真...     

北京市餐厨垃圾产生量调查分析

通过对北京市餐饮服务业、高等学校和居民家庭餐厨垃圾产生量的调查,力求为北京市餐厨垃圾的总量预测、处理及再生利用提供参考数据。调查以问卷、现场跟踪及实际称重的形式进行。调查结果显示:餐饮业、高校学生食堂和居民家庭人均餐厨垃圾产量分别为0.40kg(/人.次)、0.45kg(/人.d)和0.49kg(/人.d);餐饮业和高校学生食堂的餐厨垃圾以餐后垃圾为主,人均餐后垃圾量分别占餐厨垃圾总量的72.5%和80%,而居民家庭人均餐后垃圾量仅占餐厨垃圾总量的14.74%;小区居民夏季、春秋季节和冬季的人均餐厨垃圾产量分别为0.63kg(/人.d)、0.46kg(/人.d)和0.38kg(/人.d),差别较大。     

基于BP神经网络与马尔可夫链的污水处理厂脱氮效果模拟预测

在实际污水处理厂运行过程中,其最终出水水质会受多种因素影响制约,而基于生物反应机理的活性污泥数学模型(ASM)并未将这些生物反应以外的因素考虑在内,由此带来一些不足.对此,本文提出可通过基于数据挖掘技术的黑箱模型对污水厂处理效果进行模拟预测.结合具体实际分析,提出可将BP神经网络与马尔可夫链组合应用于污水处理脱氮效果预测中.首先,通过BP神经网络模型对北京某大型污水处理厂实际进出水数据和工艺参数进行粗略拟合;其次,利用马尔可夫链对拟合结果及误差进行状态划分以进一步提高预测精确度;最后,运用基于BP神经网络与马尔可夫链的组合模型预测分析了该厂的实际出水水质.试验结果表明,BP神经网络适用于污水处理脱氮过程的拟合计算,而通过与马尔可夫链组合,可以提高模拟预测的精度和可靠性.     

基于神经网络集成的单个飞行事件噪声预测模型

通过分析影响单个飞行事件噪声的各种因素,构建了BP神经网络回归预测模型,并通过自适应遗传算法优选出参与集成的个体神经网络,提出了预测单个飞行事件噪声的神经网络集成预测模型.为了有效保证差异性,设置不同隐藏神经元个数和Bagging算法来构建和训练单个网络.实验结果表明,单个飞行事件噪声的神经网络集成预测模型相对单个BP神经网络模型泛化能力更强,稳定性能更好.本文方法在测试集上误差在3dB以内的平均比率为96.9%,比单个网络高6.8%.     

一种战车主减速器温度预测方法研究

目的针对战车主减速器温度预测需求,建立时间序列ARIMA多步预测和BP神经网络预测模型,提出基于BP神经网络修正误差的ARIMA模型温度预测方法。方法结合BP神经网络的非线性能力与ARIMA模型预测能力,分析ARIMA在多步预测时误差产生原因,在神经网络对ARIMA多步误差进行预测基础上计算修正因子,把误差修正因子和BP网络结合,实现对多步预测误差的修正。结果ARIMA模型多步预测时,预测误差随预测步数的逐步增加不断增大,引入了误差修正因子进行修正。通过预测值与实际值进行对比,可有效提高预测准确度。结论 BP神经网络和误差修正因子结合应用可显著提高温度预测效果。     

自适应人工鱼群-BP神经网络算法在径流预测中的应用

为了提高水库和河流中长期径流预测精度,提出了弹性自适应人工鱼群算法(RAAFSA)。应用RAAFSA算法训练BP神经网络,实现BP神经网络参数优化,形成弹性自适应人工鱼群-BP神经网络混合算法(RAAFSA-BP),对石泉水库进行中长期径流预测。仿真计算表明,弹性自适应人工鱼群优化的BP神经网络算法收敛速度快于BP神经网络算法、人工鱼群-BP神经网络算法和RBF神经网络算法。该混合算法克服了BP神经网络和人工鱼群算法易陷于局部极值、搜索质量差和精度不高的缺点,改善了BP神经网络的泛化能力,输出稳定性好,预报精度显著提高,每次预测相对误差绝对值都小于6%,合格率达到100%。该算法成功地解决了石泉水库中长期径流预测精度不高的难题,可有效用于水库和河川中长期径流预测。     

基于PSO算法的BP神经网络对水体叶绿素a的预测

BP神经网络(Back Propagation Network)在水体富营养化评价及预测中已广泛应用,但传统BP算法的收敛速度慢并易陷入局部最优. 提出了一种基于微粒群(PSO)算法的BP神经网络模型,利用PSO对神经网络的权值进行修正,优化神经网络结构及算法全局收敛性. 选择最能代表明湖水质状况的5号采样点作为研究对象,把2009年4月—2010年3月的月样本插值为周样本,对明湖ρ(Chla)的短期变化趋势进行了预测,并用6号采样点数据来验证网络的泛化能力. 比较分析基于PSO算法的新模型与传统BP算法模型的预测精度表明,新模型有效克服了传统算法的缺点,提高了网络的预测能力和学习能力.      

基于灰色模型和神经网络的铝合金腐蚀预测对比

采用NaCl溶液对铝合金试验件进行预腐蚀试验,产生腐蚀坑,获取了不同腐蚀时间下的腐蚀数据,然后进行疲劳加载试验。分别利用灰色模型和BP神经网络建立了腐蚀深度及疲劳寿命与腐蚀时间相关性的预测模型,对两种预测模型的精度进行了对比。研究发现,在缺乏足够统计数据的情况下灰色模型预测精度优于神经网络算法。     

基于气象相似准则的城市空气质量预报模型

为提高城市空气质量预报准确率,文章在传统BP神经网络的基础上提出了基于气象相似准则的样本优化方法,建立了三层样本筛选优化机制,确定了阀值及权重矩阵,从而建立了城市空气质量动态预报模型。将模型应用在广州8个空气质量监测站点的预报上,并与传统的BP神经网络空气质量预报模型进行了对比分析,效果良好。分析结果表明,广州8个空气质量监测站点的SO2、NO2、PM10/2.5的实测值与预报值的平均绝对误差分别为0.016 mg/m3、0.014 mg/m3、0.020 mg/m3,级别预报准确性评分分别为89.6、92.6和84.6,预报准确度综合评分达81.6,并且比传统神经网络模型具有更高的预报精度。     

基于BP神经网络的空气污染指数预测模型研究

BP神经网络已成为研究空气污染预测的有效工具之一。文章利用近十年北京市地面气象观测资料和空气污染指数数据,通过BP神经网络技术构建了不同季节的空气污染指数预测模型,对北京市空气污染指数进行了预测。通过相关系数分析法,对比分析了预测结果与实际监测结果,研究结果表明:春、夏、秋、冬季的预测值与监测值线性相关系数分别为0.81、0.84、0.89、0.85。北京春季常伴随有沙尘天气,而文章并没有考虑沙尘天气对预测模型的影响,因此春季BP神经网络预测精度在四季中最低,其预测值与监测值的线性相关系数为0.81。由于秋季不同空气质量级别的数据都有较多分布,因此该季节构建的网络更具有代表性,其预测精度在四季中最高,预测值与监测值的线性相关系数高达0.89。总之,BP神经网络模型对于北京空气污染指数预测是行之有效的。