热电池失效分析及等效加速贮存试验技术

目的 建立基于实测环境载荷的热电池等效加速贮存试验技术,掌握其在环境载荷作用下的性能退化规律。方法 在分析热电池组成和所受环境载荷情况的基础上,分析热电池的主要失效模式,设计基于实测环境数据的等效加速贮存试验,开展热电池等效加速贮存试验,分析热电池性能和热图像的变化情况,利用粒子滤波算法对电池剩余电容量进行预测。结果 随加速循环次数（时间）的增加,热电池的电容量下降。热图像表明,热电池经过等效加速贮存试验后,其放电过程表面温度要高于初始放电表面温度。粒子滤波算法能够有效模拟电容量的退化过程,电池剩余电容量预测结果与试验结果误差在10%以内。结论 等效加速贮存试验得到了热电池的性能退化规律,从而为热电池的贮存试验提供一种解决方案。     

基于链式多重插补的WOA-ELM煤与瓦斯突出预测模型

为了提高缺失数据下煤与瓦斯突出预测准确率,提出1种基于链式支持向量机多重插补(MICE＿SVM)的鲸鱼优化算法(WOA)-极限学习机(ELM)预测模型,以淮南朱集矿区为例,选取5个煤与瓦斯突出影响指标作为模型特征,采用提出的MICE＿SVM算法插补突出事故数据中缺失值,利用WOA优选ELM输入层权值及隐含层阈值,构建煤与瓦斯突出预测模型,将插补后数据用于WOA-ELM模型的训练与测试,并与其他模型的预测效果对比。研究结果表明：MICE＿SVM插补前、后的有突出数据预测准确率分别为83.02%,90.41%,MICE＿SVM显著提高了有突出预测准确率,对无突出和整体的预测准确率提高不明显;数据插补后WOA优化ELM对无突出、有突出和整体的预测准确率分别为97.94%,96.25%,96.48%,较优化前分别提高了5.79%,5.84%,5.55%,数据插补后WOA-ELM为最佳预测模型。     

城市景观格局时空特征的热环境效应研究——以广州市花都区为例

1999-2009 年,广州市花都区经历了经济腾飞的10 a,不断变迁的城市景观格局时刻影响着热环境的分布.论文基于Landsat TM/ETM+遥感数据,获得地温反演图和土地利用类型图.采用均值-标准差法划分热力等级以分析热力重心变化,并与建设用地重心变化作对比.通过移动窗口得出可视化的景观指数,指数刻画包括景观多样性和建设用地密度、形状和分布状况,进而分析景观指数与地温间的相关性.研究结果表明:区内南部受人类活动影响最为剧烈;土地利用类型并非是影响地温分布的唯一因素;区内城市景观格局多样性与地温虽存在正相关关系,但随着多样性程度加剧且各组合面积比例均匀,降低了两者相关程度;建设用地面积比例、分离度与地温的相关关系较为稳定,且比例较高或分离度较低的所在区域通常为高温区;建设用地平均分维指数与地温的相关性随着其形状的复杂性加剧和分布范围扩大而降低,即影响了高温形成的程度.     

基于数据挖掘算法和数值模拟技术的大气污染减排效果评估

近年来,京津冀地区采取了大量污染减排措施进行大气污染治理,如何客观评估减排效果是目前大气环境领域的研究难点.为准确评估大气污染过程的减排效果,本文利用北京地区常规气象资料、国控站PM_(2.5)浓度资料,遴选了北京地区2018年3月11—14日和2013年3月14—17日两次空气污染过程,计算了大气容量系数、静稳指数,并利用KNN数据挖掘算法和WRF-Chem模式,对比分析了有无减排条件下的PM_(2.5)日均浓度.结果表明:两次空气污染过程的天气形势和局地气象条件较相似,就大气热力和动力的垂直结构来看,2018年空气污染过程比2013年空气污染过程的大气稳定性更强、边界层高度更低、环境容量更小,但PM_(2.5)峰值浓度却显著下降,平均浓度明显降低,PM_(2.5)小时浓度的增长趋势相对平缓,重污染持续时间缩短.KNN数据挖掘算法减排评估结果显示,该方法能够较好地预测PM_(2.5)日均浓度的变化趋势,2018年3月11—14日,在减排和不减排情景下PM_(2.5)日均值分别为171和229μg·m~(-3),减排使得污染过程PM_(2.5)平均浓度下降了25.3%.数值模拟结果与KNN数据分析结论吻合,进一步验证了减排措施的有效性.综合看来,2018年空气污染过程中PM_(2.5)浓度相比历史相似气象条件下的污染过程显著降低,这是长期大力度减排效果的体现.     

基于SA-ELM的爆破震动速度预测

针对爆破震动速度与其影响因素之间的复杂非线性,结合模拟退火算法(SA)的全局寻优性,提出了一种新的SA-ELM算法.以矿山周边建筑物爆破震动实测数据作为训练样本,选取总药量、最大段药量、测点与爆破点距离、地面震动特性、建筑物震动特性等8个影响因素作为输入变量,建立了爆破震动速度预测的SA-ELM模型.模型训练值和预测值与实测值的均方误差(MSE)分别为0.20和3.26,平均相对误差控制在5％以内,显示出该模型具有良好的训练精度和泛化能力.对比传统ELM模型,SA-ELM模型不但提高了精度和泛化能力,而且降低了隐层节点数变化对训练结果的影响,提高了模型的稳定性.     

PSO-RBF耦合神经网络在水质评价中的应用

径向基函数神经网络(RBF)中,连接输出单元的权重是影响径向基函数神经网络学习精度的主要参数,采用粒子群算法(PSO)对模型参数(权值)进行优化,建立了PSO-RBF耦合神经网络模型,避免权重的人为设定,具有客观性。并在Matlab环境下编程计算,构建了用于地下水环境质量评价和海水富营养化评价的径向基函数网络评价模型。将模型应用于黑龙洞泉域5个地下水监测点和某海水富营养化评价。评价结果和其他方法的评价结果一致,与实际情况符合,评级结果是合理的。评价结果表明,RBF网络简便有效,收敛速度快,有较强的分辨能力,优化确定模型参数后,便可对评价样本进行评价,具有较好的实用性和通用性。     

自适应人工鱼群-BP神经网络算法在径流预测中的应用

为了提高水库和河流中长期径流预测精度,提出了弹性自适应人工鱼群算法(RAAFSA)。应用RAAFSA算法训练BP神经网络,实现BP神经网络参数优化,形成弹性自适应人工鱼群-BP神经网络混合算法(RAAFSA-BP),对石泉水库进行中长期径流预测。仿真计算表明,弹性自适应人工鱼群优化的BP神经网络算法收敛速度快于BP神经网络算法、人工鱼群-BP神经网络算法和RBF神经网络算法。该混合算法克服了BP神经网络和人工鱼群算法易陷于局部极值、搜索质量差和精度不高的缺点,改善了BP神经网络的泛化能力,输出稳定性好,预报精度显著提高,每次预测相对误差绝对值都小于6%,合格率达到100%。该算法成功地解决了石泉水库中长期径流预测精度不高的难题,可有效用于水库和河川中长期径流预测。     

静止水色卫星GOCI及其应用进展

海洋水色遥感技术是新兴的探测技术,能够通过遥感平台上搭载的探测器对海表水色信息进行探测进而获取海洋信息。随着极地轨道卫星发展逐渐成熟,地球静止卫星也进入了发展阶段,开启了水色遥感技术的新时期。本文基于地球同步卫星的优势特点,着重总结了第一颗地球静止水色卫星GOCI(geostationary ocean color imager)的主要参数信息及标准水色算法,同时对各算法的应用范围、计算公式及各方法的联系进行了简要的介绍,并针对其实际应用进行了讨论,验证了GOCI数据的实用性,最后指出了GOCI在目前研究过程中存在的问题,并对第二代地球同步遥感器进行简要论述,以期为海洋探测研究提供更多的技术支持。     

基于DHGF算法的建筑火灾风险评价

将改进的Delphi法、层次分析法、灰色关联法、模糊评判法运用在建筑火灾安全系统评价的不同阶段,依据灰色理论和模糊数学,提出了一种从定性到定量转换的综合集成算法,即DHGF算法,在介绍该方法基本原理和评价流程的基础上,运用实例阐述了它在建筑火灾风险评价中的具体应用。     

环境模型参数识别与不确定性分析

在对水文模型实例的参数不确定性分析基础上,分别采用传统灵敏度分析方法、HSY算法、线性回归等方法对模型参数特性进行了识别与比较研究.结果表明参数优化算法与传统灵敏度分析方法不能解释模型结构复杂性特征,采用不确定性分析方法对环境模型参数进行识别提供了深入分析与理解模型系统的有效途径.