上海市夏季高架道路边颗粒物垂直分布研究

为研究夏季高架路边颗粒物浓度的垂直分布规律,以上海市南北高架交叉处路边垂直区域为研究对象,通过Fluke 985粒子计数器采集颗粒物数量浓度数据。分析了6种直径范围颗粒物(0.3~0.49μm、0.5~0.99μm、1~1.99μm、2~4.99μm、5~9.99μm、≥10μm)在高架路垂直区域的分布规律,并结合微观尺度下的交通、气象、高度等数据建立了逐步回归和SVM神经网络预测模型。结果表明:在高架路边的垂直方向上,随高度增加,6种颗粒物浓度整体呈现下降的趋势;0.3~0.49μm、0.5~0.99μm、1~1.99μm三种颗粒物浓度受高架桥带来的"盖子效应"影响,在距离地面约21 m高的7楼达到最大值;总体上早高峰颗粒物浓度大于晚高峰,工作日颗粒物浓度高于非工作日;SVM神经网络模型比线性逐步回归模型能更好地预测高架路边颗粒物的垂直分布规律,可作为上海市夏季非降水天气高架桥面附近颗粒物浓度预测的方法。     

走滑断层作用下X80管道设计应变规律和神经网络预测

走滑断层是埋地管道常见的地质灾害威胁,断层作用下管道会发生较大的拉压应变而失效。为得到X80管道的设计应变,基于有限元方法建立了走滑断层作用下管道的应变响应数值计算模型,模型使用壳单元模拟管道,非线性弹簧单元模拟土壤约束,采用西二线实际工程的管道应变影响参数范围,计算了管道的设计应变;为预测管道的设计应变值,基于以上参数化分析得到的4 817组设计应变结果,采用人工神经网络建立了管道设计应变预测模型。结果表明:该神经网络模型预测结果的最大相对误差小于10%,预测准确性良好,且该方法具有较高的计算效率,可以为断层作用下埋地管道的应变设计与评估提供参考。     

基于改进粒子群算法和元胞自动机的城市扩张模拟——以南京为例

为合理利用多智能体算法解决城市扩张动态模拟问题,基于地理学理论和社会学规律对粒子群算法进行有针对性的改进,提出分段式粒子群算法(SPSO),并结合元胞自动机模拟复杂时空过程的能力,构建出适用于城市扩张模拟的地理元胞自动机SPSO-CA。在SPSO-CA中我们利用多时像的土地利用数据、交通路网数据和地形数据,挖掘出1995~2000年南京城市扩张的土地转换规则。再由此规则实现1995~2008年的南京市城市扩张过程的动态模拟。最后对比SPSO-CA、PSOCA及NULL模型结果得:SPSO-CA总精度86.3%,Kappa系数为0.792,Moran’s I为0.078,PSO-CA总精度83.6%,Kappa系数为0.755,Moran’s I为0.054,NULL模型总精度81.9%,Kappa系数为0.741,真实的Moran’s I为0.072。这表明无论是总精度还是空间一致性,SPSO-CA都优于PSO-CA和NULL模型,即用SPSO-CA模拟城市扩张是可行的。     

采用支持向量机算法优化电化学处理油田污水的工艺参数

采用支持向量机(SVM)算法,将Box-Behnken设计法与支持向量回归算法(SVR)实验参数优化软件相结合,优化电化学去除油田污水COD的工艺参数。通过量子粒子群算法对SVM算法参数进行优化,从建立的回归模型中找到工艺参数的全局最佳点:电解时间60 min,电解电流3 A,三维电极填充料中石英砂质量695 g。模型得到的COD理论最优去除率为92.48%,验证实验得到的COD去除率为91.43%。     

近10 a武汉市城市热岛效应演变及其#br# 与土地利用变化的关系

城市化进程的加快,农村人口大量涌入城市,城市布局及局部气候改变等因素使得城市热岛效应问题日益突出,已成为当前城市环境研究热点之一。以武汉市为例,应用遥感技术与地理信息系统技术,选取2004~2015年5个时相Landsat系列影像数据,利用单窗算法反演地表温度,并以此为基础进行热岛强度分级,获取了近10 a武汉市城市热岛效应变化结果,并分析了武汉市11个辖区城市热岛效应动态变化特征及热岛效应与土地利用变化的关系。研究结果表明：（1）自2007年后,武汉市老城区热岛面积持续减少,而新城区热岛面积则持续增加,呈现出以老城区为中心向新城区扩张的趋势,至2015年,新老城区热岛面积仅相差20.74 km2;（2）东西湖区、蔡甸区、江夏区与洪山区是近些年城市热岛面积增长较为显著的辖区,其中江夏区的热岛面积年际变化最大,最高值达95.42 km2;（3）城市热岛效应与土地利用类型的面积年际平均值拟合关系显示,2004~2015年,城市热岛效应与建筑用地的R2值最大,为0.681 2,建筑用地面积的增加是城市热岛强度面积扩张的重要影响因素。     

神经网络在低压脱扣装置选择上的应用

低压脱扣装置应用于环境复杂的场合, 选型不当易使得电力事故频发,不利于电力系统的可靠运行。通过分析影响低压脱扣选择的因素,利用Back Propagation神经网络进行建模,提出了一种低压脱扣装置自动选择预测方法,结果表明:该方法在准确性与可重复性.上与传统方法相比具有较大优势,在工程应用中有一定的参考作用。     

基于支持向量机的地下水质量综合评价

提出基于支持向量机(SVM)机器学习算法的地下水质量评价模型。首先给出了训练样本生成和数据规范化处理的具体方法,然后采用支持向量机的多分类算法构建模型,并使用k折交叉核实方法对参数进行验证优化。最后通过实证分析,并与单因子指数法、模糊综合评价法和BP神经网络法的评价结果对比分析可知,该方法简便易行,评价结果客观且准确度较高,具有很强的实用性。     

土地利用规划中建设用地预测方法比较

为探索提高建设用地预测精度和预测方法比较,该文运用多元线性回归模型、GM(1,1)模型和BP神经网络模型对晋城市建设用地进行预测,预测结果说明三种模型的平均相对误差和预测精度均存在一定差异。研究表明:建设用地预测中应结合数据本身的特点和数据收集的难易程度选择不同模型;多角度多方法进行预测比较,可得到预测精度较高的预测结果;对于建设用地预测方法比较,可以从模型本质特性、数据采用形式和数据获取难易程度等7个方面进行综合比较。该研究为科学选择建设用地预测方法、探索预测方法比较提供一种思路,为土地利用规划修编和土地资源可持续利用提供科学依据。     

基于BP神经网络的多壁碳纳米管复合CdS-TiO_2光催化剂优化合成研究

基于CdS-TiO2/多壁碳纳米管(MWCNTs)光催化剂降解甲苯的正交实验数据,采用反向传播(BP)神经网络训练并建立了光催化剂合成条件设计的神经网络模型。以正交实验确定的4个主要影响因素作为输入层参数,以甲苯降解率作为输出层参数,将全部实验数据分为训练样本集和预测样本集。运行网络,系统误差为0.000 724,网络预测值与实验数据值相关系数达到0.989,说明该网络具有较好的训练精度及泛化能力。并利用训练好的神经网络预测得到CdS-TiO2/MWCNTs光催化剂的最佳合成条件:焙烧温度为460℃,MWCNTs复合量为1.5%(质量分数),活性组元摩尔比(TiO2/CdS)=80∶1,水加入量为12%(体积分数)。     

基于智能优化算法的河流水质模型参数的优化简

为探索河流水质模型参数新的求解方法,根据有限的实测数据,分别应用免疫进化优化算法和免疫进化优选的捕食搜索算法,对河流水质模型计算公式中的多参数进行优化。将优化得到的计算公式用于国内外若干河流的河段中DO浓度值的拟合,并与实测结果进行了比较。结果表明,将免疫进化优化算法或免疫进化优选的捕食搜索算法优化得到的水质模型参数精度不仅较高,而且相对稳定,从而为河流水质模型参数的优化提供了一种新方法。