基于数字图像比色法测定水中氟化物

在酸性溶液中,氟能破坏二甲酚橙〖CD*2〗锆显色体系,使溶液颜色从紫红色变为橙色或黄色,通过采集图像颜色信息构建3个特征颜色分量的多元线性回归模型,用以定量测定水中氟。该方法在0 mg/L~1.5 mg/L范围内线性良好,方法检出限为0.03 mg/L。两个质量浓度水平的氟化物标准溶液6次测定结果的RSD分别为1.4%和1.3%,相对误差分别为0.3%和1.7%。     

基于土地利用回归模型的场地土壤污染特征分析

通过在广东韶关凡口铅锌矿向外辐射8 km²范围内布设25个采样点,监测土壤中Pb、Zn、As、Cu、Cr和Hg的质量比,构建土地利用回归(LUR)模型模拟该6种元素质量比的空间分布。结果表明：不同土壤元素质量比受地理要素影响差异较大,Pb和As的空间分布受道路影响较大,其高值区沿道路呈带状分布;Zn和Cu受自然因素与土地利用的综合影响,高值分布相对零散;Cr的空间分布主要受地形降水等自然因子的影响。研究区整体元素质量比偏低,西部地区元素质量比低于东部地区,南部地区低于北部地区。     

基于全局跨尺度时空注意力的深度神经网络海表面温度预测模型

海表面温度（sea surface temperature, SST）是海洋与大气之间相互作用的关键因素,海温控制着全球大气和海洋生态系统的变化。准确预测海表面温度的演变对治理全球大气系统和海洋生态系统都具有重要的意义。为了对SST数据的空间自相关性准确建模,本文提出了基于全局跨尺度时空注意力的深度神经网络海表面温度预测模型（deep neural network based on global cross-scale spatiotemporal attention, GCSA-DNN）。模型分为3个部分,从长时序数据中提取时序依赖特征的时序建模模块,从SST序列均值中提取空间分布规律特征的多尺度局部空间建模模块和基于全局跨尺度的时空注意力融合模块,实现每个网格点对全局自相关性的建模。本研究选择空间分布规律不同的东海和南海海域数据,对1981年9月1日至2022年4月7日美国国家海洋和大气管理局（nationaloceanicand atmospheric administration,NOAA）的数据进行了预测分析,共14829条数据,其中1981年9月1日至2021年8月31日的...     

南亚热带森林3层次物种多度之广义泊松分布模型

生物群落中物种多度分布(species abundance distribution)呈典型的倒J形,即其中存在许多稀有种、少量常见种.物种多度分布模型研究有助于解决森林生态恢复中的物种配置等实际问题.本研究考察了一种过分散(over-dispersion,或称超分布,即方差大于均值)的离散型分布,即具有λ和α两个参数...     

基于RBFNN的催化再生烟气二氧化硫浓度预测研究

为了提前掌握催化裂化再生烟气中二氧化硫的排放浓度,有效动态指导烟气脱硫设施运行参数调节,研究开展了RBF和BP神经网络在催化裂化再生烟气二氧化硫浓度预测中的应用。通过业务和数据分析,确定了影响再生烟气二氧化硫浓度的工艺特征变量。利用2组采用不同方法清洗的数据,对比分析了RBF和BP神经网络模型在提前15 min情况下,预测再生器出口二氧化硫排放浓度的效果,结果表明2种模型的预测精度分别为90.36%和86.43%。RBF神经网络二氧化硫浓度预测模型经过400个工业样本测试,浓度预测值的最大误差为14.01 mg/m³,最小误差为0.05 mg/m³,平均误差为6.08 mg/m³,满足企业现场应用的要求。     

结构应力逆向推演模型及其不确定度定量分析

目的 针对现有结构安全在线监测与评估方法存在的短板,结合人工智能方法探索新的解决方案。提出一种基于有限测点应力逆向推演整体结构应力分布的方法,以数据驱动的模式,基于神经网络技术搭建算法模型。方法 以结构有限元仿真数据为基础,运用相关性分析方法,获取代表结构响应特征的有限个测点,利用神经网络方法构建基于有限测点应力推演结构全场应力分布的算法模型。结果 以科学试验平台的连接器结构为对象,开展该算法模型的应用研究,并且对该应用实例下的算法模型开展不确定度分析,推演结果的相对不确定度u95rel为8.6%。结论 该算法模型的推演结果正确反映了结构总体响应特征。从建模过程角度分析,该算法模型的不确定度来源主要包括相关性分析方法、神经网络建模以及模型收敛条件3个方面。     

福建省县域森林损失时空演变特征及其影响因素分析

森林是陆地生物圈重要的生态资源,厘清区域长期森林损失状况及其影响因素,对森林资源保护和社会经济协调发展具有重要意义。基于全球森林变化(Global Forest Change)数据集,利用ArcGIS 10.8空间分析技术,对2001—2019年福建省58个县域森林损失的时空演变特征进行分析,并结合时空地理加权回归模型,探究县域森林损失的主要影响因素及其时空分异特征。结果表明：(1)2001—2019年福建省县域森林损失率呈波动上升的基本态势,森林损失面积累计达112.89万hm²,森林损失情况可划分为显著上升阶段、先降后升阶段和显著下降阶段。(2)整体上,福建省县域森林损失具有较强的空间正相关性和空间集聚性特征,相邻区域森林损失率的空间相关性显著,而其空间集聚效应呈现西北低、东南高的基本态势。(3)城镇化率、人均GDP、公路通车里程、人口密度和木材产量对福建省县域森林损失均具有一定的影响,但存在明显的时空异质性特征。该研究有效揭示了福建省县域森林损失时空动态特征及其影响因素,可为森林资源可持续经营提供理论依据。     

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.     

基于信息融合的自然灾害等级评估方法研究

为对自然灾害灾情等级进行准确评估,在BP神经网络模型的基础上,结合DS证据理论建立基于信息融合的自然灾害灾情等级评估模型。该模型通过对输入的灾害评估指标数据进行分类,建立网络组,对网络组的输出,建立对于各类信任度的基本概率分配函数,最后利用DS证据理论融合,从而实现灾害的最终等级评估。在MATLAB环境下,以我国45个自然灾害的灾情历史资料数据为训练样本进行模型训练,并对2009年自然灾害灾情进行评估测试。结果表明,该模型能改善单一BP神经网络不稳定、误差大的缺点,得到较优的结果。     

驾驶员注意涣散检测技术研究

通过对注意涣散时驾驶员头部运动及面部表情变化特征的分析,系统实时监测驾驶员眼睛、嘴巴位置和运动状态信息,构建驾驶员注意涣散特征表征参量,实现对驾驶员注意涣散状态信息的检测与提取。驾驶员注意涣散表征量具有复杂的非线性特征,利用BP神经网络非线性识别的优势对驾驶员注意特征进行模式分类,实现驾驶员不同注意涣散状态下的特征捕捉。同时采用Dempster-Shafer证据推理技术,对驾驶注意涣散多源表征信息进行决策融合,实现对驾驶员注意涣散状态的判断。结果表明,BP神经网络与D-S规则多源信息决策融合技术的运用提高了驾驶员注意涣散特征检测的准确性和可靠性。