基于T-S模糊神经网络的大沽河水质变化特征分析研究

基于T-S模糊神经网络,利用大沽河2010年-2015年水质监测数据,选取溶解氧、化学需氧量、高锰酸盐指数、氨氮、总氮、总磷对水质具有重要影响的6项指标,建立适用的水质评价模型,对大沽河水质变化特征进行分析.结果显示:上游水质评价结果明显优于中游、下游水质评价结果,网络评价水质等级变化趋势同真实指标数据变化趋势一致.验证结果充分表明了T-S模糊神经网络用于水质变化特征分析是可行、有效的.     

ABC算法优化SVR的磨损故障预测模型

目的为了提高故障预测的精度,针对支持向量回归SVR(Support vector machine for regression,SVR)参数选择困难的问题,提出一种采用人工蜂群(artificial bee colony,ABC)算法优化支持向量回归(SVR)的故障预测模型(ABC-SVR)。方法该模型先对样本数据进行重构,然后将故障预测误差(适应度)作为优化目标,通过ABC算法寻优找到最优的SVR参数,建立故障预测模型。最后通过实例仿真验证模型的优越性。结果采用ABC算法优化的SVR故障预测模型进行时间序列预测,能够较好地跟踪发动机滑油金属元素浓度的变化过程,并且能够提前2个取样时间预测异常情况的出现。结论 ABC-SVR模型有效解决了SVR参数选择难题,能够更加准确地表现故障变化规律,提高了故障预测精度。     

新安江流域土地利用结构对水质的影响

以新安江上游流域为研究区域,用该流域2010年5月TM遥感影像图作为底图,通过实地野外调查获取了新安江流域的土地利用图.运用ArcGIS的水文、空间分析功能,将流域划分为8个子流域,并分析各子流域的土地利用结构.根据2010年1～12月的水质监测数据,分析TN、TP、高锰酸盐指数、NH4+-N、粪大肠菌群的时空变化特征,以及与土地利用结构之间的定量关系.结果表明,TN和NH4+-N有明显的时间变化特征,为枯时期>丰水期>平水期,而其他几种指标没有明显的时间变化.在空间上,整体上呈现出渔梁、浦口污染最为严重.流域内土地利用结构与水质之间的相关关系表现为:耕地、水体、建筑用地起源作用,林地、草地起汇作用.在年度上看,耕地对TN、NH4+-N、高锰酸盐指数影响最大,草地对TP影响最大;不同水期上,枯水期和丰水期,对各指标影响最大的土地利用类型为耕地,在平水期,对TN、TP、粪大肠菌群影响最大的土地利用类型分别为耕地、草地、林地.     

回归分析法在规划大气环评中的应用

规划及开发区由于具体项目的不确定性,使大气环境影响预测源强亦不确定,很难使用现成的大气影响预测模式进行预测。文章通过规划区近5年二氧化硫排放量与区域环境质量之间关系的回归分析,得出回归曲线与方程及环境质量与排放量的简单关系。根据规划实施后二氧化硫的排放量、年均值与良好空气质量天气数量的关系,预测规划实施后的大气环境影响,并针对规划提出了切实可行的防治和减轻环境空气影响的措施。文章采用宏观的回归分析方法,使预测结果的准确性提高;简化大气环境影响评价内容,节约了工作时间;非常适用于老工业基地发展规划的大气环境影响评价。     

军用物资集装箱内部低温环境条件研究

以天津和齐齐哈尔两个低温地区军用物资集装箱运输为背景,分别对两个地区的集装箱内部温度变化及大气温度等数据进行测试并对比分析。对齐齐哈尔地区的数据进行回归分析,建立了集装箱内部温度模型,预测出集装箱内部最恶劣的低温极值范围,为危险军用物资集装箱安全储运提供理论依据,并提出了相应的对策及建议。     

基于不变矩理论的腐蚀等级评定方法研究

基于腐蚀图像包含大量腐蚀信息的客观现实,将数字图像技术和不变矩理论应用于腐蚀图像预处理和特征提取,用腐蚀图像的7个不变矩特征值来描述腐蚀形貌特征,利用概率神经网络模式识别技术,建立了以不变矩为特征参数的概率神经网络模式识别模型,实现了金属材料腐蚀等级的评定。以铝合金材料在EXCO溶液中加速腐蚀等级评定为例,分析表明,不变矩作为一种高度浓缩的图像特征,能够表示腐蚀形貌与腐蚀特征的映射关系,该方法简单易行,识别率可达到87.95%,满足工程应用要求。     

安全投入与事故直接经济损失的研究

通过对安全投入及事故直接经济损失的分析研究,利用最小二乘法对安全投入比例(安全投入占GDP的比例)与事故直接经济损失之间的关系进行了回归分析,确定了其对应的函数关系.结果表明,安全投入比例与事故直接经济损失之间呈较明显的负指数关系.根据该计算结果,探讨了安全投入存在的主要问题,提出了几点关于加强安全投入的建议及措施.     

嫩江水体溶解氧变化规律的混沌研究

针对目前溶解氧研究主要是从生物、化学等方面开展,而对溶解氧自身变化规律的研究很少的特点,以嫩江干流浏园水文站测得的溶解氧质量浓度序列为例,首先进行相空间重构,应用自相关函数法确定出延迟时间、伪邻近点法确定出嵌入维数;然后应用主分量分析(PCA)方法对序列进行分析,表明该序列不是噪声序列而可能是混沌序列,通过计算Kolmogorov熵得出溶解氧质量浓度序列具有混沌特性的结论;最后应用基于关联度的局域加权线性回归预测法对该序列进行了混沌预测研究,得到了比较理想的预测结果,这为应用混沌理论进行溶解氧变化规律的研究提供了依据.     

基于BP神经网络的煤层自燃预测

在全面分析影响煤层自燃因素的基础上,建立了煤层自燃预测的人工神经网络模型.应用该模型对某煤田的多个煤层样本进行了训练和预测,网络经过10次训练后,误差达到设定的最小值,6次预测测试中最大误差仅为0.027 8,最小的为0.000 1.研究表明,该模型精度较高,可用于预测煤层自燃的实际应用.     

基于BP神经网络的上市公司CEO报酬实证研究

近年来的研究表明,CEO报酬不仅受公司业绩的影响,还受到其他诸多因素的影响,而且,CEO报酬与其决定因素之间往往存在着非线性关系。本文以2003-2005年沪深股市的A股上市公司为样本,采用BP神经网络对CEO总报酬、CEO年薪、CEO持股价值及其决定因素分别进行训练和学习,结果表明：（1）网络训练输出值与实际值的拟合度分别达到91.09%、97.23%和78.44%;（2）网络的预测能力相对于传统的线性回归模型分别提高了92.72%、92.08%和53.89%。因此,本文认为在分析和确定CEO报酬水平时引入神经网络模型是可行的。