基于BP神经网络方法的引滦入津工程黎河段水质预测研究

根据引滦入津工程黎河段前毛庄断面水质监测数据,采用BP神经网络与非线性时间序列相结合的方法,建立BP网络非线性时间序列水质模型.应用该模型对氯化物和氨氮水质指标进行预测.结果表明,模型预测精度较好.通过预测结果验证了模型的可靠性.与机理性模型相比,提出了该模型的应用条件及优缺点.     

BP神经网络在流溪河水库径流量预测中的应用

流溪河水库是广州市的主要饮用水源地,所属地区降雨量年际变化大,不利于水资源的优化配置。对流溪河水库径流量进行预测研究,可为其水资源的优化配置提供科学依据。目前人工神经网络(ANN)技术在水文序列模拟预测中有较多的应用,本文根据流溪河水库1959~2000年水文数据,利用BP神经网络对径流量进行预测,从模型检验结果看,所建模型有较好的拟合效果和预测精度,说明神经网络在预测径流量方面有良好的实用性。     

基于GM-SVR的小样本条件下化工设备可靠性预测

为了准确预测化工设备可靠性趋势，针对化工设备失效寿命数据为小样本的情形，基于灰色估计法与支持向量回归机在小样本数据处理中的优势，建立了失效寿命时间服从三参数威布尔分布的化工设备可靠性模型；结合GM（1，1）和SVR对模型进行参数估计，在压缩机可靠性分析中进行了实例应用，对比分析了最小二乘法、灰色估计法和GM-SVR的估计效果。研究结果表明:GM-SVR对威布尔分布参数的估计精度明显优于最小二乘法和灰色估计法，可以有效地应用于化工设备失效数据为小样本时的可靠性预测。     

基于主导因子的绿潮灾害预测方法研究

为寻求基于主导因子的绿潮灾害预测方法,在以2014年南黄海绿潮遥感监测覆盖面积数据的平均增长速率为依据划分阶段的基础上,建立支持向量机（support vector machine,SVM）权重计算模型分析影响绿潮扩散的气候因子的权重变化,给出主导因子的权重交点和在不同阶段的变化规律,使用2015年监测数据验证该方法所得结果,误差为1.8%～7%。结果表明,温度与浪高均值比在形成期小于7,快速增长期为4～6,平稳期为5～7,消亡期大于7,雾霾的平均增长速率差分在形成期大于2或小于-2,快速增长期为-3～2,平稳期为-1～1,消亡期接近0。     

围油栏布放回收自动控制装备的开发与应用

水域溢油事故发生后,溢油在水面上扩散迅速、污染面积快速扩展。因此应急围控用围油栏的布设下水要尽可能快速、便捷、高效。目前国内应用的围油栏,自动化程度较低,需要一定数量的操作人员现场操作,不能满足现代条件下快速高效围控水域溢油的需要。因为海上作业具有特殊性,受风浪流等海况影响,现场操作难度大,劳动强度高,人员相对有限,工作效率难于提高。围油栏布放回收自动控制装备,采用电控液压卷绕机储存围油栏,设有围油栏自动导进导出排布系统,不但储存运输方便,布设快捷,而且无需现场操作人员,自动化程度高。是海上溢油围控作业革命性创新,具有重大意义,社会效益显著,也具有极大的环保意义。     

基于人工神经网络模型预测ABR反应器处理效率

ABR反应器的处理效率受多方面的因素影响，本文通过BP人工神经网络，利用ABR反应器进水CODcr浓度、容积负荷、温度、稳定运行时间四个参数对其反应器处理效率进行预测。结果表明，BP人工神经网络可较好的用于ABR反应器处理效率的预测，具有较高的精度，在实际生产中，可以运用人工神经网络，对ABR反应器的运行参数进行调整，使之达到最优化的运行状态。     

WLC除尘机组在亚麻原料加工行业的应用

ＷＬＣ除尘机组在亚麻原料加工行业的应用黑龙江省纺织工业厅凌人龙黑龙江省亚麻公司王根石哈尔滨亚麻纺织厂１９８７年发生的特大火灾粉尘爆炸事故使人们认识到，亚麻原料企业普遍在用的大布袋滤尘系统，存在着粉尘爆炸的重大隐患，其致命弱点就在滤尘室。由于多数企业每...     

土壤-植物根际磷的生物有效性研究进展

探讨土壤-植物根际磷素养分状况及利用机理,提高土壤磷的生物有效性,使土壤中潜在的难溶性磷库活化,提高磷肥利用率,对促进农业生产的持续高效发展和陆地生态系统的良性循环具有重大的现实意义。文章从这一角度出发,论述了根际土壤中根际微生物、根际pH值、根系分泌物、菌根、根际土壤磷酸酶等各种因素对提高土壤磷素利用率的机理。     

BP神经网络和ARIMA模型对污水处理厂出水总氮浓度的模拟预测

污水处理厂出水总氮(TN)浓度是评价水处理效果的关键指标之一。建立BP神经网络模型对污水处理厂脱氮工艺进行模拟,引入自回归整合移动平均模型(ARIMA模型)对污水处理厂未来短期出水TN浓度进行预测。结果表明:BP神经网络模型在训练集和测试集模拟结果的平均相对误差分别为15.9%和16.5%,模型预测结果的平稳性较差;ARIMA模型对未来7 d出水TN浓度的时序预测平均误差为4.41%,预测精度较高;2个模型相结合有助于实现污水处理厂快捷和高效的在线检测。     

应用BP神经网络预测嵌岩桩竖向承载力的研究

利用BP神经网络,建立了嵌岩桩竖向承载力预测的BP神经网络模型,采用嵌岩桩竖向承载力的实验数据对网络进行了训练,并以此训练好的BP神经网络对嵌岩桩承载力进行了预测。预测结果表明,该模型具有很高的预测精度,为预测嵌岩桩承载力提供了一种新的方法。