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.     

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.     

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。     

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。     

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.     

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。     

基于混合遗传算法的模拟电路自动设计研究

模拟电路在电子系统设计中具有重要意义．模拟电路设计包括电路拓扑结构设计和元件值设计，这两个方面对计算机辅助模拟电路设计都很重要．但是，传统的遗传算法在不断进化电路元件值时效率低．因此，本文提出一种具有超突变和精英策略的混合遗传算法HME-GA．该方法不仅可以用来设计电路的拓扑结构，而且可用于设计电路的元件值．实验结果表明，HEM-GA算法优于简单遗传算法GA，可作为计算机辅助模拟电路设计的有效方法，在模拟电路自动化设计中具有非常重要的意义和巨大的应用潜力．     

水质模型参数优化的遗传算法实现及控制参数分析

参数识别是数学模型应用的前提.遗传算法是一种通用的全局优化算法,结构简单.一个实际应用问题能否利用遗传算法解决,关键在于遗传算法的设计和控制参数的选取.本文结合水质模型参数优化的特点,提出采用正交试验设计的方法来考察遗传算法不同控制参数对参数优化性能的影响,结果显示,正交法较好地识别了关键影响因素,并提出可能的最优方案.表明遗传算法能较好地应用于复杂多参数水质模型的参数识别研究.     

改进型量子遗传算法应用于区域水资源可持续利用评价

提出了一种对多项指标都能普遍适用的区域水资源可持续利用评价模型,将实数编码混沌量子遗传算法应用于区域水资源可持续利用评价模型中参数的优化,并用优化好的模型对区域水资源可持续利用做出评价。通过对中国12个区域实测数据的评价实例研究及与其它评价方法得到的结果进行对比,表明该模型具有实用性和可行性。     

应用遗传算法建立云杉针叶表面PCDD/Fs光解半衰期的预测模型

采用量子化学PM3算法计算PCDD/Fs的量子化学参数,应用遗传算法(Genetic Algorithm, GA)对所建模型中的变量进行筛选,建立了能预测吸附到云杉[Picea abies (L.) Karst.]针叶表面的PCDD/Fs光解半衰期(t_1/2)的定量结构-性质关系(QSPR)模型,认为影响PCDD/Fs光解速率的主要因素是分子最高占据轨道能(E_HOMO)、前线分子轨道能量差(E_LUMO-E_HOMO)和平均极化率(α).随着EHOMO和α的增大;其lg t_1/2值增大,PCDD/Fs的lg t_1/2值与其(E_LUMO-E_HOMO)值呈抛物线关系,当E_LUMO-E_HOMO＝7.847时,lg t_1/2有最小值;当E_LUMO-E_HOMO≤7.847时,lg t_1/2值随着E_LUMO-E_HOMO的增大而减小;当E_LUMO-E_HOMO≥7.847时,lg t_1/2值随着E_LUMO-E_HOMO的增大而增大.