井下矿回风侧分区多级机站通风系统的研究与应用设计

山东金岭铁矿召口分矿通风系统改造形成了以回风侧为主的分区多级机站通风系统，为类似情况的老矿山通风技术改造提供了宝贵经验，对推进矿井通风技术的发展具有实际意义。     

基于无人机高光谱和BP神经网络的城市水体污染监测

我国大多数流域存在不同程度的水体污染,城市水体污染防治与监测是一项艰巨而漫长的任务,而传统水质监测和卫星遥感方法在水体面积较大、水流运动不稳定、周边地形复杂的河流或城市湖泊的水质监测表现为适用性差、准确度低。基于无人机的高光谱遥感技术具有覆盖范围广、数据获取快速等特点,对城市水体污染监测具有一定的应用价值。以珠海市城市水域为研究对象、无人机高光谱数据为数据源,利用线性回归模型和BP (Back Propagation) 神经网络模型方法,分别建立了波段组合反射率与水体叶绿素a、氨氮和磷酸盐3种水质指标之间的最优反演模型,并通过实际样品验证了该模型在城市水体中的适用性。该研究结果不仅为大数据驱动的水质分析提供了重要的技术支持,也为无人机技术应用于城市水体污染程度评价和动态监测提供新方法。     

改进的QGA-BP模型在弥苴河总氮量预测中的应用

水质预测对水环境规划、评价和管理十分重要。构建一种改进的量子遗传算法（QGA）优化BP神经网络的模型,即在量子遗传算法中引入了旋转角的动态改进策略和遗传算法的交叉变异操作,并以改进的QGA作为进化操作准则优化BP模型的权值和阈值。以弥苴河复杂水环境水质预测为实例,选取一组历史观测数据作为训练样本,对其进行分析。将结果与BP模型、QGA-BP模型仿真结果进行了对比,改进后的QGA-BP模型在进化代数、收敛速度和预测结果的准确率有较大提高。对弥苴河水质的预测结果表明,将改进QGA-BP模型用于水质预测是可行、有效的预测方法。     

变权组合模型在景观水体水质模拟中的应用

针对景观水体的水质模拟与预测问题,在BP神经网络和支持向量机模型的基础上,建立了权重随输入量变化的变权组合模型。该模型既能充分利用各个单一模型的优点,又能避免固定权重分配的弊端。经实例验证,与单一的BP神经网络和支持向量机模型相比,变权组合模型拟合精度更高,预测结果更为准确。     

基于改进支持向量回归机的污水处理厂出水总氮预测模型

在小样本数据的情况下,采用粒子群优化算法(PSO)对传统支持向量回归机(SVR)进行改进,将其应用于北京某大型污水处理厂出水总氮浓度预测上。 预测结果精度对比分析表明,PSO-SVR模型预测结果平均相对误差为1.836%,决定系数为67.76%,均方根误差为0.693 9,各评价指标均优于多元线性回归模型、BP神经网络模型。因此在小样本情况下,利用PSO-SVR模型对污水处理厂出水总氮浓度进行预测是可行有效的,为应用数据驱动模型对污水处理过程进行建模模拟提供了一种新方法尝试。     

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BP神经网络的苯储罐泄漏事故风险评价模型研究

为了在事故发生之前对苯储罐进行风险评价，提出1种基于BP神经网络的泄漏事故风险评价方法，利用该方法构建了苯储罐的风险评价模型，并对模型进行了训练及验证。研究结果表明:BP神经网络成功完成了建模任务，且模型训练结果较好，可利用基于BP神经网络所构建的苯泄漏事故风险评价模型对苯储罐发生泄漏事故的风险进行评价。     

城区变电站周边商民用建筑物的安全分析和评估

随着中国社会经济的发展,不断出现变电站位于城区和市区的情况。为了更好的评估城区变电站周边商民用建筑物的安全性,文章分析了城区变电站对周边商民用建筑物和设备设施的影响,研究了城区变电站故障电流对周边商民用接地系统的耦合干扰。建立了城区变电站故障电流耦合干扰分析模型,基于接地导体GPR(地电位升)这个重要指标,提出了耦合干扰系数概念。定量分析探讨了影响耦合干扰系数的主要参数、因素及其变化规律,给出了城区变电站和商民用建筑物接地系统安全评估和分析的建议流程。最后基于BP神经网络建立了耦合干扰系数计算模型,从而设计者可以基于现场实际情况快速得到商民用建筑物受到的耦合干扰具体数值。研究成果为城区变电站周边商民用建筑物的安全防护和评估提供了理论依据和工程指导。     

基于改进多种群遗传算法的尾矿坝形变预测

针对遗传神经网络(GA-BP)建立的尾矿坝形变预测模型易出现早熟现象、预测结果不稳定、容易陷入局部最优值的不足,引入一种具有混沌局部搜索的多种群自适应遗传算法。该算法以双种群寻优为基础,改进了遗传参数的计算方式,分别以种群进化中染色体适应度值的集中程度和空间距离的分布作为自适应交叉率、变异率的计算依据应用于不同种群中,提高了种群的多样性和遗传算法全局搜索的能力;同时引入混沌局部搜索技术(CLS),完善了遗传算法局部搜索能力的不足。采用改进的遗传神经网络模型对贵州省白岩尾矿坝三维变形数据进行预测,并与传统的GA-BP和AGA-BP模型预测结果进行比较。结果表明:改进后的模型预测精度更高,结果更加稳定,具有良好的预测效果。