染料废水催化氧化的神经网络法预测

采用催化氧化法治理酸度较大,难以生物降解的染料生产废水行之有效。利用变生长ＢＰ人工神经网络方法对某蒽醌系列分散染料生产废水的催化氧化处理效果建立了数学模型,成功应用于不同条件下的预处理效果进行的行预测。     

水质评价中模糊-集对分析法的改进

针对水环境的不确定性和模糊性,基于集对分析法和模糊理论相结合的评价模型已被广泛运用到水质评价当中。传统的评价模型在确定水质等级的复合算法中虽引入了权值的概念,但仍会出现指标浓度重复计算、信息丢失和指标权值的影响得不到体现等缺陷,具有局限性。针对这些缺陷,将基于加权后的内梅罗指数法思想应用于传统模糊-集对分析法中的复合算法上,考虑到加权内梅罗指数法兼顾极值的特性及计权性,通过取平均值和极值替代累加的方法来实现减小指标浓度重复计算的影响,同时加强复合算法中权值所占比重使得权值的作用得到充分体现。实验表明,改进的复合算法使得评价结果更为精确、客观。     

车辆大数据研判系统 大数据时代“打防控”利器

一、行业发展趋势随着社会及技术的发展,犯罪与反犯罪的较量更多、更集中地体现在科技手段的运用上,斗争的主动权更多、更集中地建立在对情报信息的掌握上。目前公安部对于重点人员已经形成了成熟的部、省、市三级的情报预警平台以及丰富的技战法,但是考虑到所有发生的案件中有50%左右都是涉车涉驾的案件(如图1所示),因此对于车辆的防控需要思考以下两个问题:(1)如何对社会上的高危车辆进行有效的预警防控?优化警力部署,进行有针对性的车辆排查?(治安事前防控)     

累积绝对速度CAV和峰值加速度PGA联合报警在高铁地震监测预警中的应用

美国电力研究所EPRI在1991年通过研究认为累积绝对速度CAV对低频震动敏感而对高频震动不敏感,能很好避免没有破坏性的高频小震报警。简要介绍CAV的概念和标准化算法,并以汶川地震及部分余震数据为例,分析高铁采用CAV参数报警的可行性,结果表明高铁地震监测预警中CAV参数可能会对破坏性小的远震大震报警,但CAV参数和峰值加速度PGA参数联合报警能有效地排除近震小震和远震大震对高铁地震报警的干扰。     

基于FOA-SVM方法的长江中游悬浮物浓度遥感反演研究

遥感反演是监测水体表层悬浮物浓度分布的有效手段之一。然而,常用的经验回归模型是建立在大样本的理论假设之上的,而大多数情况下所获取的样本数实际上是十分有限的,因而有必要引入基于小样本的新的反演模型。支持向量机(SVM)建立在结构风险最小原理和VC维理论基础上,其泛化能力强,适用于小样本回归模型。使用HJ1B卫星CCD2遥感影像结合长江中游实地同步采样数据建立悬浮物浓度SVM遥感反演模型,并采用果蝇优化算法(FOA)对模型参数进行了优化。结果表明,与传统经验回归模型相比,SVM模型具有较高的预报精度和稳定性;在SVM模型的参数优化中,FOA算法效果理想,其计算量也远小于网格搜索算法。最后,使用所建立的SVM模型对长江中游城陵矶附近长江和洞庭湖水体悬浮物浓度进行了反演,并对其空间分布特征进行了分析。结果显示,长江干流的悬浮泥沙浓度总体上明显小于洞庭湖,这主要是三峡工程下泄泥沙大幅减少造成的;洞庭湖浑浊的湖水汇入长江后,在城陵矶下游形成明显的混合带;而洞庭湖湖口悬浮物浓度明显高于其他湖区,这可能是该区域采砂活动的强烈扰动引起的。     

湿法脱硫液柱空塔流场数值模拟

利用Fluent软件对一种脱硫塔顺流、逆流及混流喷淋的液柱塔空塔的流场进行三维数值模拟。在计算中选择κ-ε模型作为计算模型。用SIMPLE算法进行计算。计算结果表明，液柱塔形状对流场有很大的影响，此结果对现场运行以及液柱塔的优化设计有一定的指导作用。     

尾矿坝位移分级预警阈值研究及规律分析

针对尾矿坝在线监测重建设、轻利用的现状,基于尾矿坝位移在线监测时间序列,通过多步逆向云变换算法(Multi-step Backward Cloud Transformation Algorithm Based on Sampling with Replacement, MBCT-SR)改进云模型,根据“3E_n原则”和内外包络曲线确定在线监测位移的正常运行值,从而建立尾矿坝位移分级预警阈值模型,并利用某尾矿坝全球导航卫星(Global Navigation Satellite System, GNSS)技术表面位移在线监测数据进行实例验证。结果表明：该尾矿坝水平方向位移的黄、橙、红预警阈值分别为8.41 mm/d、12.94 mm/d、19.41 mm/d,呈现出坝体中间预警阈值最大、并由中间向两侧减小的空间变化规律;尾矿坝垂直方向位移的黄、橙、红预警阈值分别为16.56 mm/d、25.48 mm/d、38.22 mm/d,且随着子坝的堆积,预警阈值逐渐增大。     

低照技术在安防行业的发展应用及展望

随着人工智能技术的不断发展,基于对目标特征、行为态势的分析需求越来越多,各种深度学习算法、人工神经网络技术被广泛应用于安防行业的图像识别和模式匹配上,比如人脸识别、车辆特征提取、视频全结构化分析等。然而可有效应用于AI分析的基础信息都来源于终端设备采集来的视频图像数据,因此,"更高清"的视频图像自然成为安防行业长久以来一直不容忽视且需要在此领域不断深耕的研究命题。     

一种链式存储方式下的排序算法——串链法

介绍了一种数据在链式存储方式下的排序方法,其最佳时间复杂度为O(n),最坏时间复杂度为O (n2),空间复杂度为O(1)。     

基于GA/PSO-BP神经网络的石家庄VOCs环境浓度预测模型研究

为了提升挥发性有机物(Volatile Organic Components, VOCs)的预测精度,在反向传播(Back-Propagation, BP)网络结构的基础上使用优化算法分别为遗传算法(Genetic Algorithms, GA)优化BP神经网络(GA-BP)和粒子群算法(Particle Swarm Optimization, PSO)优化BP神经网络(PSO-BP)对VOCs质量浓度进行预测。首先,对污染物及气象因子进行筛选。采用相关性分析法及逐步回归法进行分析筛选,并筛选出合适的输入变量。其次,建立BP神经网络结构。利用BP、GA-BP、PSO-BP神经网络,以石家庄市2022年夏季污染数据为样本对VOCs质量浓度进行预测。结果显示,经相关性分析及逐步回归法筛选,将PM_2.5质量浓度、O₃质量浓度、NO₂质量浓度、温度、相对湿度作为输入变量。经预测结果对比,PSO-BP神经网络模型的预测精度较高,烷烃、烯烃、芳香烃和含氧烃实测值与预测值之间的拟合程度(R²)分别为0.80、0....