基于图神经网络聚类的土壤监测点位优化

在土壤污染的监测过程中,由于需要大面积的监测点位布设,所以需要大量的人力和物力,同时原有的土壤监测点位存在冗余和代表率低的问题,对监测结果的准确性和全面性产生了影响。使用一种基于自编码器降维和图卷积网络（GCN）推理的土壤点位优化方法,通过将原有监测点位聚类成不同簇,来实现用尽量少的监测点位全面地表现区域污染情况的目的。使用GCN推理结合自编码器降维的土壤点位优化方法,该方法同时利用土壤监测点位数据的结构信息和高维特征表示,将监测点位聚类成不同簇。通过对相关性进行分析,发现聚类后的簇中心点位可以作为原始簇的代表,从而降低土壤监测点位的冗余性,实现了监测点位的优化。实验证明GCN方法可以有效地减少监测点位的数量,同时保持监测结果的准确性和全面性。     

阳宗海湖滨湿地环境因素对沉积物砷赋存形态的影响及浓度水平预测

湖滨湿地独特的水文条件区别于其他生态系统,环境因素变化频繁,对沉积物中污染物形态影响显著.以阳宗海南岸湖滨湿地表层沉积物为研究对象,探究不同季节的S-TAs（沉积物中总砷）、不同形态砷质量分数及环境因素时空分布特征,以及环境因素与不同形态砷分布的关系,同时基于逐步回归和BP神经网络模型对沉积物中4种不同形态砷（弱酸提取态砷、可还原态砷、可氧化态砷、残渣态砷）质量分数进行预测和比较.结果表明:①夏季ρ（W-TAs）（W-TAs为水体总砷）、w（S-TAs）（S-TAs为沉积物总砷）略高,且ρ（W-TAs）处于GB 3838-2002《地表水环境质量标准》Ⅲ级限值（0.05 mg/L）和Ⅴ类限值（0.1 mg/L）之间,冬季物理指标pH、ρ（DO）、E_h（氧化还原电位）、电导率（TDS）、w（OM）均较高,沉积物pH（记为S-pH）、ρ（DO）与E_h存在明显的季节性差异（P < 0.05）.②湖滨湿地沉积物中活性砷（弱酸提取态砷、可还原态砷、可氧化态砷）质量分数之和所占比例为17.70%~62.59%,80%采样点的活性砷的质量分数较低,对生态风险影响较小,S-pH、ρ（DO）、E_h对不同形态砷的质量分数影响显著（P < 0.05）,同时,不同季节湖滨湿地对砷均有明显的拦截作用.③与逐步回归模型相比,BP神经网络预测模型是通过输入层到输出层的计算完成,增强了非线性、自适应性处理能力,不同砷形态质量分数的实测值与预测值的拟合度高达0.999 5,而逐步回归仅为0.374 9,神经网络更准确地预测了不同形态砷的质量分数及时空变化规律.研究显示,湖滨湿地环境因素的变化对沉积物砷赋存形态具有显著影响,因BP神经网络比数理统计线性回归模型更能准确地反映沉积物不同形态砷与环境因子间复杂的非线性关系,预测效果更精确.      

t分布受控遗传算法优化BP神经网络的PM2.5质量浓度预测

根据齐齐哈尔大学监测点2014年3—5月PM2?5质量浓度及其对应的每小时的气象因素、气体污染物浓度,建立基于t分布受控遗传算法的BP神经网络模型（ BPM?TCG）,对PM2?5质量浓度进行模拟预测。并将其与BP神经网络模型、遗传算法优化BP神经网络模型（ BP?GA）进行对比分析。3种模型预测结果表明：BPM?TCG模型预测精度最高,泛化能力最好。 BPM?TCG模型对PM2?5质量浓度的准确预测为预防和控制PM2?5提供依据。     

基于IPSO-BP模型的火灾气体传感器气压补偿算法

为完善飞机火灾检测系统,设计一套方案,模拟试验不同气压下CO、CO2气体传感器采集气体的体积分数值,并与理论值比较,进而提出一种根据粒子适应度值动态调整学习因子的粒子群算法.采用改进的粒子群(IPSO)算法寻找反向传播(BP)神经网络的最优初始权值阈值,再利用寻优后的BP神经网络修正CO、CO2气体传感器的检测结果,消...     

基于EEG的夜班矿工疲劳检测北大核心CSCD

为了研究煤矿中夜班工人的疲劳状况和疲劳检测方法,通过对夜班矿工脑电和行为指标进行分析,建立BP神经网络模型预测矿工疲劳程度。选择15名夜班矿工作为被试,通过脑电图(EEG)测量其夜班前后执行Oddball任务时的脑电信号,通过快速傅里叶变换提取脑电特征值(α+θ)/β、(α+θ)/(α+β)、θ/β和α/β,收集认知任务期间的准确性和反应时间,作为疲劳检测指标建立BP神经网络模型,对夜班矿工的疲劳等级进行预测。对夜班前后矿工脑电信号中所有通道的特征值进行配对t检验,共得到6个显著通道的特征值,与反应时间、准确率等建立BP神经网络模型,总体检测准确度为89.685%。该模型对检测夜班矿工的疲劳程度具有较高准确性,可为矿工疲劳干预措施和检测装备的研发提供技术手段和理论基础。     

基于神经网络的热动力学建模与绝热诱导期预测北大核心CSCD

准确的热动力学模型是研究物质热分解机理与放热过程的前提。提出了一种基于组合神经网络的热动力学建模方法,构建了2个神经网络模型,分别用于较低转化率及其他转化率下建模,以转化率、温度作为神经网络的输入,放热速率的对数作为神经网络的输出。在此基础上,采用迭代计算法获取绝热诱导期(TMR_(ad));将该模型用于20%二叔丁基过氧化物的甲苯溶液和具有复杂放热过程的芳香重氮液的热分解过程。结果表明:所建立的组合神经网络模型拟合效果较好,与机理模型获得的TMR_(ad)结果较为接近;20%二叔丁基过氧化物甲苯溶液的T_(D24)(TMR_(ad)为24 h的温度)分别为85.4℃和87.6℃,芳香重氮液的T分别为50.4℃和49.4℃。     

基于神经网络模型的校园楼梯间踩踏事故预警研究

校园楼梯间作为踩踏事故的主要发生场所,该场所踩踏事故预警研究具有重要的现实意义。本文利用校园楼梯间事故案例分析踩踏的影响因素,结合多维度因素,建立BP神经网络模型,计算踩踏事故发生的可能性,以达到有效预警的目的。本文随机选取4所样本校验证预警模型的准确性,结果表明：准确率达到90%以上,验证本研究有效,可为有效预警预防校园楼梯间踩踏事故提供参考依据。     

BP神经网络及其在城市环境工程地质研究中的应用

分析了神经网络理论在地学研究中的应用现状 ,研究了 BP神经网络在城市环境工程地质研究中的基本原理、方法与步骤 ,并以烟台市为例 ,探讨了 BP神经网络在城市工程地质环境质量评价中应用技术     

应用BP神经网络进行隧道围岩快速分级

在隧道施工过程中,为准确、及时地进行围岩快速分级,引入BP神经网络方法,通过制定快速分级参数标准,对已经开挖的隧道工作面按照隧道围岩分级规范进行分级,并测量其快速分级参数,将围岩分级的结果与其对应的快速分级参数建立BP神经网络的训练集合,从而得到围岩分级模型。最后测量正在开挖隧道工作面的快速分级参数,并提供给模型进行判别,从而达到快速、精确分级目的。通过某隧道围岩样品实例验证,该模型判断结果与实际施工情况吻合,可用于指导施工阶段的隧道围岩快速分级。     

黄昏时段驾驶员对红绿色障碍物空间距离判识差异

为研究黄昏时段不同颜色引起驾驶员空间距离判识差异的变化规律,选用32名驾驶员,在黄昏环境照度变化的实际道路中,对不同深度距离下红、绿色障碍物的空间绝对距离和相对距离进行判识.比较人在三维空间中对红、绿色障碍物距离判识结果,获得判识距离差异特征值.对所获得的试验结果,运用BP神经网络模拟距离判识差异随照度和深度距离不同而变化的规律.结果表明:在三维空间,红、绿色障碍物黄昏时段距离判识差异显著,绿色障碍物判识距离大于红色,BP网络可以很好地拟合距离判识差异变化规律;随着外界环境照度的下降,红、绿颜色引起的距离判识值差异均增大,其中绝对距离差异增加明显;随着空间深度方向距离增加,判识差异也增大,其中相对距离判识差异增加量较绝对距离小.