基于机器学习的浮标实时自动化赤潮预警研究

实现赤潮预警对于减轻海洋环境灾害、避免海洋产业特别是海洋渔业重大经济损失具有重要意义。针对当前水文监测数据海量却难以实现实时自动化监测与预警,特别是难以利用传统监测手段实现对危害更大的赤潮的精准实时预测这一显著问题,提出利用浮标数据作为依据,借助机器学习在大数据分析和智能决策方面的优势,建立一种新颖的双重递进式赤潮预警机制的方法。首先,通过相关算法分析历史数据,以确认赤潮初步预警阈值;其次,对叶绿素a、pH、溶解氧等重要监测指标的当前和阶段性变化进行初步分析,判断是否达到预警触发条件;然后,进一步联合分类、回归、聚类、神经网络等机器学习相关方法,对数据进行深度挖掘;最后,通过这种递进式的机制对短期内是否会发生赤潮作出判断,以实现赤潮自动化预警预报。在此基础上,利用宁波梅山湾实际监测数据,证实了该方法在赤潮实时自动化预警中的有效性。     

售票机的不同位置对地铁车站火灾烟气特性影响的CFD模拟

合理的空间布局对地铁车站消防安全具有十分重要的作用,而售票机的布置方位是影响地铁车站火灾烟气特性的一个主要因素。以某城市在建的地铁站站厅层为物理模型,采用FDS软件对售票机在不同位置情况下火灾的烟气流动情况进行模拟分析,通过比较邻近售票机处的疏散出口的温度、烟气浓度以及能见度,提出了售票机和疏散出口之间较为合理的距离,为实际工程提供可参考的依据。     

基于多信息检测的车辆智能防撞预警技术研究

运用多源信息检测技术对驾驶状态进行综合检测,利用架设在车辆外部的摄像机获取本车与前方车辆之间的相对距离、相对速度信息,利用架设在车辆内部的摄像机获取驾驶人状态信息,通过综合判断降低车辆防撞检测的漏警率、误警率以及冗余报警率;构建车辆行驶安全判定规则,对行车实时危险和潜在危险进行检测、分析与判断,获取可靠的防撞警示提醒;使反应时间、相对距离、相对速度3个方面都能得到优化控制,从而避免车辆碰撞事故;同时也为提高车速、增加道路通行能力、实现自动驾驶等奠定良好的基础。     

支持向量机法在煤与瓦斯突出分析中的应用研究

通过分析采煤工作面煤与瓦斯涌出量与地质构造指标的对应关系,应用支持向量机(SVM)方法对煤与瓦斯涌出类型及涌出量进行分析。建立两类突出识别的SVM模型、多类型突出识别的H-SVMs模型以及预测瓦斯涌出量的支持向量回归模型。研究结果表明:SVM方法能够很好地对煤与瓦斯突出模式进行识别,所建立的采煤工作面瓦斯涌出量预测模型的精度高于应用BP神经网络预测精度;SVM理论基础严谨,决策函数结构简单,泛化能力强,并且决策函数中的法向量W可以反映突出模式识别的地质结构指标的权重。     

基于BP神经网络在森林防火专家系统不确定推理中的应用研究

提出将改进的BP神经网络应用于森林防火专家系统的不确定性推理中,其良好的自学习和泛化能力,可以解决基于可信度规则的知识表示在实际应用中导致的规则激增,推理速度缓慢的问题。该方法将不确定的知识用可信度区间表示,通过知识编码,设计并训练BP网络,最后用MATLAB进行仿真。实验结果表明:BP神经网络可以自动学习专家的典型经验,并且能将之准确的推广,隐含层神经元个数的确定和典型样本的选取决定了准确精度。在实际的专家系统不确定推理应用中具有应用价值。     

基于支持向量回归机的煤层瓦斯含量预测研究

为了对煤层瓦斯含量进行准确预测,应用支持向量回归机(SVR)理论建立煤层瓦斯含量预测模型,结合现场实测数据利用支持向量机(SVM)工具箱进行模型的求解及预测,并从均方根误差、希尔不等系数和平均绝对百分误差3个不同误差指标与人工神经网络预测模型进行比较分析。研究结果表明:SVR模型其预测精度及可行性高于神经网络模型,而且运算快,实时性较好,用于煤层瓦斯含量的预测较理想,具有良好的应用前景,可以为煤矿瓦斯防治提供理论依据。     

管道燃气爆炸特性实验研究

管道是化工及油气储运系统的重要组成部分,却时常受燃烧爆炸事故的威胁,因此对管道中燃气燃烧爆炸特性与规律的研究就十分必要。以甲烷作为研究对象,采用压力传感器以及火焰传感器等对水平封闭管道内甲烷-空气预混燃烧爆炸进行了实验研究,通过大量实验来研究可燃气体爆炸压力与火焰及其传播变化规律。根据实验结果将超压以及气体燃烧的变化情况,对前驱冲击波与火焰面的相对时间及相对位置关系进行了分析。结果显示,管道中会产生前驱压力波,并超前火焰阵面甲烷气体在管道传播过程中,出现冲击波反压射、波叠加及反冲现象,压力的持续时间较火焰光信号持续时间长。所做的工作为油气受限空间中燃气燃烧爆炸特性与规律的进一步研究及工业防爆抑爆技术及工艺的实施、系统设计以及关键参数计算提供了理论依据。     

手提式砂轮机操作事故的产生与预防

从人机系统的观点出发,对两起手提式砂轮机伤人事故进行了分析,找出了产生事故的原因,分析了人机系统与事故的关系,提出了预防措施,给出了操作要领。     

荧光传感器阵列检测农药污染物研究进展

农药的滥用已造成严重的环境污染,因此开发高效、简便和灵敏的农药检测技术是环境科学领域的研究焦点.荧光传感检测因其灵敏度高,检出限低,操作简单,成本低,目前已逐渐成为农药快速定量检测的一个发展方向.然而,在真实样品检测环境中,污染物不是单独存在的,常伴随结构或化学性质上与待检测分析物相似的污染物进行干扰.而基于阵列的荧光...     

基于机器学习的交通碳排放预测模型构建与分析

针对交通运输碳排放问题,基于2005~2019年30个省份的面板数据,采用多种机器学习算法构建不同预测模型对30个省份的交通碳排放量与影响因素进行分析.首先,基于固定效应模型思想将省份差异转化为影响因素,进一步采用Pearson相关系数法与Spearman秩相关系数相结合的方法对18个交通碳排放影响因素进行筛选;其次,采用K-折交叉验证方法,并绘制学习曲线对各预测模型性能进行测试,选用MSE、MAE、R²和MAPE作为模型的评价指标进行分析,来选定最佳预测模型,并选择SHAP值来计算最佳预测模型中各解释变量的重要度.结果表明,省份差异、社会商品消费总额、城市绿地面积、货运周转量、私家车数量、交通运输业产值和常住人口这7个因素之间多重共线性弱且均通过显著性检验,可作为交通运输碳排放预测模型的解释变量;随机森林算法和XGBoost算法预测结果均表现优异,R²均高于0.97,误差均低于10 %,且不存在过拟合与欠拟合现象,其中XGBoost算法表现最优,而KNN算法表现欠佳;各解释变量的重要度排名为:省份差异 > 社会商品消费总额 > 私家车数量 > 常住人口 > 货运周转量 > 城市绿地面积 > 交通运输业产值, 综合相关性与重要性分析来看,在交通运输碳排放预测中,省份差异是一个不可忽视的变量.研究结果可为政策制定者和决策者提供参考,促进交通运输行业的可持续发展.