西藏达机翁蛇绿岩的岩石地球化学特征及其构造环境

在对西藏雅鲁藏布板块缝合线西段北亚带达机翁蛇绿岩的地质构造、岩石组合等进行野外考察的基础上，首次对该蛇绿岩的主量元素、微量元素、REE及Sr、Pb、Nd同位素进行了较系统的测试分析和综合研究，并由此探讨了该蛇绿岩的构造环境。提出该蛇绿岩为新特提斯东段岛海格局中的岛派成国，为已消亡的中生代新特提斯洋岩石圈的残片。     

基于BP网络的水质综合评价模型及其应用

讨论了BP网络模型存在的不足及建模条件，提出了建立合理的BP网络模型的基本原则和步骤。针对水质评价问题，通过在各类水质污染指标浓度区间内生成随机分布样本的方法，组成足够多用于BP网络训练、检验和测试用的样本，建立了辽河水质综合评价的BP网络模型；给出了区分不同类别水质的模型分界值样本和模型输出分界值。     

用于粉煤灰排放的加湿卸灰设备

针对粉煤灰排放产生二次污染问题，经过分析比较，选用了科学的加湿排放工作原理，设计了用于粉煤灰排放的新型灰料加湿卸灰机。     

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。     

基于BP神经网络的二元混合液体自燃温度预测

为了给工业界提供一种快速预测二元混合液体自燃温度的有效途径,将试验所测不同组分及配比的168个二元混合液体的自燃温度作为期望输出,将基于电性拓扑状态指数(ETSI)理论、引入混合ETSI概念而计算出的9种原子类型所对应的混合ETSI作为输入,采用三层BP神经网络技术建立了根据原子类型混合ETSI来预测混合液体自燃温度的BP神经网络模型,并应用改进的Garson算法进行多参数敏感性分析。经模型评价验证及稳定性分析,得到训练集的决定系数R2为0.965,平均绝对误差MAE为11.892 K,测试集的交叉验证系数Q2ext为0.923,平均绝对误差MAE为15.530 K,发现该模型的预测性能优于已有的多元非线性回归(MNR)模型,表明BP神经网络模型具有较好的拟合能力和预测能力,对烷、醇类混合体系自燃温度的预测精度最佳。     

飞机飞行振动预计技术研究

介绍了飞机飞行振动的主要来源和特征,分析了传统预计方法的不足,针对飞机飞行振动与高度、马赫数和攻角等飞行参数呈非线性关系的特点,提出了基于BP神经网络的飞行振动预计新技术,建立了预计模型,通过8组建模样本训练网络,确定了预计模型中的各个参数值。预计结果和实测飞机飞行振动信号比较分析表明,该方法预计精度高,验证了BP神经网络预计飞机飞行振动的可行性。     

基于Matlab的BP神经网络在大气污染物浓度预测中的应用

为了寻求有效控制和改善环境质量的相应措施,选用了英国伦敦Bloomsbury监测站的PM10小时平均浓度监测资料,采用“提前终止法”泛化改进的BP神经网络模型,预测PM1024 h内的小时平均浓度。结果表明：采用BP神经网络法对大气污染物浓度进行预测,预测相对误差在2%-48%之间,且绝大部分在2%-17%之间,预测精度较高,泛化能力较好,为大气污染物浓度预测提供了一种全新的思路和方法。     

海上溢油扩散图像处理的非线性方法研究

针对海上溢油应急处理问题,本文主要对溢油的初级行为--扩散进行探讨.提出了采用溢油扩散图像来预测溢油扩散未来发展趋势的3步非线性处理过程,即图像边缘检测、面积计算和面积预测,对这一过程中应采用的方法进行了分析与比较.并以奥里油在静止海水中扩散为范例,在MATLAB环境下,利用非线性方法对扩散图像进行边缘监测,通过对梯度算子阀值的调整来计算完整的油膜覆盖面积,并将其计算结果进行BP神经网络预测.结果表明:采用Roberts边缘算子可以得到很好的边缘检测结果,采用BP神经网络获得的面积预测结果与实验结果吻合程度较好.     

基于PCA-FPP-BP神经网络的高层建筑火灾安全评价

为解决高层建筑构造复杂、人员密度大、火灾触发因素繁多而造成高层建筑火灾安全评价困难的问题,本文提出基于PCA-FPP-BP神经网络的高层建筑火灾安全评价模型。首先运用主成分分析(PCA)对构建的高层建筑火灾安全评价指标降维处理,筛选主要信息;接着基于三角模糊数构建模糊评判矩阵,利用模糊优先规划(FPP)求解指标的权重值,减少主观的影响;最后考虑到指标间关系错综复杂彼此交叉和反馈的特性,选择BP神经网络对高层建筑火灾安全进行评价。通过工程案例证明该评价模型的实用性以及可靠性。     

种族鱼群优化支持向量机序列理论监测尾矿坝

为监测预警尾矿坝的变形位移,提出基于结构风险最小化理论的支持向量机进行学习预测。通过采集有效数据,对时间序列数据进行归一化序列处理,然后采取种族鱼群选择向量机参数,对处理后的数据进行支持向量机回归预测。将该理论应用到某尾矿坝监测系统,得到了较为准确的预测结果,表明该理论充分利用了数据的统计特性,精度和泛化能力都得到了明显提高,可作为尾矿坝监测系统的有效指导。