基于IPOA的巨型组合框架结构震损快速预测模型研究∗

为实现巨型组合框架结构的地震损伤程度快速评估,提出了一种基于改进鹈鹕优化算法（IPOA）的多参数震损预测方法。设计了5 个不同参数的巨型组合框架结构模型,利用振动台试验和有限元软件进行非线性时程分析获取结构动态响应数据,并采用结构损伤指数量化评估结构的损伤程度。同时,引入K 均值聚类优化策略和惯性权重自适应优化策略改进传统的鹈鹕优化算法。基于振动台试验和有限元分析结果数据,比较了不同输入参数组合预测结构损伤的准确性,构建了能反映结构参数与结构损伤之间非线性关系的智能算法快速预测模型。最后,将模型预测结果与一缩尺比为1/15 的振动台试验模型结构损伤程度进行对比验证。结果表明：（1）改进鹈鹕优化算法模型的准确性和泛化能力均优于其他算法模型;（2）最大层间位移角与结构损伤相关性最高,增加影响结构损伤的输入参数可提高预测模型的准确度和泛化能力;（3）模型预测的结构损伤指数与试验结果相比误差均小于10%,预测结构损伤等级与试验结果一致,所提出的快速预测模型能高效准确地预测结构的损伤指标,为巨型组合框架结构震后损伤快速评估提供了一种新方法。     

基于用电数据的潍坊市工业污染源冬奥会管控效果评估

利用潍坊市安装用电监控的工业企业在冬奥会前和会中的生产用电数据及部分企业大气污染物排放在线监测数据,分析企业生产用电量和排放量的变化特征及潜在的相关性,评估管控措施落实状况及减排效果。结果表明：管控期间,潍坊市工业企业用电量相比管控前平均下降57.96%;完全停产类企业用电量下降75%以上,大气污染物（SO2、NOx、烟粉尘）排放量下降100%;限产类企业用电量降幅呈现随管控措施加严而增大的趋势;延迟复产类企业延迟复产率为47.83%～96.00%,用电量下降5076%。根据管控期间各行业企业的用电量变化状况,判定各企业基本落实了减排要求。可见,企业用电数据在一定情况下,可以替代或辅助工业企业排放数据,反映企业管控措施落实状况及减排效果。     

基于随机森林算法的滁州市空气质量预报研究

利用2017—2019年滁州市6种空气污染物质量浓度和AQI资料、气象要素及ECMWF数值预报作为输入参数,构建基于随机森林算法的污染物质量浓度和AQI预报模型,其中AQI预报按季节划分为4个模型。结果表明：6种污染物中O3的预报效果最好,相关系数为0.84,PM2.5、PM10和NO2相关系数分别为0.76、0.72和0.72,SO2和CO预报效果略差;基于分季节模型AQI的24 h预报结果TS评分为0.77,空报率（FAR）和漏报率（PO）分别为15%和12%,相较于非季节模型预报效果更好;春季和秋季的TS评分分别为0.88和0.86,相较于冬季和夏季预报效果更好。     

中国2030年碳排放强度减排潜力测算

中国正面临严峻的环境问题,2013年中国的CO2排放量超过了欧盟和美国的总和,同时中国的人均CO2排放置首次超过欧洲. 2015年在巴黎国际气候大会上中国政府宣布碳排放强度减排目标为:2030年单位国内生产总值CO2排放比2005年下降60％-65％.按照IPCC(2007) CO2排放核算方法计算的数据,近年来中国CO2排放情况总体呈排放量逐年上升但排放强度总体下降的态势.为了进一步估计中国2030年CO2排放强度,本文构建了IPAT模型,利用全国30个省1995-2012年数据进行拟合,并采用最小二乘法和萤火虫优化算法分别计算了IPAT模型的参数,发现与传统最小二乘法相比,萤火虫算法优化后的模型显示出更高的拟合优度和更低的误差,模型系数也更为合理.文章在萤火虫优化的IPAT模型基础上估算了中国2030年的CO2排放强度,实证结栗显示,第三产业的发展有利于降低CO2排放强度;2030年全国CO2排放强度比2005年下降了66.34％,其中有20个省份CO2排放强度减排幅度超过60％;中国能够实现在2015巴黎国际气候大会上提出的碳减排目标.为了进一步发展低碳经济,各省应该充分重视经济转型对减少CO2排放的作用,改善以煤炭为主的能源消费结构,增加生物能、太阳能、风能、沼气等可再生资源的使用比重.     

基于迭代退火算法的高压变频器功率单元频繁故障诊断方法研究

现有的变压器故障诊断方法较为复杂且计算冗余度较高,在高压变频器的功率单元频繁发生故障时难以高效地检测故障。为此,提出基于迭代退火算法的高压变频器功率单元频繁故障诊断方法。采用小波包分解方法提取高压变频器功率单元的电压信号特征熵,将该特征熵输入到支持向量机模型。使用迭代退火算法优化支持向量机的训练参数,并输出诊断结果。研究结果表明：该方法提取的高压变频器单元故障的平均冗余度最低至3.2%,平均诊断时间为15.1 ms,可实现高压变频器功率单元频繁故障的高效诊断。     

基于GASA-BP神经网络的煤层瓦斯含量预测方法研究

为提高煤层瓦斯含量预测的精准度和效率,提出1种利用遗传算法(GA)和模拟退火算法(SA)混合初始化BP神经网络(BPNN)的瓦斯含量预测新模型(GASA-BPNN模型)。利用灰色关联分析法(GRA)筛选瓦斯含量主控因素并作为GASA-BPNN预测模型的输入。为解决BPNN收敛速度慢和易陷入局部极小陷阱的问题,将GA和具有时变概率突跳性的SA整合为GASA算法协同初始化BPNN的权值和阈值,有效地提高BPNN的参数学习能力。将该模型应用于煤炭生产现场,结果表明：BPNN模型、GA-BPNN模型和GASA-BPNN模型瓦斯含量预测总平均相对误差分别为15.79%,9.03%,5.56%。相比BPNN模型和GA-BPNN模型,GASA-BPNN模型对样本的泛化能力更强,参数训练速度最快并且预测精准度最高。     

面向非均衡文本信息的企业生产安全氛围智能感知模型

现有企业生产安全氛围的主要描述载体是文本,但文本无法定量描述的特点是企业生产安全氛围分析面临的重要挑战。基于机器学习和自然语言处理技术处理企业生产安全氛围文本信息,着重从安全氛围主题辨识和安全氛围等级预测两方面,综合实现对企业生产安全氛围的智能感知。首先借鉴合成少数类过采样技术(SMOTE)算法思想,提出一种“类SMOTE”算法,用于解决非均衡文本数据问题;然后基于隐含狄利克雷分布(LDA主题模型)实现安全氛围主题辨识,得到文本主题词及相关权重;最后基于机器学习算法实现安全氛围等级预测。经过实例验证,提出的“类SMOTE+LDA+Bayes”组合模型,对于企业生产安全氛围智能感知效果较好。     

引信步进应力加速试验贮存寿命预测研究

目的 针对某机电引信加速寿命试验数据,采用传统统计分析方法存在计算量大、寿命预测精度难以保证的问题,开展与智能算法相结合的引信贮存寿命预测研究。方法 针对步进应力加速寿命试验数据,采用贝叶斯理论的环境因子法,对各级应力下的贮存时间进行折合计算。利用进化策略对粒子群算法进行改进,进而对所建立的BP神经网络预测模型的全局参数进行调整和优化,突破传统方法的局限。将折合后的试验时间、样本量、应力水平作为网络输入,失效数作为输出,来预测引信贮存寿命。结果 利用训练好的 BP神经网络预测引信在正常应力水平下的失效数,计算其贮存可靠度。在迭代402次后,模型找到最优解,且预测误差在1%以内。结论 步进应力加速寿命试验与智能算法相结合的方法计算过程简单,预测精度较高,可有效提高引信贮存寿命的预测精度。     

基于随机搜索优化XGBoost的瓦斯涌出量预测模型*

为防治瓦斯灾害,解决井下瓦斯涌出量在预测过程中因影响因素繁多带来的精度较低问题,提出1种基于套索(Lasso)回归与随机搜索优化极限梯度提升(XGBoost)的模型进行瓦斯涌出量预测。以沈阳某煤矿综采面瓦斯涌出量历史数据为例,综合考虑影响瓦斯涌出量的影响因素。首先利用Lasso回归提取对瓦斯涌出量有重要影响的特征数据,作为预测输入;采用随机搜索算法对XGBoost模型4种主要参数进行寻优,选取最优参建立预测模型获得预测指标并分析比较其他模型。研究结果表明:Lasso回归筛选出的影响因素结合随机搜索获得的最优参数组合优化XGBoost比其他模型预测精度更高,平均相对误差为1.53%,均方根误差为0.140 3 m3/min,希尔不等系数为0.013 2,研究结果可为现场瓦斯管理提供参考依据。     

基于CAN总线和K均值聚类方法的火灾预警系统研究

针对传统的火灾预警系统中存在的灵敏度低、误报率高的特点,将多种传感器信息智能处理技术和CAN总线技术应用到火灾预警系统中,提出了一种用K均值聚类算法将多传感器数据进行聚类融合后分级,通过CAN总线传输到火灾预警控制中心,实现对安全生产中重点防火区域进行实时监控。实验测试表明该系统具有传输数据可靠、实时性强、可扩展,漏报率达0.7%以下,误报率达1.8%以下,较传统相比,下降了50%以上。