基于KPCA-APSO-ELM的矿井涌水水源识别

矿井水害问题长期困扰着煤矿的安全生产,查明矿井涌水水源是矿井水害防治问题的前提。为提高矿井涌水水源的识别精度,提出了一种基于KPCA-APSO-ELM的矿井涌水水源判别模型。以袁二矿为例,在分析主要含水层地下水水化学特征的基础上,选取7种水化学离子作为判别指标。随后利用KPCA提取主要指标作为模型识别的判别因子,并通过APSO对ELM模型进行参数寻优。以63组样本数据中70%作为训练样本、30%作为预测样本进行仿真试验建立KPCA-APSO-ELM模型,并将识别结果与PCA-Logistic、KPCA-ELM和PSO-ELM模型进行比较。结果表明：KPCA算法可以有效消除指标间的冗余信息,基于KPCA-APSO-ELM模型的预测精度相对较高;与其他模型相比,该模型的均方误差和平均绝对百分比误差显著降低。     

基于改进XGBoost算法的船舶事故风险与类型预测

为科学合理地对船舶进行安全管理,就船舶安全问题的特点,建立带有海洋气象特征的事故数据集。针对数据类别不均衡问题,在比较多种机器学习算法后,用具有代价敏感的损失函数改进XGBoost算法求解。结果表明：改进后的模型AUC值和预测正确率有了明显提高,可达0.708 5和81.51%。相比于其他方法,模型的可解释更高,能更好地揭示风险因素与船舶风险之间的交互关系。最后,对提取到的载重吨、航行海域和船员数等重要风险因素进行偏依赖关系分析,针对性地提出管理意见并通过实例加以说明,为航运公司及海事局等相关组织提供决策参考。     

基于k-Means算法的生活垃圾焚烧设施烟气二恶英防控

为深入探究生活垃圾焚烧设施二恶英的防控方法,采用k-Means算法对华南某生活垃圾焚烧发电厂焚烧设施的运行状态和不同炉内状态下二恶英排放特征及控制机理进行研究。结果表明,该厂3台焚烧炉具有显著不同的运行状态(类别1和2)(p<0.05),在不同状态下,其常规污染物及二恶英排放特征差异显著(p<0.05),类别1炉内状态较差,其排放的CO质量浓度是类别2状态下的2倍,二恶英的质量浓度是类别2状态下的1.5倍。类别1和类别2状态下二恶英的主导生成机理分别为“前驱物合成反应”和“从头合成反应”。为降低二恶英的排放,该厂首先应保证烟气流量大于10.5×10⁴ m³·h^-1 (均值11.8×10⁴ m³·h^-1),其余参数最优范围为：烟气含氧量大于7.0%(均值8.6%)、CO质量浓度低于9.0 mg·m^-3 (均值3.5 mg·m^-3)、烟气湿度小于23.7%(均值21.3%)、烟气温度为140～154℃(均...     

人工神经网络用于大气环境质量评价与排序

本文应用于人工神经网络Ｂ－Ｐ算法，建立了大气环境质量Ｂ－Ｐ网络评价模型，该模型应用于实例评价和环境质量排序结果与灰色综合评价法评价结果相比较，表明Ｂ－Ｐ网络法用于大气环境质量评价合理，客观，并具有可比性。     

开拓农业非点源污染调控研究新视角——评《基于仿生算法的农业非点源污染系统动态模拟研究》

正该书以农业非点源污染为主线,首先分析了农业非点源污染的成因、现状、危害及防治技术体系,全面系统梳理了国内外非点源污染研究模型,并指出当前非点源污染研究中存在的问题,提出了以统一大系统的观点对非点源污染进行研究。随着农业非点源污染所占比重的增加和严重性的呈现,国内环保部门开始重视这一污染问题,同时,学术界也把农业非点源污染问题作为研究的热点。由中国环境出版社出版的《基于仿生算法的农业非点源污染系统动态模拟研究》一书,是郭鸿鹏教授经过几年来坚持不懈     

BP神经网络组合预测在城市生活垃圾产量预测中应用

文章分析了组合预测理论,在建立由二次指数平滑预测模型、灰色预测模型、BP神经网络预测模型组成的组合预测模型库的基础上,利用以上三种单一预测模型的组合构成BP神经网络组合预测模型。分别应用单一预测模型和组合预测模型对湖南省城市生活垃圾产生量进行预测,通过分析和比较预测结果,验证了该组合预测方法的有效性。     

西安市对渭河水质的影响分析

根据渭河西安段各代表断面的水质监测结果和该流域不同代表年径流量,通过平均浓度法计算各污染物负荷量,得出渭河干流以点源污染为主,支流非点源污染较干流严重.基于2009～2011年实测污染物浓度数据,由物料衡算法计算得到咸阳至临潼断面间西安地区对渭河干流的污染物输入量,分析西安段各项污染负荷占下游监测断面临潼的比例,量化西安对渭河水质所造成的影响程度.计算结果显示,渭河临潼断面污染负荷主要来自于咸阳断面上游,TN、COD及NH4+-N输出入量均占下游断面的40%以上.其次来源于西安地区,除TP占下游断面53%外,其余污染物占30%以上,且西安地区非点源污染比其上、下游断面严重,点源负荷约占总负荷63%.     

基于改进的PSO优化LSSVM参数的松花江哈尔滨段悬浮物的遥感反演

悬浮物是松花江水质和水环境评价的重要参数之一.利用在松花江哈尔滨段江面上29个采样点的实测高光谱和悬浮物浓度数据,用20个采样点数据为训练集,9个采样点数据为测试集.将机器学习和全局优化智能计算方法引入,应用改进的粒子群(PSO)优化最小二乘支持向量机(LSSVM)参数,以均方根误差RMSE为适应度函数,根据迭代得到LSSVM最优参数值,用700 nm和750 nm光谱反射率比值(R700/R750)为特征变量,悬浮物数据为目标变量,用训练集数据训练得到反演模型,使用测试集数据进行验证.结果表明,此模型收敛速度快,精度高,得到预测值的均方根误差RMSE为10.11 mg·L-1,平均绝对百分误差MAPE为10.72%,模型决定系数R2为0.952,该方法可用来对其它水质参数反演预测提供参照.     

基于FY-4A卫星数据反演气溶胶光学厚度及分析应用

风云四号A星（FY-4A）是我国新一代静止气象卫星,多通道扫描成像辐射计（AGRI）是风云四号静止气象卫星的主要载荷之一.为探究FY4A数据用于气溶胶光学厚度（AOD）反演的可行性,基于FY-4A/AGRI数据,利用暗像元算法对2019年2月23~26日及10月27~30日京津冀地区AOD进行反演研究,并与AERONET地基观测AOD数据进行了对比分析.结果表明,基于FY-4A数据及构建响应函数库,通过暗像元方法能较好的反演出京津冀地区气溶胶空间分布;AOD主要的高值区体现在京津冀中南部地区并向周边郊区逐渐降低,在AOD值较大时此特征较为明显;将反演值与同期AERONET地基观测数据对比验证,相关系数达到0.869,均方根误差为0.221,表明AOD反演值与观测值吻合较好,FY-4A卫星数据反演AOD具有一定可行性.     

浅谈水土流失遥感定量模型及其因子算法

基于地理信息系统的遥感定量调查法是近年来新出现的水土流失调查方法 ,其核心部分就在于水土流失定量评价模型及其各参数的算式算法。本文主要介绍了几种主要的水土流失遥感定量评价模型的构成 ,并对其中USLE系列模型的因子的算式、算法进行了汇编。