基于降低温室效应的航空器运行策略

以航空器运行对环境造成温室效应的两个主要因素—CO_2和凝结尾为研究对象,通过绝对全球温变潜势(AGTP)建立科学统一的衡量标准,将CO_2和凝结尾对环境的影响转换为全球地表温度的改变,为降低温室效应提供依据。最后结合典型高空的探空资料对实际增温进行计算,对比分析25、50、100年时间水平下CO_2和凝结尾对全球地表温度造成的影响,为航空器降低温室效应提供飞行高度指导。     

机场航空器噪声评估及预测研究

根据《机场周围飞机噪声环境标准》,采用评价量计权等效感觉噪声级LWECPN,利用航段分割算法,以郑州新郑国际机场的实际数据为实例,对机场航空器噪声的特点及其发展趋势进行了研究。通过对结果的分析,可以看出机场航空器噪声随着飞机飞行高度和敏感点距飞机以及机场距离的增加而减少,同时,它随着机场流量的增长而缓慢增长。这将对未来的机场建设提供借鉴。     

基于FOA-MOD的飞机巡航阶段BC排放特性与影响因素研究

民航飞机在巡航阶段排放的黑碳(BC)可产生区域增温效应.为提高飞机巡航阶段黑碳排放的估算精度,采用一种基于国际民航组织一阶近似方法(FOA)的修正计算方法(FOA-MOD),使用B777-200机载飞行数据(QAR)进行实例分析,并结合当量比、燃烧室入口压力、主燃区火焰温度等热力学参数,计算了某次飞行巡航阶段的BC排放...     

基于降低温室效应的管型航路布局研究

为减小管型航路运行过程中对环境的影响,缓解温室效应,综合考虑航空器高空飞行CO_2排放和凝结尾生成情况,对管型航路的高度层分配进行优化,首先研究了CO_2排放和凝结尾生成机理,基于辐射强迫模型,实现了CO_2排放和凝结尾对温室效应影响的量化计算;其次,基于多目标模糊优化方法,建立满意度函数统一衡量标准,构建管型航路高度层优化模型,采用Dijkstra算法进行模型求解。最后,以广州白云机场-北京首都机场航路为例进行算例验证。结果表明:优化后的管型航路可有效避免大部分凝结尾生成区域,航空器飞行总辐射强迫降低73%,减小了对温室效应的影响。     

基于改进灰色与广义神经网络的火电行业NO_x排放组合预测

为解决区域火电行业NOx排放量的预测问题,在原始灰色模型基础上做出改进,提出了基于指数平滑的改进灰色模型,并将该模型与广义神经网络相结合,建立了基于改进灰色与广义神经网络的组合预测模型。以1998—2011年火电行业NOx排放量数据为基础,对提出的组合预测模型与灰色模型和广义神经网络模型的预测结果进行了对比。结果表明:建立的组合模型预测结果更为精准,能够更有效应用于区域火电行业NOx排放量的预测问题。     

基于神经网络评估的密封点泄漏检测

介绍了运用神经网络评估方法对石化生产装置泄漏风险进行量化评估的主要程序：输入变量的选择、风险指标的确定及总风险评估指标的确定等。以某炼油厂柴油加氢精制装置的应用为例,说明该方法可以指导企业根据最终确定的风险等级制定泄漏检测计划,对高风险部位增加检测的频次,既能有效监控密封点的密封效果,又减少不必要的资源投入。     

基于BP神经网络的企业HSE管理绩效评估

提出了根据日常HSE过程考核指标,构建基于BP神经网络的评价模型,利用神经网络较强的自培训学习、模糊推理、非线性逼近及容错能力,探索日常HSE过程考核指标与HSE绩效评估之间的函数关系,获得较为满意的绩效评估结果。经过对评估模型的评价及检验,该方法具有较好的操作性和较高的准确性。     

基于BP神经网络的导弹环境适应性评估及对策

论述了转型期海军战术导弹开展环境适应性研究的必要性和紧迫性,分析了环境因素的影响。选取典型型号的海军战术导弹为研究对象,给出了8种严重影响导弹的环境适应性因子。结合BP神经网络算法建立了环境适应性模型,并对环境适应性水平进行了仿真评估分析。仿真结果表明,该模型具有良好的评估效用。根据仿真结果,针对不同时期的导弹提出了相应的环境适应性对策。     

基于灰色神经网络的腐蚀损伤模型

为在小样本情况下对腐蚀损伤进行预测,结合灰色系统与神经网络,提出了灰色神经网络模型,利用该模型对已知腐蚀损伤数据进行了预测检验。为对比研究,同时采用灰色系统与神经网络方法预测了损伤值。结果表明,3种预测模型中,灰色神经网络预测精度最高,能够满足工程使用要求。     

性能退化对民机巡航阶段污染物排放的影响研究

发动机性能退化将会影响污染物排放,以往污染物排放估算模型未充分考虑性能退化对排放量的影响.因此本文对原有污染物估算模型进行修正,将民机实际运行中表征发动机健康状态的主要参数EGT作为特征量融入到污染物排放估算模型中,提出改进的形成氧化法以及P3-T3方法,定量估算性能退化对污染物排放的影响.使用GE90-115B发动机历史QAR数据,计算航空发动机处于不同健康水平下的巡航阶段污染物排放特性.研究结果表明：航空发动机性能退化将会显著影响巡航阶段污染物排放特性.其中,性能退化严重时航空发动机CO、UHC以及黑碳的巡航阶段平均排放指数较健康状态时分别升高87.52%、247.76%以及19.68%,而NO_x的平均排放指数则下降55.33%.因此在对性能退化的发动机进行污染物评估时必须考虑性能退化的影响.     

基于数据分解的AQI的CEEMD-Elman神经网络预测研究

针对Elman神经网络在预测空气质量指数（AQI）时易受到数据非平稳性的影响导致预测趋势良好但准确度较低的问题,提出以互补集合经验模态分解（Complementary Ensemble Empirical Mode Decomposition,CEEMD）为基础的CEEMD-Elman模型.应用CEEMD对AQI序列分解成不同时间尺度上的本征模态函数分量和剩余分量,进而首次将对非平稳的AQI序列的预测研究转化为对多个平稳的本征模态函数分量的研究.分别与Elman单一模型、EMD-Elman模型、BP单一模型及CEEMD-BP模型进行实验对比.结果表明：应用该方法建立的模型的均方误差、平均绝对误差和平均绝对百分比误差分别为4.80、0.71、1.84%,均小于其他模型结果;对应空气质量等级预报正确天数的频率为94.12%.该模型能有效的降低非平稳性对实验预测结果的影响,实现对空气质量等级的准确预报;该研究为进一步预测AQI的走向提供了有效依据,也为政府决策和管理部门制定空气污染控制提供了更充分的参考.     

基于神经网络综合建模的区域城市群发展脆弱性评价——以滇中城市群为例

城市脆弱性是评价城市发展韧性状况的有效测度。目前我国对于城市脆弱性的研究以运用统计学方法评价特殊城市为主,尚未形成对区域城市群具有普遍适用性的科学客观评价方法。以滇中城市群为例,从环境系统、经济系统、社会系统三个方面综合构建城市脆弱性评价体系,采用熵值法和BP神经网络综合建模方法,对2007—2016年10年间滇中城市群的城市脆弱性进行评价。结果表明:滇中城市群的城市脆弱性总体呈现下降趋势,但城市组团之间差异较大,呈现出发展中的不均衡性。评价结果对滇中城市群韧性发展规划具有重要指导意义,为区域城市群发展脆弱性研究提供一种科学评价方法。     

基于BP神经网络预测地表水净化装置总氮的去除效果

为了模拟预测地表水净化装置脱氮效果,利用水质指标实测数据作为学习样本,选取原水总氮、氨氮、硝氮、COD_Mn及装置运行时间等指标作为预测参数,建立了BP神经网络水质预测模型,并运用该模型对净化装置的水质进行预测,同时引入多元线性回归模型作为对比。结果表明,BP神经网络模型预测值的可决系数为0.985,最大误差为5.92%,明显优于多元线性回归模型预测效果;BP神经网络模型预测精度较高,预测速度快,能够准确地预测净化装置的总氮去除效果。     

基于ANN 的SBBR 短程硝化过程仿真研究

利用人工神经网络对实验室中短程硝化过程进行仿真模拟,采用误差反向传播算法,并结合自适应学习率,在MATLAB 语言环境下建立了进水NH₄⁺-N﹑DO﹑温度以及外加碳源与出水NH₄⁺-N 和NO^2--N 之间的非线性映射函数关系,确立了相关的动态模型.结合最优化网络模型运行参数,对样本进行仿真学习,仿真输出值与实际值的拟合程度相当高,最大误差仅13.8955%.通过权重分析,探究了各输入因素与输出结果之间的价值贡献关系,进水NH₄⁺-N 和温度对短程硝化过程表现出较大的影响.     

基于PSO-BP神经网络的山西省碳排放预测

山西作为能源使用和碳排放大省,推动“双碳”战略对全国具有重要示范意义。基于IPCC（政府间气候变化专门委员会）排放系数法测算山西省2000—2020年的碳排放量,运用Tapio脱钩模型分析碳排放与经济发展之间的脱钩关系,利用LMDI法对影响碳排放变化的因素进行分解,采用PSO-BP神经网络模型对山西省的碳排放量进行模拟和预测。结果表明：2000—2020年山西省碳排放量呈增长趋势,碳排放强度呈下降趋势,脱钩系数为0.585,整体处于弱脱钩状态。经济增长是碳排放量增长的决定因素,而产业结构与能源强度的优化调整是抑制碳排放的主导因素。引入PSO（粒子群优化算法）有效提高了BP神经网络的预测精度。预测结果显示,在基准情景、低碳情景和强化低碳情景下,山西省碳排放分别于2032年、2029年和2027年达峰。针对预测结果,提出了相关政策建议。

     

一种基于卷积神经网络的源解析因子识别方法

为解决源解析因子识别过程中人为参与及判定过程复杂的问题,提高源解析因子识别工作的效率,提出基于卷积神经网络(CNN)的源解析因子识别方法.通过文献调研,构造可供CNN模型训练的因子识别数据集,对因子识别模型进行训练与调试,并以北京市南部采样点的PM_2.5组分观测数据对模型进行验证.同时,利用正定矩阵分解模型(PMF)解析得到不同因子数时的源谱矩阵,输入因子识别模型并与人工分析比对.结果表明,9个因子时模型的识别效果最佳,可以实现既无重复识别又无“无法判定”的情况,与源解析因子人工识别结果吻合,证明了所提出方法的合理性与可行性.该方法不仅对源解析中因子识别问题具有一定的实用价值,同时对减排策略的制定与动态调整也具有积极意义.     

基于神经网络的某型飞机的人-机-环境系统可靠性分析

提出了利用神经网络,对某型飞机人-机-环境系统的可靠性进行了分析的方法。该方法利用已有飞机本身的可靠性数据,综合考虑了飞机本身、环境条件影响、人为操作因素的影响。全面反映了各种因素共同作用下的系统可靠性,建模简单,对飞机系统可靠性分析具有现实意义。     

基于BP神经网络方法的山东省海洋生态安全评价

基于2002~2012年山东省海洋生态安全的相关数据,从生态安全、经济安全和社会安全3方面选取26个指标构建海洋生态安全评价指标体系,运用BP神经网络对山东省海洋生态安全发展现状和演变趋势进行评价,并结合评价指数和超载度标准进行分析。结果表明:①BP神经网络通过对历史数据的学习,能够实现海洋生态安全的评价,是一种切实可行的生态安全评价方法。②就各子系统而言,2010~2012年山东省海洋生态安全子系统安全程度呈现上升趋势,经济安全子系统和社会安全子系统的安全程度均呈现下降趋势,综合生态安全程度呈现下降趋势。③总体而言,2010年和2011年山东省海洋生态安全处于较为安全等级,2012年生态安全处于临界安全等级,海洋生态安全出现了恶化的趋势。