基于免疫遗传算法的化工过程微小差别异常诊断

化工过程中同一类型的异常往往也存在微小差别,将不同程度的同一类型异常进行有效识别和归属,掌握同一类型异常的多样化情况,对于化工过程安全监控有重要意义。设计了一种基于人工免疫和遗传思想的微小差别异常诊断方法,并以一个典型的精馏过程Chem CAD仿真模型进行同类型不同程度的阀门异常模式设置,获取正常情况和各异常情况下的样本数据,然后利用所提出的诊断方法计算不同程度异常对其异常类型的隶属概率。结果表明,同一阀门不同开度异常尽管会导致过程监控参数的变化,但该微小差别异常诊断方法却能对其进行有效归属,且归属准确度经启发式算法多次运行后可达98%以上。最后进一步运用TE过程中具有微小差异输出结果的4种异常模式进行了验证试验,结果表明,该方法也可以在较少的异常数据基础上完成对异常模式的准确归属。     

基于函数cot(xα)变换的傅立叶级数在大坝变形数据分析中的应用

针对波动性大、规律性和平稳性均较差的大坝变形监测数据,采用事先设定变形曲线建模会因设定不当而出现拟合预测误差较大的问题。提出一种基于函数cot(x~α)变换的傅立叶级数逼近建模方法,利用该建模方法建立的大坝变形预测模型具有很强的数据适应能力和外推能力,只需少量级数项就能达到理想的预测效果,对于其中的模型系数及相关参数可采用遗传算法来估算。工程实例应用结果表明:基于函数cot(x~α)变换的傅立叶级数逼近建模方法所建立的大坝变形预测模型的预测精度高,且建模方法简单、程序容易实现,可应用于工程实践。     

BP模型的改进及其在大气污染预报中的应用

针对传统BP模型存在着训练速度较慢、局部极值以及最佳网络结构无法准确确定的不足，进行了改进，应用于城市空气污染预报，建立大气污染浓度的神经网络预测模型。计算结果表明，应用改进的BP模型进行大气污染预报能够得到更好的预测结果，具有很强的实用性。     

Cleaner production for continuous digester processes based on hybrid Pareto genetic altorithm

Pulping production process produces a large amount of wastewater and pollutant emitted ,which has become one of the main pollution sources in pulp and paper industry.To solve this problem,it is necessary to implement cleaner production by using modeling and optimization technology.This paper studies the modeling and multi-objective genetic algorithms for continuous digester process.First,model is established, in which environmental pollution and saving energy factors are considered.Then hybrid genetic algorithm based on Pareto stratum-niche count is designed for finding near-Pareto or Pareto optimal solutions in the problem and a new genetic evaluation and selection mechanism is proposed.Finally using the real data from a pulp mill shows the results of computer simulation.Through comparing with the practical curve of digester, this method can reduce the pollutant effectively and increase the profit while keeping the pulp quality unchanged.     

基于粗集、遗传神经网络的环境质量评价

基于粗集、遗传神经网络的环境质量评价方法利用粗集对属性的归约功能将数据库中的数据进行归约，并将归约后的数据作为训练数据提供给BP神经网络；再用遗传算法和BP算法相结合的混合算法来训练网络预测模型的结构（在得到最优网络结构的同时也得到网络的最优权值和阈值）。通过实例表明该方法是有效的，为环境质量评价提供了一种新的研究思路和分析方法。     

大气颗粒物污染源的遗传算法解析模型

遗传算法是一种处理模型参数优化估计的通用方法。在构造了以大气颗粒物污染源的源系数作为参数的优化准则目标函数情况下，应用遗传算法优化模型参数，得到各污染源对于大气颗粒物的贡献率。将遗传算法用于重庆市春、夏、冬三季大气颗粒物的源解析结构与用化学质量平衡法的源解析结果进行了比较，两种源解析法获得的４种主要尘源在３个对大气颗粒物的贡献率大小排序基本一致。该方法用于大气颗粒物源解析简单、快速、方便、实用。     

A genetic algorithm based stochastic programming model for air quality management

This paper presents a model that can aid planners in defining the total allowable pollutant discharge in the planning region,accounting for the dynamic and stochastic character of meteorological conditions.This is accomplished by integrating Monte Carlo simulation and using genetic algorithm to solve the model.The model is demonstrated by using a realistic air urban-scale SO2 control problem in the Yuxi City of China.To evaluate effectiveness of the model,results of the approach are shown to compare with those of the linear deterministic procedures. This paper also provides a valuable insight into how air quality targets should be made when the air pollutant will not threat the residents‘ health.Finally,a discussion of the areas for further research are briefly delineated.     

酚类分子结构和纳滤膜特性对截留率的影响规律

选择21种酚类化合物作为模型污染物,分别测定了三种不同纳滤膜对酚类化合物的截留率.结果表明,酚类化合物截留率受到取代基位置、种类和膜特性的影响.对NF270膜和NF膜而言,截留率从大到小的次序为邻位>间位>对位,而NF90膜的截留率为邻位>对位;供电子取代基有增大截留率的趋势,吸电子取代基有减小截留率的趋势;孔径小、荷电量大的纳滤膜截留率更大.通过基于遗传算法的偏最小二乘回归法(GA-PLS),建立了纳滤膜对酚类化合物截留率的定量构效关系模型,通过分析回归方程,可以看出酚类化合物的pKa值对截留率影响最大,影响较大的还有偶极矩等参数.     

遗传神经网络在煤层自燃预测中的应用

煤层开采自燃危险性程度与许多影响因素之间存在着复杂的非线性关系，利用人工神经网络技术和人工生命学中的遗传算法，建立了预测模型，不但很好地解决了该问题，同时也大大提高了运算速度。     

基于相异路径的危险品运输车辆调度

为有效降低多车同时运输危险品时的潜在风险,针对危险品运输网络中2点间相异路径上多车运输问题,提出车辆安全出发时间间隔计算方法,通过路径选择和车辆调配,建立相异路径上多车同时运输车辆调度数学模型,并设计基于非支配排序遗传算法(NSGA-II)的多目标优化算法求解。以8个节点13条边的危险品运输网络中运输10车危险品为例,根据所提方法获得单次运输风险约束条件的运输方案13种,运输总风险约束条件下运输方案15种,对比不同风险约束下的运输风险、运输距离和运输时间。结果表明：相比于运输总风险约束,单次运输风险约束更严格,适合道路管理者筛选安全的运输路径,而运输总风险约束适合承运企业在车辆调度时作出决策。