基于pso-SVM的废水厌氧处理过程软测量模型

由于厌氧消化过程的复杂性和厌氧菌的敏感性,保持厌氧消化体系的稳定和高效性是比较困难的.本文在实验室采用IC反应器构建了一套厌氧废水处理系统处理人工合成废水,基于支持向量机(SVM)提出了一种预测废水厌氧处理系统出水挥发性脂肪酸(VFA)浓度和COD去除率的软测量模型.为了提高模型的精确性和鲁棒性,加入pso算法(粒子群算法)优化SVM模型,并引入了分类策略对元数据集进行有效分类.仿真结果表明,基于pso-SVM模型的软测量模型对厌氧废水处理系统出水VFA浓度和COD去除率具有较好的预测能力,模型预测系统COD去除率及出水总VFA浓度测试样本数据相关系数分别为65.86%、85.25%;加入分类策略后,元数据集分成两类,模型预测系统COD去除率测试样本数据相关系数分别为92.34%、83.41%;模型预测系统出水总VFA浓度测试样本数据相关系数分别为99.14%、99.59%,系统预测精度明显提高.引入分类策略对元数据集进行有效分类,基于pso-SVM的软测量模型可为监控、优化和理解厌氧消化过程提供指导.     

基于GIS的喀斯特石漠化综合防治规划

近年来GIS无论在理论上或应用上都取得了飞跃的发展,成为一个跨学科多方向的研究领域。本文探讨将GIS运用到喀斯特石漠化综合防治规划中,结合规划原则阐述了GIS在石漠化规划中的实现过程。实例应用表明,可以极大地提高规划的效率和质量,为规划提供完整、准确、快速的基础信息支持。     

基于PSO-SVM算法的空气质量分类研究

由于空气组成成分多、含量波动较大,严重影响着分类结果的准确率,因此为了增加空气质量分类预测的可靠性,提出了粒子群（Particle Swarm Optimization,PSO）优化支持向量机（Support VectorMachin,SVM）算法的分类方法。此方法首先通过迭代寻优的方式在全局搜寻最优粒子作为支持向量机的运行参数,之后通过训练集数据进行机器学习建立了支持向量机多分类模型,最后将测试集的输入向量导入该模型得到分类结果。分析结果表明,粒子群优化的支持向量机分类方法能够有效的抑制人为设定运行参数对分类结果的影响,提高了支持向量机的分类准确率,为空气质量等级分类问题提供了一个新的研究思路。     

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。

     

2014~2017北京市气象条件和人为排放变化对空气质量改善的贡献评估

2014～2017年北京地区霾日数和污染日数逐年减少,PM_(2.5)、PM_(10)、SO_2和NO_2年平均质量浓度下降,污染程度缓解,采暖期中的11～12月尤为明显.针对空气质量的显著改善,从气象条件的改善和减排措施两方面进行探讨分析,并结合数值模式和大数据挖掘技术实现气象和排放对大气污染贡献率的定量化研究.结果表明,2017年与过去3 a相比,平均风速增加7. 9%,≥3. 4 m·s~(-1)的风速频次最高(10. 6%),≥70%湿度日占比最小(25. 1%);其中,采暖期与过去3 a同期相比,小风日数减少8. 6%、大气环境容量指数和通风指数平均增加约11%,边界层高度以3. 2%·a~(-1)的速率升高,尤其11～12月各要素改善更显著,且该时段内2014年各因子变化与2017年相似.非采暖期(4～10月)累积降水量558. 3 mm,仅次于2016年,有利于污染物的清除和湿沉降.利用WRF-CHEM对霾和污染频发的12月进行模拟发现,气象要素的改变导致2017年12月北京PM_(2.5)质量浓度较2014～2016年同期分别降低5%、38%和25%.因缺少政府实际施行的减排方案,无法利用WRF-CHEM量化气象和减排的具体贡献率,因此借助大数据挖掘算法,基于K近邻算法(KNN)和支持向量机(SVM)模型对气象和减排对空气质量改善的贡献进行评估,结果显示2017年减少的霾日和重污染日,65. 0%归因于减排的贡献,35. 0%归因为气象条件的改善.可见,气象与生态环境部门应继续加强数据开放共享,科学开展气象条件预报与减排评估.     

基于遗传-支持向量机和遗传-径向基神经网络的有机物正辛醇-水分配系数QSPR研究

基于遗传算法(GA)的因子筛选和支持向量机(SVM)的非线性回归,提出了1种改进的有机物定量结构-性质相关(QSPR)建模方法--遗传-支持向量机(GA-SVM),并将其用于38种食品工业常用有机物正辛醇-水分配系数(Kow)的QSPR建模.结果显示,QSPR模型选取了分子量、Hansen极性、沸点、含氧率和含氢率5种参数;模型的预测值与实测值间的误差平方和(SSE)、均方差(RMSE)和决定系数(R2)分别为0.048、0,036和0.999,表明模型具有较强的预测能力;同时,交叉验证的结果(SSE=0.295,RMSE=0.089,R2=0.995)也表明,模型具有良好的稳健性,因此,GA-SVM算法适用于对有机物正辛醇-水分配系数的QSPR建模.此外,将基于GA-SVM的QSPR模型分别与基于遗传-径向基神经网络(GA-RBFNN)和基于线性算法的模型进行了比较,结果表明,应用GA-SVM建立的QSPR模型无论从稳健性还是预测能力上都优于应用其它2种算法建立的模型,因此,GA-SVM算法比GA-RBFNN和线性算法更适合于对有机物正辛醇-水分配系数进行QSPR建模.     

基于SVM的空调系统智能故障诊断研究

空调系统作为武器装备管理系统的一部分,在国防工程中的作用至关重要,致使其结构和功能日益复杂,因此对自动检测提出了更高的要求。为了有效地提高空调系统故障诊断的效率和精度,本文提出了一种基于主成分分析(PCA)特征提取的支持向量机(SVM)混合诊断模型。该模型首先进行归一化预处理,消除奇异数据;然后利用主成分分析对数据属性进行简约,消除冗余信息并进行特征提取,支持向量机进行故障诊断;最后采用网格搜索法和交叉验证法对SVM的惩罚函数和核函数参数进行寻优。通过实例验证表明,整个处理过程将诊断识别率从58.018 1%提高到了99.953 6%,能有效地进行空调系统的故障诊断和定位,并可实现故障的准确区分。     

基于主成分分析和粒子群优化支持向量机的边坡稳定性评价

为科学评价边坡工程的稳定性,优化边坡稳定性的预测精度,提高工作效率,提出了基于主成分分析法(PCA)和粒子群算法(PSO)优化的支持向量机(SVM)模型。首先利用主成分分析法对边坡稳定性影响因子进行特征提取,以获得的主成分作为支持向量机的特征向量建立支持向量机模型,然后通过粒子群算法优化支持向量机参数,最终建立边坡稳定性评价模型,并对边坡实例的稳定性进行预测,结果表明:PCA-PSO-SVM模型的运行速度快,预测准确率达909%,满足工程要求。     

基于PCA-GRU-SVM模型的多参量煤矿瓦斯浓度预测及预警研究北大核心CSCD

煤矿瓦斯浓度精准预测及提早预警对于预防瓦斯灾害发生至关重要。为充分利用井下多传感器监测信息提升矿井瓦斯浓度预测及预警模型的性能,提出一种基于主成分分析(PCA)、门控循环单元(GRU)神经网络和支持向量机(SVM)组合的多参量瓦斯浓度预测及预警模型。针对监测数据的时序性、动态性和非线性强等特性问题,采用邻近均值法、小波降噪和归一化法对数据进行处理,利用PCA对数据降维以简化GRU模型拓扑结构,提高瓦斯浓度预测精度,通过构建基于SVM的矿井瓦斯浓度预警模型实现对矿井安全状态的实时动态监测。选取安徽某煤矿171105工作面的实测数据对PCA-GRU-SVM模型预测结果与性能进行验证。仿真结果表明：相对于PCA-LSTM、PCA-RF和PCA-BP模型,本文构建的预测模型的平均绝对误差(MAE)分别减少了18.45%、56.36%和87.3%,均方根误差(RMSE)分别减少了5.17%、9.04%和67.52%,预警模型的预测准确率为94.1%,说明该模型具有较高的拟合度和预测精度。该研究结果可为实现瓦斯灾害的预测及超前预警提供参考,对矿业安全生产具有重要意义。     

基于RS-MSWOA-LSSVM的油气管道失效压力预测

油气管道受多种因素的影响会发生管壁减薄、管道破裂等现象,为提高管道失效压力的预测精度,提出一种基于RS-MSWOA-LSSVM的油气管道失效压力预测模型。首先,采用粗糙集(RS)属性约简提取关键特征,以优化预测模型的输入变量;然后,采用混合策略下的鲸鱼优化算法(MS-WOA)对惩罚因子C和核函数参数σ²进行寻找,并将优化后的参数代入最小二乘法支持向量机(LSSVM)进行预测,得到最优解;最后,引入均方误差、均方根误差、平均绝对误差和决定系数(R²)4个评价指标,对LSSVM模型、WOA-LSSVM模型和RS-MSWOA-LSSVM模型的预测精度进行了对比评价。结果表明：RS-MSWOA-LSSVM模型与另外两种模型相比,其预测结果的R²提升至0.996 8,均方误差降至0.063 9 MPa,均方根误差降至0.252 8 MPa,平均绝对误差降至0.222 3 MPa,说明该模型的预测结果与实际结果的拟合度更高,且预测精度优于其他两种模型。该研究结果可为油气管道失效压力的预测与管道的安全防护提供技术支撑和决策依据。     

基于粒子群优化的WA-SVM模型在滑坡位移预测中的应用

针对滑坡位移时间序列含大量噪声、具有明显的非线性等特征,本文提出了一种基于粒子群优化(PSO)的小波分析(WA)-支持向量机(SVM)滑坡位移预测模型(即WA-SVM模型)。该模型在混沌分析的基础上,首先用WA将滑坡位移序列分解成不同频率的分量,然后采用PSO算法优选SVM模型参数,并利用SVM模型预测各分量值,最后将各分量预测值组合得到最终预测值。结合滑坡位移序列实例,将基于粒子群优化的WA-SVM模型的预测结果与WA-BP模型、单独SVM模型进行对比,结果表明该滑坡位移序列存在混沌特性,基于粒子群优化的WA-SVM模型克服了噪声的干扰和参数优选的问题,具有较高的预测精度和预测效率,为滑坡位移的预测提供了一种新的方法。     

基于改进的PSO优化LSSVM参数的松花江哈尔滨段悬浮物的遥感反演

悬浮物是松花江水质和水环境评价的重要参数之一.利用在松花江哈尔滨段江面上29个采样点的实测高光谱和悬浮物浓度数据,用20个采样点数据为训练集,9个采样点数据为测试集.将机器学习和全局优化智能计算方法引入,应用改进的粒子群(PSO)优化最小二乘支持向量机(LSSVM)参数,以均方根误差RMSE为适应度函数,根据迭代得到LSSVM最优参数值,用700 nm和750 nm光谱反射率比值(R700/R750)为特征变量,悬浮物数据为目标变量,用训练集数据训练得到反演模型,使用测试集数据进行验证.结果表明,此模型收敛速度快,精度高,得到预测值的均方根误差RMSE为10.11 mg·L-1,平均绝对百分误差MAPE为10.72%,模型决定系数R2为0.952,该方法可用来对其它水质参数反演预测提供参照.     

粒子群算法在锚拉桩桩身参数优化设计中的应用

锚拉桩结构的桩身设计参数组合的求解是锚拉桩优化设计的重要内容,在所有满足要求的设计参数组合中,必定存在一组设计参数,可使锚拉桩的造价最低,因此获得这组设计参数对于锚拉桩桩身设计具有十分显著的工程实用价值。基于粒子群优化算法(PSO)的特点,通过一个滑坡治理的工程实例,以单位宽度的滑坡土体设置的锚拉桩的造价作为目标函数,对锚拉桩的桩截面宽b、桩截面长a、桩身长l、桩间距d这4个关键设计参数进行迭代搜索求解;采用MATLAB编写PSO的计算程序,并创建粒子群优化算法(PSO)的用户图形界面(GUI),即PSO-GUI,获得4个关键设计参数的组合;应用Visual C++编程计算优化前和优化后的锚拉桩桩身内力和变形,并与各自的桩身内力设计值和变形允许值进行比较。结果表明:在安全储备相同的条件下,两种参数组合设计的锚拉桩桩身内力和变形均在安全控制范围之内,但优化后设计的锚拉桩与优化前设计的相比,还能节省一定的工程造价,可取得较好的经济效益,且PSO的优化效果明显,也说明采用PSO对锚拉桩桩身进行优化设计具有可行性,为锚拉桩的优化设计提供了新的思路和借鉴。     

基于RS和GIS的峨眉山风景区生态风险评价

风景区的生态风险评价有助于指导其村镇建设、产业发展和实现绿色生态可持续发展.为探究峨眉山风景区生态风险分布和主要影响因素,在RS(Remote Sensing,遥感)和GIS(Geographic Information System,地理信息系统)技术支持下,以2015年土地覆盖数据为基础,结合DEM、遥感影像数据,从自然灾害和人类干扰两方面分析生态风险,依据生态风险度量原理,通过计算风险发生概率和生态易损性求得生态风险值,利用克里金插值法求得峨眉山风景区生态风险空间分布.结果表明:①峨眉山风景区综合生态风险值较小,主要受自然灾害影响,其贡献率高达89.9%;人类干扰带来的影响也不可忽视,贡献率为10.1%.自然灾害中,干旱、地质灾害对风景区的影响较大,贡献率分别为40.9%、49.3%.②峨眉山风景区综合生态风险呈条带状分布,越往东综合生态风险值越大,自然灾害风险空间分布与其基本一致.综合生态风险高风险区聚集在万年寺、清音阁、神水阁景区,景区东部黄湾乡旅游镇属于人文风险高风险区.研究显示,峨眉山风景区综合生态风险主要受到自然灾害影响,存在带状分异的空间规律.      

基于GIS的水环境非点源污染模型研究

非点源污染是水环境研究的重点和难点,利用模型对非点源污染进行研究是该项研究的重要内容之一.由于非点源污染具有广泛性、时空异质性和随机性的特点,用常规方法分析、评价、控制和管理有较大难度.随着地理信息系统(GIS)的发展以及非点源污染模型研究的不断深入,二者的结合已在该项研究中取得了一定成果.基于插件式GIS技术、RS技术、空间数据挖掘技术以及空间决策支持系统(SDSS)是非点源模型发展应用的趋势和方向.     

基于KH-SVM的鄱阳湖水质评价及变化趋势分析

为了提高水质评价结果的精度,更客观地反映水体环境的质量状况,针对支持向量机（support vector machine,SVM）性能易受模型参数的影响,提出了一种基于磷虾群算法（krill herd,KH）优化SVM的模型,将其与地表水环境质量标准相结合,选取5种代表性水质指标作为模型的输入,5类水质标准作为输出,建立了基于KH-SVM的水质评价模型,并利用该模型对鄱阳湖2013—2018年丰水期、平水期和枯水期的水质状况及变化趋势进行研究。结果表明:鄱阳湖北湖区水质基本维持在GB 3838—2002《地表水环境质量标准》Ⅲ—Ⅳ类,而南湖区水质各时期波动较大,其中丰水期多为Ⅱ类水,平、枯水期以Ⅴ类水为主,整体上2013—2018年鄱阳湖水质恶化趋势没有明显改善,水质级别仍处于非优类水平;构建的KH-SVM模型性能良好,与传统评价方法相比可以较好地实现水质综合评价,能够从整体上更准确、客观地反映水体质量状况。该研究成果可为区域地表水资源科学管理及水环境保护提供科学依据。     

基于GIS技术的广西岩溶地区石漠化监测分析

广西岩溶地区石漠化是喀斯特区地表出现类似荒漠景观的土地退化过程。本文针对广西岩溶地区5个典型县展开的石漠化专题性监测,其监测手段主要是通过历史监测数据与最新遥感影像,在ArcGIS10.1平台里进行图斑区划与解译,然后借助GIS的空间分析工具对新旧两套监测数据进行对比和重分类,最后以制作的统计分析报告和专题图件为成果输出。该监测方法可以定期掌握并获取石漠化状况与动态变化信息。     

基于优化算法的弹药贮存寿命预测方法

目的 实现对缺失及不足的制导弹药贮存失效数据预测及补充的能力。方法 首先通过4种不同的预测算法（GA-BP、PSO-BP、GA-SVM、PSO-SVM）,对自然贮存条件下弹药贮存失效数据进行预测,其次根据最小二乘拟合法,实现弹药贮存寿命评估模型的构建,再通过寿命评估模型,计算出不同方法下对应的贮存寿命。结果 通过不同模型的构建,4种预测方法与无优化条件下均能实现弹药贮存失效数据的预测,并且在规定可靠度,GA-BP和PSO-BP预测精度比另外2种方法更低。结论 GA-SVM与PSO-SVM更适合弹药贮存失效数据的预测,且效果更好。     

基于区间值直觉模糊集和云模型的FMEA风险评估方法

针对传统故障模式和影响分析(failure mode and effect analysis, FMEA)方法存在评价使用精确数量化造成专家风险评估信息的丢失、忽略风险指标之间的相对重要性以及由于专家有限理性导致的评价固有的随机性等问题,利用区间值直觉模糊集和云模型构建了一种改进的FMEA风险评估方法。首先,引入区间值直觉模糊集(IVIFS)来描述专家评价信息的复杂性和不确定性,通过运用区间值直觉模糊熵,计算专家权重和风险因子的权重;其次,采用云模型的方法,通过比较各支持云模型和反对云模型与正、负理想云模型的正、负相似度,获得故障模式评价值的综合相似度,通过对综合相似度大小排序得到各故障模式风险排序;最后,以自动扶梯的梯级、踏板和胶带风险评估为例进行分析,验证该评估方法的实用性和可行性。     

基于GIS的北京市机动车污染数据库的开发和应用

利用 GIS技术建立机动车污染数据库 ,能动态、直观地反映机动车污染的时空分布规律 ,为机动车污染控制研究提供强有力的工具 .本研究以 ArcView为主要的 GIS开发工具 ,通过属性数据和空间数据的链接 ,实现了北京市机动车污染数据库的地图化表现、动态查询、基本空间分析等功能 ,从而为机动车污染数据库提供了技术支持 .利用该系统 ,可以对北京市机动车污染物的排放、浓度和分担率的空间分布规律进行 GIS实例分析 .