基于ARIMA-LOESS模型的危化品道路运输事故起数预测

文章针对危化品道路运输事故预测问题,运用差分自回归移动平均模型(Autoregressive Integrat-ed Moving Average,ARIMA)与局部加权回归模型(Locally Estimated Scatterplot Smoothing,LOESS)的组合模型,对我国危化品道路运输事故发生起数进行...     

一种用于周期性事件预测的潮汐模型

为探究各种消防出警事件发生的规律,文章基于2016到2020年国内某地消防救援出警次数及事件类型数据,首先将7类事件按是否存在周期性分布分为两类,对周期性事件建立随时间变化的潮汐模型,用于对其发生的次数进行预测,考虑特殊年份厄尔尼诺现象对数据特征的干扰,对作出的模型进行优化;对非周期性事件建立随机分布模型,通过大量重复计算与多项式拟合结果作对比,判断模型的可靠性。结果表明,潮汐模型应用于消防救援出警次数统计分析是可行的。以上研究能够帮助消防队对其救援的事件有更深入的了解,提前做好培训工作并制定更加有效的应对方案,还能够帮助政府了解到火警救援事件的发生状况、实施社区宣传预防措施以及对消防部门的规划有一定的参考价值。     

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。     

酒泉市辖区黑河水系地表水环境质量分析

根据“十三五”期间酒泉辖区内黑河水系河流和湖库布设点位水质监测数据,选取21项监测指标,采用单因子评价法、内梅罗污染指数法和spearman秩相关系数,同时根据黑河水系酒泉段污染源调查评价以及充分考虑人为因素的影响选取氨氮和总磷项作为评价因子,多维度判定黑河水系酒泉境内的水质状况。通过灰色建模软件6.0筛选出符合模型精度要求的点位并对“十四五”期间酒泉市辖区内黑河水系地表水环境质量进行了预测,为管理部门对水域环境治理提供参考借鉴。     

基于PCA-BBO-SVM的尾矿坝变形预测模型与性能验证研究

为准确预测尾矿坝变形趋势,通过主成分分析法(PCA)对尾矿坝变形影响因子进行优选,基于生物地理学优化算法(BBO)对支持向量机(SVM)参数进行寻优,建立PCA-BBO-SVM尾矿坝变形预测模型,并以杨家湾尾矿坝为例对模型性能进行验证。研究结果表明：PCA-BBO-SVM模型在4个测点的RMSE为0.139 6,0.274 2,0.317 0,0.530 6;MAE为0.112 5,0.213 5,0.269 0,0.412 9;MAPE为0.525 0%,0.692 3%,2.621 2%,1.311 2%;预测精度及对局部波动的预测能力均高于BP、GS-SVM、GA-SVM和PSO-SVM模型,研究结果可为尾矿坝变形预测提供模型支撑。     

软土路基的最终沉降量计算方法探讨

根据武汉四新大道软基沉降实测资料,介绍了采用双曲线法、Asaoka法以及三点法对软基最终沉降量进行推算的过程,通过各种方法优缺点的对比,从推算过程及推算结果的比较中找到类似工程的最佳计算方法.     

MI和SVM算法在煤与瓦斯突出预测中的应用

为解决能用于煤与瓦斯突出预测模型的真实事故训练数据量小、数据集缺失严重的问题,提出采用数据挖掘多重填补(MI)算法填补事故数据中缺失参数,增大可用数据集,并将填补后的数据用于支持向量机(SVM)预测模型的训练与测试,选取K最近邻(KNN)算法与SVM进行对比.结果 表明:SVM数据填补前后的平均识别率分别为88.37％...     

人工神经网络在预测深基坑周边地表沉降变形中的应用研究

深基坑开挖引起的周边地表变形预测是一个复杂非线性问题,引起地表沉降的影响因素很多,各因素之间呈高度的非线性关系。传统的基坑用边地表沉降变形预测方法存在着一定的局限性,其预测精度有待提高,而人工神经网络是一种多元非线性动力学系统,可以灵活方便地对多成因的复杂未知系统进行高度建模,实现全面考虑各种主要影响因素的深基坑周边地表沉降变形预测。本文介绍了误差反向传播(BP)网络模型的结构、学习过程及其算法的改进,径向基函数(RBF)网络模型的结构及其学习过程;分析了影响深基坑开挖周边土体沉降变形的主要影响因素;以25个基坑工程的地表沉降实测资料为训练样本,建立了11个输入影响因素的BP神经网络模型和RBF神经网络模型,通过对样本的学习训练过程及对5个检验样本的预测精度,说明了人工神经网络用于预测基坑周边地表沉降的可行性和准确性。     

一种真姬菇菌种质量整合定量评价方法

为建立真姬菇菌种质量的预判性指标,通过液体培养、可见光谱分析与结实性试验,开发了一种真姬菇菌种质量评价方法,并确立评价用培养基质组成(ρ/g L-1):马铃薯200.0,乳糖20.0,NH4NO3 2.0,MgSO4.7 H2O 0.5,KH2PO4 1.5,溴百里酚兰0.06,pH 7.0.结果显示,脱色率分别与单瓶产量、有效子实体数量及单个子实体重量呈极显著相关性.并通过灰色关联度分析,提出脱色率与菌种质量加权关联系数间拟合方程及显色反应与菌种质量加权关联系数间拟合方程:YDR=-221.26X2+490.75X-210.75;YCR=7.7379X-1.7118.拟合方程可用于真姬菇菌种质量的整合定量评价.表3参9     

污水处理厂暴露模型参数及对化学品归趋的影响

污水处理厂(STP)暴露预测模型是评估化学品环境归趋的重要手段。调研和实际测定了中国典型污水处理厂的处理工艺、污水特征及环境条件等参数,结果显示,中国STP进水的生化需氧量(BOD5)和悬浮颗粒浓度(SS)普遍低于欧盟。应用欧盟Simple Treat模型,比较了2,6-二叔丁基苯酚、2,4-二叔戊基苯酚和1-萘酚3种化学品在中国和欧盟场景参数下的归趋差异。结果显示,中国场景参数下3种化学品进入污泥的比例较低,向水体中排放比例较高,水环境风险较大。模型灵敏度分析结果表明,进水BOD5、进水SS、活性污泥有机碳含量和环境温度是影响化学品环境归趋的主要因素。