基于主成分和粒子群优化支持向量机的水质评价模型

水质的评价是治理水污染必不可少的工作。为了准确、快速地对水质进行评价,利用主成分分析法从水质监测常见的多个物化指标提取出主成分,然后将主成分作为支持向量分类机的输入,利用历史数据进行水质评价训练并用粒子群算法优化参数,构造出水质评价模型,将从物化指标中得出的主成分代入此模型即可得到水质类别。最后,选取水质监测点实测数据进行试验,结果表明,模型的水质评价结果准确且稳定。     

基于人工蜂群算法与BP神经网络的水质评价模型

针对BP网络水质评价模型的不足,引入人工蜂群(ABC)算法,将求解BP神经网络各层权值、阀值的过程转化为蜜蜂寻找最佳蜜源的过程,提出了一种新的结合人工蜂群算法的BP网络水质评价方法(ABC-BP)。并以2000—2006年渭河监测断面的10组实测数据作为测试样本对其水质进行了评价,实验结果表明该方法得到的水质评价结果准确,并具有很强的稳定性和鲁棒性。     

基于Monte-Carlo方法的静电除尘器除尘效率

针对经典除尘效率未考虑诸多随机因素影响的问题,提出了基于Monte-Carlo方法的效率分析模型,并通过实验数据验证其可靠性。通过该模型分析了粒径大小、电场气流速度、电晕电压、两极间距、粒子浓度等因素对收尘效率的影响规律,结果表明:基于Monte-Carlo方法的仿真结果精度更高,能有效预测静电除尘器的收尘效率,对于改进静电除尘器设计具有一定的理论意义和实用价值。     

神经网络方法在地表高程预测中的应用研究

从地表高程预测的研究现状出发,基于Matlab神经网络工具箱构建了广义回归神经网络(GRNN),建立了能够预测地表高程的神经网络预测模型,并与反距离加权法(IDW)的预测结果进行了比较分析。结果表明,GRNN方法计算简单,在相同的样本数据条件下,GRNN的预测精度较高,表明神经网络方法在地表高程预测中的应用是可行的。     

ABR处理硫酸盐有机废水的BP神经网络建模

通过厌氧折流板反应器(ABR)处理硫酸盐有机废水的实验数据对BP神经网络进行训练,建立了ABR处理硫酸盐有机废水的BPNN模型,通过测试对比,找出了较优训练函数为traingda,较优训练次数为1 900.利用分割连接权值法(PCW)对影响出水SO42-和COD的主要因素进行分析,结果显示进水COD、SO42-、pH、COD/SO42-和HRT对出水SO42-和COD均产生一定影响,其中进水pH对出水SO42-和COD的影响最大,相对重要性(RI)指数分别为30.79％和23.44％;并通过样本试验数据分别建立了对SO42-和COD去除率的限制因子仿真模型,为预测硫酸盐有机废水的厌氧处理过程提供指导.     

大坝下游定点区域溶解氧饱和度预测

大坝通过坝身泄流时,巨大的洪水卷吸空气中的大量气体直泻到下游河床,造成下游河道特别是近坝区域气体含量过饱和,给下游水生生物带来不利影响,其中鱼类气泡病就是水体气体过饱和造成的典型病症。为探明大坝泄流对坝下河道溶解氧饱和度的影响,以三峡 葛洲坝区域坝下近坝区定点区域的溶解氧实测资料为基础,建立溶解氧饱和度的BP网络预测模型,对大坝不同运行工况进行下游溶解氧饱和度的预测仿真计算,并将仿真预测值与实测及数值模拟结果进行比较分析。结果得出BP网络模型能很好地逼近坝下近坝区指定区域的溶解氧饱和度,可根据大坝运行工况对下游水体溶解氧饱和度进行快速预测,为有效控制坝下水体溶解氧饱和度提供借鉴     

密相塔半干法烟气脱硫塔内加湿降温及其对脱硫效率的影响

为了实现密相塔半干法脱硫工艺的精确加湿进一步提高系统脱硫效率,利用推导出的传热传质计算方法,得到烟气温度降低和加水量的关系.结合3组密相塔半干法工程实际数据,发现理论计算值和实测值误差区间仅为2.9％ ～5.4％.通过选取河北某钢厂210 m2烧结烟气密相塔半干法脱硫项目实际在线检测数据,发现循环脱硫灰含湿量为3％的系统脱硫效率整体高于含湿量为5％和4％的样品,最大值达93.56％.通过粒度分析、扫描电镜、X射线衍射及差热-热重对2种不同含湿量的循环脱硫灰进行表征,结果表明,含湿量为3％的循环脱硫灰较含湿量为5％的样品粒径小、比表面积大,无团聚现象,物相分析还证实相对于含湿量为5％样品,其Ca(OH)2和结晶水含量少,几乎都是CaSO4和CaS03干态物质,因此脱硫反应进行彻底,脱硫效率较高.     

基于分布型电力系统的 PSO 优化设计

优化了传统粒子群算法,运用了混沌算法对粒子做初始化,优化了传统粒子群算法的收敛特性,并在算法的优化过程中,增加了混沌干扰元素对整体最优化极值做混沌干扰,将符合杂交几率的优化粒子做杂交处理,提高了粒子群的种类,增强了粒子群算法的搜寻水平。并通过IEEE33节点的分布型电力系统做无功优化仿真验证,通过比较,验证了优化算法的优越性与准确性。     

南通地区冰后期泥沙沉积量和环境变化的初步研究

南通地区位于长江三角洲北翼,其冰后期的环境变化以最大海侵时期为界,之前为海侵期,表现为海水入侵,陆地面积减少。之后海面趋于稳定,长江泥沙在河口地区持续沉积的作用下,表现为南通地区的逐渐成陆过程。利用收集的84个分布于南通地区及附近的钻孔剖面资料,将其按不同厚度的沉积相进行整理,结合前人研究成果,根据不同的数据基础运用IDW（Inverse Distance Weighted）插值对南通地区冰后期沉积厚度分布和环境变化过程分别进行了初步研究。结果表明：南通地区古河谷区是冰后期主要的泥沙沉积区,沉积物厚度、体积和重量大于北翼地区,北翼前缘沉积要大于后缘。冰后期古河谷区沉积泥沙4 8922×108 t,北翼地区沉积泥沙1 0453×108 t,二者之比约为47〖DK〗∶10,泥沙沉积强度之比约2〖DK〗∶1。从冰后期海侵初期到最大海侵时期,再到南通成陆的晚期,南通地区水域面积比例先由622%上升到95%,再缩减到331%,陆地面积比例先由378%缩减到5%,而后又上升至669%。尽管钻孔资料可以为南通地区有历史记载之前的时期提供宏观的环境变化框架,但由于钻孔资料在测年数据及沉积相的划分方面分辨率较低,在表现南通地区历史时期的环境变化方面存在不足,需要结合考古、文物等历史资料和土壤分布等自然地理信息进行更为详细的研究     

基于ARIMA和BP神经网络组合模型的我国碳排放强度预测

预测我国碳排放强度的长期变动趋势, 对国家进行宏观经济管理和节能减排工作具有重要的参考价值。运用深入分析自回归移动平均模型和神经网络的特性,并在此基础上建立ARIMA模型和BP神经网络组合模型,将碳排放强度的时间序列的数据结构分解为线性和非线性残差部分,对我国碳排放强度的变化趋势进行了综合分析与预测。结果显示:今后10 a我国碳排放强度总体是逐步下降的,但到2020年我国碳排放强度仅比2005年下降34%,比我国政府提出碳排放强度下降40%~45%的目标还有一定的差距。因此,要在2020年实现我国碳排放强度目标,必须要调整宏观经济政策,采取各种政策措施以实现目标