基于粗糙集和AFSA-BP的水电机组故障诊断

将粗糙集和人工鱼群优化-神经网络算法引入水电机组故障诊断中,利用人工鱼群优化算法中聚类的特点改进粗糙集属性约简方法并对水电机组故障的检测信息进行约简,提取对故障分类起主要作用的信息,并用BP神经网络对粗糙集处理后的故障信息进行诊断。实验结果表明:该方法降低了神经网络的输入信息空间维数,简化了神经网络结构,有效提高了故障诊断的准确性。     

堤防工程综合安全模型和风险评价体系研究及应用

为获得荆南长江干堤的安全特性,在层次分析法及模糊一致理论的基础上,考虑堤防工程水、土两相系材料的特点,建立了模糊综合评判系统结构模型。通过正态型模糊隶属函数,结合两种权值理论实现了对堤防工程的安全综合评判。在模糊综合评判结论的基础上,结合模式识别的间接方法,提出了广义多维加权模糊识别模型,实现了对典型堤身段的安全模式识别,并对模型指标体系作了敏感性分析。所得成果比较全面地反映了干堤在复杂运行条件下的综合安全特性,对指导工程现场管理与监测有现实意义。对于复杂堤防系统,模糊综合评判是实现全面风险分析的有效手段,而广义多维加权模糊识别模型可以为工程安全决策提供有力依据。     

包容性增长测度及影响因素分析——基于经济可持续的视角

从经济增长的可持续性出发,测度出1998-2009年经济增长的可持续包容度,发现中国经济的包容度处于基本包容状态,具体而言,工业化中期形成的高投资、高消耗的增长模式使得能源消耗与环境污染压力日益严重,这些都阻碍了可持续包容度的提高。另一方面,国际金融危机的影响导致投资拉动型特征更加明显,再次使得可持续包容度呈现下降趋势。从区域差异来看,中国东部、中部、西部三大区域的可持续包容度依次递减。在此基础上构建动态面板数据,通过系统广义矩估计方法实证分析了可持续包容度的影响因素,结论表明从影响经济增长的可持续包容度的角度来看,更高的的研发投入水平和完善的基础设施有利于包容性增长的实现;能源使用效率的低下则阻碍了包容性增长;市场化程度与FDI对包容度的影响不明确;经济发展水平则与包容度之间具有显著的U型关系。由此,相应的政策建议是要提高可持续包容,可以加强研发投入力度,降低能源消耗,提高市场化程度,并根据各地区不同发展阶段采取不同的发展战略。     

中国FDI区位选择的时空格局演进及影响因素分析

随着中国改革开放的深化和经济全球化的加剧,以全球经济首要“推动者与塑造者”的跨国公司为主体的外商直接投资（FDI）成为中国经济增长和区域发展不平衡的重要催化剂。引入空间自相关和空间自回归模型,用面板数据研究了1995～2009年中国FDI时空集聚特征及其动因。结果表明：各省份实际利用FDI的过程存在较强的空间自相关性,且相关性日渐增强。从总量上来看,仍主要集中在上海、广东、江苏等东部沿海经济发达地区,但是从增速来看,呈现向沿江的重庆、四川等投资条件相对较好的中西部内陆省份转移的趋势。从局部上看,呈现由外资集聚程度较高的省份向周边相邻省份扩散的趋势。空间滞后回归模型也进一步印证了空间依赖性对FDI区位选择的重要影响     

基于GA-BP算法的含油污泥处理 工艺参数优化

在含油污泥进行资源化处理过程中,针对处理目标受多个因素影响的实际,为了解决工艺之间的耦合问题,采用正交实验的方法来解决,并把主要参数作为优化对象,把含油污泥的脱水率作为评价目标,通过采用GA-BP算法对含油污泥耦合工艺正交实验参数进行了线性与非线性分析.在采用遗传算法优化神经网络的权值和阈值的基础上,用优化后的权值和阈值对测试样本和训练样本进行了预测.预测结果表明,预测误差都有明显减小,分别由0.34211减少到0.031549和0.15476减少到0.040682,可见耦合参数趋向于非线性优化.     

神经网络模型在北海市空气日报污染指数计算中的应用

根据空气质量日报的实际需要,引入了Excel软件神经网络技术建立空气质量日报污染指数计算模型,采用LM算法提高了计算精度,并将模型应用于北海市空气日报。结果表明:此法较之实际公式计算法更加快捷方便,并且计算结果相当吻合。     

基于夏普里值过程的农村居民收入差距分解

认识农村居民收入差距现状并研究引致收入差距的因素,对缩小收入差距的政策制定有重要意义.本文利用内蒙古和甘肃2个省1500户农户的截面数据,采用夏普里值过程对Gini系数、Theil指数、Atkinson指数这三个不平等指标进行回归分解.分解结果稳健地发现,以县域为代理变量的外部环境因素对收入差距具有重要影响,非农劳动力、培训比和家庭男劳动力比对收入差距的相对贡献度较大,而平均年龄、家庭人口和平均教育对收入差距的相对贡献较小.作为社会网络的人情收支和作为物质资本的人均土地面积对收入差距的贡献极小.从缓解中国西部农村地区间的不平等的角度看,长期而言,支持和促进地区经济发展,增加非农就业机会,提供平等的教育和培训机会,有利于缓解收入不平等.而在城市化进程中,处理好土地问题,避免作为物质资本的土地成为引致不平等的因素,对于未来控制不平等状况有重要意义.     

长江上游月降水人工神经网络预测模型

长江上游月降水量预测对于三峡库区及整个长江流域水资源管理具有重要意义。根据长江上游不同气候区降水差异,选取玉树、九龙和宜宾3个代表性气象站点近60 a的月降水量数据,运用反向传播神经网络、径向基函数神经网络、广义回归神经网络和多元线性回归法,确定降水时滞和降水月份,建立月降水预测模型,来预测未来一个月的降水量,并采用均方误差和判定系数来验证和对比各种模型的模拟效果。结果显示：人工神经网络模型总体上优于多元线性回归,特别是反向传播神经网络的模拟结果各站表现较好,在确定合理的输入变量和网络结构后,可以尝试作为长江上游各站月降水预测模型。〖     

大宁河叶绿素a的因子分值-多元线性回归预测模型研究

自从2003年三峡水库蓄水以后,其支流大宁河水华频发且频率呈上升趋势。叶绿素a(Chla)是指示水体中浮游植物初级生产力的有效指标。采用因子分值-多元线性回归方法研究了大宁河水体11个相关水质因子与Chl a之间的相关关系。因子分析用于简化水质指标之间的相关性,以因子得分（Score values）为自变量用于多元线性回归分析中。结果发现log（Chla）与6个因子分值明显相关,所获得多元线性回归模型为：log(Chl a)=0.579-0191×(Score 1)-0.013×(Score 2)-0.013×(Score 3)+0042×(Score 4)+0134×(Score 5)-0.059×(Score 6),相关系数 R= 0.731、相关系数的平方 R ²=0535,说明自变量可以解释因变量53.5%的差异性。实测数据验证结果表明：该模型能够较好的预测2010年1～10月水体中Chl a浓度的峰值和基本变化趋势     

前馈神经网络在环境评价和预测中的应用进展

本文针对水环境中复杂的不确定性及非线性关系,在水环境不确定性分析的基础上,详细阐述了以BP网络和RBF网络为代表的前馈神经网络法的基本原理,分析了两种方法的优点。同时,本文对两种方法在水环境影响评价工作中的应用现状进行总结,分析了两种方法的研究发展趋势。