不同优化模型在餐厨垃圾厌氧消化中的应用与比较

采用正交试验设计,响应面设计以及基于BP神经网络的遗传算法模型,对餐厨垃圾厌氧消化产沼气的操作参数进行优化,并比较分析这3种模型的优化效果。结果表明,采用正交试验设计模型,当接种比、含固率、初始pH分别为3、8%和9时,沼气产量最大,实际产量为1 015 mL/gTS,并且这3个因素对产气量的影响顺序为接种比>初始pH>含固率;采用响应面设计模型,当接种比、含固率、初始pH分别为2.42、8.62%和8.49时,最大沼气产量为1 049.85 mL/gTS,实际产量为1 029.5 mL/gTS,接种比对产气量的影响极其显著;采用基于BP神经网络的遗传算法模型,当接种比、含固率、初始p H分别为2.66、8.06%和8.87时最大产气量的预测值和实测值分别为1 085.8 mL/gTS和1 067.25 mL/gTS,实测值分别比正交设计模型和响应面设计模型的实测值提高5.15%和3.67%,表明在餐厨垃圾厌氧消化产沼气参数优化实验中,采用基于BP神经网络的遗传算法具有更高的准确度。     

基于Landsat 8劈窗算法的地表温度空间响应关系研究:以于田绿洲为例

该研究选取于田绿洲为研究区,运用遥感技术,采用能表示地表能量的指标——地表温度来研究绿洲能量,分析和探讨新疆于田绿洲热环境空间分布特征。具体研究内容:(1)将Landsat 8数据作为本研究的数据源,运用热红外遥感技术,收集并结合研究区气象数据计算关键参数:亮度温度、大气透过率、地表比辐射率,最后采用劈窗算法反演地表温度;(2)计算研究区植被覆盖度,并分析植被覆盖度与地表温度间相互关系,结果表明植被覆盖与地表温度具有较强的负相关性,R~2=0.979 2;(3)通过空间叠加分析研究区的地表温度与土地利用类型,得出研究区地表温度呈现出沿绿洲中心逐渐向四周增高的环状分布,地表温度均值从低到高依次为水体(18.02℃)、耕地(24.23℃)、林草地(26.3℃)、盐渍地(35.34℃)、其他(37.87℃)、沙漠(39.64℃)。     

城镇污水处理服务费定价研究

合理的污水处理定价是污水处理服务费科学拨付的重要保证。由于信息的不对称性,目前污水处理服务费经常不够真实合理。故以广东省35座采用A~2/O及其变形工艺的城镇污水处理厂为对象,分别运用成本费用函数模型和神经网络模型进行成本拟合,建立城镇污水处理服务费定价模型,以期为广东省城镇污水处理服务费定价提供指导。结果显示,神经网络模型拟合精度整体高于成本费用函数模型,两种模型均可用来确定污水处理服务费价格。     

基于遗传神经网络的除湿机故障诊断与寿命预测

目的识别除湿机的性能状态和预测吸附剂的剩余寿命。方法针对除湿机故障过程缓变的特点,提出一种基于数据驱动的遗传神经网络模型。首先,为解决设备失效程度划分模糊的问题,由5个热力参数组成反映吸附剂劣化程度的特征向量,关联分析得到除湿机的5类故障模式。其次,利用遗传神经网络建立状态参数和故障模式的映射关系。最后,对表征设备吸附能力的主参数进行外推预测。结果训练好的诊断网络可准确地识别出设备的劣化程度及其演变过程,预测网络的预测精度非常高。结论该方法可有效地实现对除湿机的故障诊断与预测。。     

电晕放电辐射信号的特征提取和模式识别方法研究

目的研究电晕放电辐射信号的特征提取和模式识别方法。方法在分析信号特征提取方法的基础上,对实测的电晕放电辐射信号特征提取,利用概率神经网络开展电晕放电辐射信号目标识别,检验特征提取的有效性。结果以奇异值作为输入特征量的PNN在整体上效果更优,稳定性好,对两类不同放电辐射信号的正确识别率均可达到80%以上,并且当输入特征量个数达到10个时,对实测样本的正确识别率均达到了最高值。电晕放电的正确识别率为96.7%,火花放电的正确识别率为93.3%。结论该方法能基本满足实际放电信号的识别应用。     

基于T-S模糊神经网络的大沽河水质变化特征分析研究

基于T-S模糊神经网络,利用大沽河2010年-2015年水质监测数据,选取溶解氧、化学需氧量、高锰酸盐指数、氨氮、总氮、总磷对水质具有重要影响的6项指标,建立适用的水质评价模型,对大沽河水质变化特征进行分析.结果显示:上游水质评价结果明显优于中游、下游水质评价结果,网络评价水质等级变化趋势同真实指标数据变化趋势一致.验证结果充分表明了T-S模糊神经网络用于水质变化特征分析是可行、有效的.     

ABC算法优化SVR的磨损故障预测模型

目的为了提高故障预测的精度,针对支持向量回归SVR(Support vector machine for regression,SVR)参数选择困难的问题,提出一种采用人工蜂群(artificial bee colony,ABC)算法优化支持向量回归(SVR)的故障预测模型(ABC-SVR)。方法该模型先对样本数据进行重构,然后将故障预测误差(适应度)作为优化目标,通过ABC算法寻优找到最优的SVR参数,建立故障预测模型。最后通过实例仿真验证模型的优越性。结果采用ABC算法优化的SVR故障预测模型进行时间序列预测,能够较好地跟踪发动机滑油金属元素浓度的变化过程,并且能够提前2个取样时间预测异常情况的出现。结论 ABC-SVR模型有效解决了SVR参数选择难题,能够更加准确地表现故障变化规律,提高了故障预测精度。     

基于不变矩理论的腐蚀等级评定方法研究

基于腐蚀图像包含大量腐蚀信息的客观现实,将数字图像技术和不变矩理论应用于腐蚀图像预处理和特征提取,用腐蚀图像的7个不变矩特征值来描述腐蚀形貌特征,利用概率神经网络模式识别技术,建立了以不变矩为特征参数的概率神经网络模式识别模型,实现了金属材料腐蚀等级的评定。以铝合金材料在EXCO溶液中加速腐蚀等级评定为例,分析表明,不变矩作为一种高度浓缩的图像特征,能够表示腐蚀形貌与腐蚀特征的映射关系,该方法简单易行,识别率可达到87.95%,满足工程应用要求。     

基于BP神经网络的煤层自燃预测

在全面分析影响煤层自燃因素的基础上,建立了煤层自燃预测的人工神经网络模型.应用该模型对某煤田的多个煤层样本进行了训练和预测,网络经过10次训练后,误差达到设定的最小值,6次预测测试中最大误差仅为0.027 8,最小的为0.000 1.研究表明,该模型精度较高,可用于预测煤层自燃的实际应用.     

基于BP神经网络的上市公司CEO报酬实证研究

近年来的研究表明,CEO报酬不仅受公司业绩的影响,还受到其他诸多因素的影响,而且,CEO报酬与其决定因素之间往往存在着非线性关系。本文以2003-2005年沪深股市的A股上市公司为样本,采用BP神经网络对CEO总报酬、CEO年薪、CEO持股价值及其决定因素分别进行训练和学习,结果表明：（1）网络训练输出值与实际值的拟合度分别达到91.09%、97.23%和78.44%;（2）网络的预测能力相对于传统的线性回归模型分别提高了92.72%、92.08%和53.89%。因此,本文认为在分析和确定CEO报酬水平时引入神经网络模型是可行的。