基于证据理论的煤矿瓦斯涌出组合预测

为提高煤矿瓦斯涌出量预测的准确度,引入证据理论组合预测方法。根据瓦斯涌出量及其主要影响因素间的实验数据,采用3个不同的粒子群神经网络模型对涌出量进行初步预测。并由BP、RBF网络对预测误差及预测点的影响因素进行分析建模,以获取每个模型的可信度。再利用证据理论对其进行合成,确定组合模型的权值,最终实现对瓦斯涌出量的组合预测。实例结果表明,该组合预测方法的平均绝对误差、均方误差分别为18.5%、5.8%,均小于神经网络组合法及等权平均法的相应预测误差,适用于煤矿瓦斯涌出量预测。     

煤层透气性系数的优化和简化计算方法

煤层透气性系数是用以考察保护层开采效果和设计瓦斯抽采系统的重要参数之一,钻孔径向流量法是求取该系数最常用的算法。利用理论推导和图形分析方法,探讨流量准数、时间准数、煤层透气性系数与参数A,B间的关系。在此基础上,针对科研工作和现场管理的实际情况,提出求解透气性系数的2种新算法及其算法流程,并对时间准数-参数A,B函数关系中的间断点问题进行讨论和分析,解决此区间内求解透气性系数相应计算公式等问题。理论和实例分析表明:算法1在不更改最终计算公式和结果的前提下,省去了繁琐的试算过程,既保证了可靠性也优化了计算流程;算法2以稍减精度的代价对计算流程进行进一步的简化,其结果仍有较高精度。     

基于GIS的城区危险品运输可视化管控系统研究

通过对城区危险品运输管理现状的分析,针对城区危险品道路运输监管过程中存在的沟通信息不畅、权责不明等实际情况,融合城区公共安全联动机制的系统设计理念,基于GIS技术开发了由路径分析选择、应急救援管理、危险货物管理、危险源管理、车辆管理、信息显示及查询、地理信息和系统总控等模块构成的城区道路危险品运输可视化管控系统。首先,基于需求分析及开发目的,给出了系统总体结构框架,阐述了各模块的实施过程及效果;然后,建立了由空间数据与属性数据构成的GIS数据库,并将运输风险最小、费用最低作为路径优化的选线标准;最后,基于角改进的Dijsktra算法,实现系统路径的分析与选择。     

基于BP神经网络算法的北京市地铁站应急疏散能力仿真评估模型

地铁站的应急疏散能力是地下铁道安全运营设计中非常重要的部分,对于维持社会稳定,保障人民安全具有重大意义.本文利用BP神经网络计算方法和MATLAB软件,选取可能影响地铁站疏散能力的相关因素作为评价指标,建立了应急疏散指标体系,并以北京北三环区域周边地铁站作为主要研究对象,对北京市地铁站应急疏散能力进行了仿真评估,提出了增加疏散通道、疏散楼梯、安全出口等数量,以提高地铁站应急疏散能力等一些可供参考的建议.     

车牌识别在智能交通中的应用与发展趋势

车辆号牌是对车辆身份识别的标记,它的特殊性和重要性决定了车牌识别系统成为城市智能交通管理系统中不可或缺的重要组成部分。作为现代交通管理手段的重要一环,车牌识别经过多年的发展,已不再是单一的识别车牌,而是朝着更广泛的应用领域、更多的功能方向发展,为自动化的智能交通管理提供了高效、实用的手段。本文将对车牌识别的发展以及其在智能交通中的应用与发展趋势作些介绍。     

固废填埋场地土壤-地下水的砷污染反应运移模拟与源强识别

污染场地土壤-地下水系统中污染组分源强的精准识别是实现地下水污染高效治理与有效防控的根本前提.针对某固废填埋场地1号、3号地块地下水As(Ⅲ)浓度出现高值异常,采用统计相关分析方法分析了地下水中As(Ⅲ)与其他检出特征组分的相关关系,确定了As(Ⅲ)与PO₄^3-之间的竞争吸附反应是地下水中As(Ⅲ)污染的主要原因;随后采用表面络合模型(SCM)模拟竞争吸附反应,并建立了基于TOUGHREACT的场地土壤-地下水系统As(Ⅲ)污染组分反应运移模型;最后利用粒子群优化(PSO)算法构建了污染地块As(Ⅲ)污染的源强识别的模拟优化模型.结果显示:(1)固废中存在的磷酸盐能解释污染地块土壤不同深度As(Ⅲ)含量较背景值偏高的现象;(2)构建的土壤-地下水系统As(Ⅲ)运移模型可较好地模拟As(Ⅲ)与PO₄^3-竞争吸附反应;(3)优化识别出1号和3号地块的As(Ⅲ)污染源强分别为187.25μg·L^-1和192.49μg·L^-1.研究表明,基于PSO算法的模拟优化模...     

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...     

公路隧道火灾发生位置与人群疏散通道仿真研究

利用EXODUS建立隧道的仿真场景,确定疏散人群仿真参数,并将出口工效OPS作为评价疏散效率的指标,分析不同火灾发生位置对疏散时间的影响。采用K-means算法分别对火灾发生位置和人群疏散通道位置进行聚类,并建立基于两者影响下的出口工效模型,通过对该模型求偏导,得出隧道火灾发生位置和人群疏散通道选择之间的关系。研究结果表明:火灾发生位置越接近人行横通道,疏散时间波动越大,人行横通道和隧道入口的疏散时间随人群疏散区域分界线变化,当火灾发生距人行横通道20~110 m时,变化明显,当距140~350 m时,变化平稳;出口工效OPS总体呈现不稳定的阶梯状变化趋势;火灾发生位置和人群疏散通道的最优位置呈线性递减关系。研究结果可应用于隧道应急指挥中心管理人员制定有效疏散路径和采取诱导分流人群措施。     

Hough变换在PCB在线检测系统的应用

在印刷电路板(PCB)视觉检测系统中,图象边缘提取的质量和对瑕疵图象边缘的快速而准确的识别是达到实时检测的关键因素,Hough变换是一种应用非常广泛的图像边缘检测技术,运用快速的Hough变换方法,来完成PCB检测的圆心定位和半径测定,并通过针时PCB在线检测的具体应用情况加以改进并应用,实验分析表明,该算法在PCB在线检测的可行性和优越性.图5,参5.