跨河道桥工程防洪风险管理体系研究

针对目前我国河道管理的现状，在原有防洪影响评价的基础上，综合运用广义结构可靠性原理及多种相关学科理论，提出了跨河道桥工程防洪风险的评价理念，建立了跨河道桥工程防洪风险的评价指标体系和管理体系，并结合工程实例验证了方法体系的适用性与可靠性。     

中国火灾最佳灰色回归组合预测模型

火灾现象具有随机性、模糊性,是个复杂的灰色系统行为。研究火灾发生的规律及发展趋势,具有实用价值。笔者给出最小二乘估计意义下的最佳组合预测模型的定义,并求得其权的公式和证明权的惟一性;用回归分析方法建立多个回归模型,并按3条标准即①回归指数大、②系统误差小、③模型精度高,选定最佳非线性回归模型;用灰色理论建立多个灰色模型,并按3条标准即①后验差比值小、②小误差概率大、③预测关联度大,选定最佳灰色模型;再将最佳回归模型与最佳灰色模型有机地结合起来建立中国火灾最佳灰色回归组合预测模型。组合预测模型综合利用前两者提供的不同的有用信息,改善了单一模型的局限性,提高了预测精度,减少了预测误差。组合模型预测中国年火灾起数处于动态增长过程。     

基于小波神经网络的瓦斯涌出量预测研究

准确地预测瓦斯涌出量对于指导矿井设计和安全生产有重要意义,而瓦斯涌出量是一个与自然因素及开采技术等多因素有关的非线性建模问题。鉴于传统神经网络方法解决非线性问题收敛速度慢,易陷入局部最优解的缺陷,笔者提出一种既充分利用小波变换的时频局部化性质,又能结合神经网络的自学习能力的小波神经网络预测瓦斯涌出量的方法,并建立了预测模型。在此基础上,采用Delphi语言,设计了小波/BP神经网络仿真器。通过实例分析表明该方法较传统神经网络收敛迅速,预测精度高。     

小湾边坡爆破开挖降震措施探讨

爆破震动对岩质边坡稳定性的影响是极其复杂的,小湾边坡开挖爆破规模和强度大,爆破震动对边坡的稳定性产生了较大的影响。通过对现场爆破震动监测数据的分析和总结,得出小湾边坡爆破震动传播衰减规律。从控制能量源、优化爆破参数、优化爆破网路、避免爆破震动积累损伤效应等几方面探讨减震降震措施,其方法正确、效果明显,提高了小湾边坡的动力稳定性,确保施工的连续顺利进行,并为类似工程提供可借鉴的经验和有益的指导。     

基于小波神经网络的煤层底板突水非线性预测方法研究

针对煤层底板突水系统为一非线性动力学系统的特性,并在考察目前煤层底板突水预测方法的基础上,给出利用小波神经网络对煤层底板突水进行预测的可行性和优越性;阐述了小波神经网络的基本原理;提出和分析了基于小波神经网络的煤层底板突水预测模型及算法;并通过实例证明,应用小波神经网络解决煤层底板突水预测的可行性和优越性。研究及实践表明:小波神经网络的预测精度更高、更准确。     

铁路运输经济预警系统的研究

铁路运输经济安全是国民经济安全的基础。建立综合运用现代科技手段的运输经济预警系统 ,对调控铁路运输和引导铁路运输业安全、健康发展十分重要。笔者将铁路作为国民经济的子系统 ,考虑国民经济对铁路的影响因素。在分析铁路运输经济的影响因素和景气预警指标的基础上 ,利用BP神经网络预测出下季度铁路运输经济预警指标的值 ,用景气信号监测模型对预测值进行分析并显示该季度的预警信号 ,直观地评价铁路运输经济的安全状态。运用铁路运输经济预警系统分析了 2 0 0 3年第一季度～ 2 0 0 4年第一季度 ,5个季度的景气信号 ,并对 2 0 0 4年第二季度的各项指标进行预测和景气分析 ,对系统进行了实用和考核 ,取得预期效果。     

基于广义相加模型的北京市2018—2022年地面臭氧气象影响要素研究

臭氧污染是制约北京市环境空气质量持续改善的关键因子,气象是导致臭氧浓度超过国家标准的重要因素,探究气象要素与臭氧浓度之间的关系,对有效治理臭氧污染具有重要意义.本文分析了2018—2022年北京市地面臭氧浓度的演变特征,并利用气象要素和臭氧日最大8 h滑动平均浓度(O₃-8 h)观测数据,基于广义相加模型和合成少数过采样技术,构建了适用于北京的臭氧非线性回归预测模型,识别了影响北京市O₃-8 h浓度日际变化气象因子的重要程度.结果显示：(1)近5年北京市臭氧浓度仍处于高位波动阶段,5—9月是臭氧浓度超标最严重的时期.(2)回归模型对高浓度臭氧具有良好的预测能力,其对北京市5—9月O₃-8 h浓度变化的方差解释率为83.3%.(3)基于回归模型发现,日最高气温、风向、紫外辐射强度、相对湿度、风速、地表平均气压与O₃-8 h浓度之间均有显著的非线性关系,其中,日最高气温、风向和紫外辐射强度为主导O₃-8 h浓度变化的气象要素.在高温、主导风向为偏南风、紫外辐射强度较强的气象条件下,...     

基于GA/PSO-BP神经网络的石家庄VOCs环境浓度预测模型研究

为了提升挥发性有机物(Volatile Organic Components, VOCs)的预测精度,在反向传播(Back-Propagation, BP)网络结构的基础上使用优化算法分别为遗传算法(Genetic Algorithms, GA)优化BP神经网络(GA-BP)和粒子群算法(Particle Swarm Optimization, PSO)优化BP神经网络(PSO-BP)对VOCs质量浓度进行预测。首先,对污染物及气象因子进行筛选。采用相关性分析法及逐步回归法进行分析筛选,并筛选出合适的输入变量。其次,建立BP神经网络结构。利用BP、GA-BP、PSO-BP神经网络,以石家庄市2022年夏季污染数据为样本对VOCs质量浓度进行预测。结果显示,经相关性分析及逐步回归法筛选,将PM_2.5质量浓度、O₃质量浓度、NO₂质量浓度、温度、相对湿度作为输入变量。经预测结果对比,PSO-BP神经网络模型的预测精度较高,烷烃、烯烃、芳香烃和含氧烃实测值与预测值之间的拟合程度(R²)分别为0.80、0....     

基于多模态特征融合的飞机货舱火警探测技术

针对当前飞机货舱火警误报率高及人工特征提取适应性差的问题,使用一维卷积神经网络,建立了多模态融合火警预测模型,进行特征提取,开展模型的评估与验证,将特征提取与分类进行整合,实现了端到端的火警预测任务,提高了模型的可靠性与准确性。采用双波长烟雾探测技术,探测悬浮颗粒物的索特平均粒径、温度、红外光和蓝光的接收光与发射光功率比值。相较于传统火警探测算法将特征提取和分类分开处理策略,按照无火、阴燃、有火3种类别,进行火警信息的分类预测。结果表明,多模态融合的火警探测模型相对于单模态火警探测模型可以达到更高的探测精度,精度可达0.95以上。     

非线性标准曲线中分析结果的计算

提出采用直线化回归法计算对数、指数及幂标准曲线的分析结果,该法用于环境中微量氟、碘及甲醇监测,结果表明较目前普遍采用的标准曲线绘制法相关系数好,准确度高,操作简便、快速,尤适于大批样品分析。