基于神经网络模型的燃料空气混合物爆炸威力预测研究

燃料空气混合物爆炸威力准确预测研究是学术界的一个难题。针对燃料空气混合物爆炸威力有效预测问题,采用神经网络方法,设计多层神经网络模型,进行实际预测应用。应用结果表明,采用的预测方法简便、可行,可以为燃料空气混合物爆炸威力预测提供一种新途径。相比3层BP模型,设计的预测模型可以减少训练次数,缩短训练时间,提高预测正确率,应用优势较明显。     

硅藻指数在嫩江支流甘河的适用性评估

为了筛选出适用于甘河水生态评价的硅藻指数,合理评价甘河水生态健康状况,2018年8月在嫩江支流甘河调查了19个点位的着生硅藻群落结构和水环境特征.应用21种硅藻指数对甘河水生态健康状况进行评价,采用箱体图法分析了所选硅藻指数的适用性,使用Spearman相关分析研究了硅藻指数与环境因子的相关性,最后应用多元线性回归方法分析了不同因素对硅藻指数在甘河评价正确率的影响.结果表明:①所选硅藻指数中,IBD（biological diatom index,硅藻生物指数）、EPI-D（diatom eutrophication pollution index,富营养污染硅藻指数）和IPS（specific pollution sensitivity index,特定污染敏感指数）的评价结果区分度最好,最适用于甘河水生态健康状况评价.②甘河丰水期水生态健康状况总体较好,约70%的点位水生态健康状况为健康、较好和一般,约30%的点位水生态健康状况为较差和极差,极差的点位全部位于甘河下游区域.③硅藻指数与COD_Cr的相关性对硅藻指数评价正确率有显著影响（P < 0.01）,硅藻指数与COD_Cr相关性越强,评价的正确率越高;物种覆盖度对硅藻指数评价的正确率也有影响,但不显著,各点位最小物种覆盖度高于65%时,物种覆盖度对藻指数评价的正确率影响较为明显.研究表明,硅藻指数可以有效地评价水生态健康状况,但硅藻指数与环境因子之间的相关性等因素会影响评价的正确率,因此选择合适的硅藻指数进行研究区域的水生态健康状况评价尤为重要.      

GANN模型在十溴联苯醚分散液液微萃取中的应用

文章研究目的在于用遗传神经网络模型(GANN模型)快速优化水样中十溴联苯醚分散液液微萃取的萃取条件。以水样中十溴联苯醚分散液液微萃取的正交试验为训练样本,建立十溴联苯醚分散液液微萃取条件的遗传神经网络模型。比较遗传神经网络模型和BP神经网络模型的学习速度、学习精度及网络泛化能力。采用Matlab遗传算法工具箱运用遗传神经网络模型对影响萃取回收率的因素进行优化求解,获得了水样中十溴联苯醚分散液液微萃取优化后的萃取条件,并进行实验验证。文章建立的遗传神经网络模型得到的预测值与实验值平均偏差为14.41%,R2为0.8887;最佳DLLME萃取条件为10μL四氯乙烯、0.71mL丙酮、pH=5、离子强度为20%NaCl、萃取时间10min;优化后十溴联苯醚分散液液微萃取的萃取回收率和富集因子比优化前分别提高了54%和580。     

基于MABC-SVR的边坡安全系数预测模型

为避免原始人工蜂群算法(原始ABC算法)搜索时陷入局部最优解,提出一种改进的人工蜂群算法(MABC算法),该方法先将原始蜜源的适应度进行排序,找出适应度最高的蜜源,再在其周围搜索更优解,并采用MABC算法对支持向量回归(SVR)模型参数进行优化,实现对边坡安全系数的回归分析与预测。通过对两种算法进行函数测试,结果表明:MABC算法较原始ABC算法收敛速度快、全局性好。选取实例边坡数据构造训练集和测试集,采用MABC-SVR方法基于建立的边坡安全系数预测模型进行预测,结果表明:均方根误差为0.004 6,最大相对误差为7.62%,回归系数为0.967 2。可见,建立的边坡安全系数预测模型准确度较高,可推广使用。     

基于灰色神经网络的腐蚀损伤模型

为在小样本情况下对腐蚀损伤进行预测,结合灰色系统与神经网络,提出了灰色神经网络模型,利用该模型对已知腐蚀损伤数据进行了预测检验。为对比研究,同时采用灰色系统与神经网络方法预测了损伤值。结果表明,3种预测模型中,灰色神经网络预测精度最高,能够满足工程使用要求。     

外源铅在4种土壤中的老化特征及对土壤化学性质的影响

采用化学提取和梯度薄膜扩散技术(DGT)探究外源铅(Pb)在不同类型土壤中老化的形态变化规律,考察了外源Pb添加对土壤pH、阳离子交换量(CEC)和可溶性有机质(DOC)等的影响,初步建立了土壤Pb生物有效性的预测模型.结果表明:EDTA提取态Pb含量随老化时间的延长而降低;准二级动力学方程可较好地表达有效态Pb在老化过程中的动力学特征,方程的参数反映了Pb处理浓度的增加延长了老化达平衡的时间,所有供试土壤的EDTA提取态Pb含量在3个月后基本达到老化平衡;不同提取态Pb含量和变化不同,CaCl_2提取态Pb含量最少、变化最大,HNO_3提取态Pb含量变化最小;外源Pb添加会降低土壤pH,但对CEC和DOC无明显影响;随着老化时间的延长,土壤pH升高,CEC无明显变化,DOC显著降低;土壤水溶态Pb和DOC可用来预测DGT测定的有效态Pb含量,预测效果较好.     

用TM图象估算海表面叶绿素浓度的神经网络模型

叶绿素浓度是衡量海洋水体质量的重要参数之一。本文以大连湾为示范区于1999年5月10日进行了现场卫星同步实验，采用神经网络模型技术模拟了TM1、TM2两个波段的辐射亮度值与在该湾海域现场获得的叶绿素浓度数据之间的传递机理。结果表明，使用TM图象的两人可见光波段作为输入，采用两层神经网络结构能建立比多回归分析更高的海水表层叶绿素浓度模型。回归分析的相关系数为0.49，神经网络分析的相关系数为0.87.     

基于受体模型与地统计的耕地土壤重金属污染源解析

为探明云南金子河流域耕地土壤重金属污染现状与主要来源,有效开展土壤污染防治, 通过土壤采样与数据统计分析评价了金子河流域典型耕地的重金属污染风险,采用指示克里格方法阐明了研究区重金属元素的空间分布,使用主成分分析-多元线性回归(PCA-MLR)模型进行土壤重金属源解析,并量化其贡献率. 内梅罗综合污染指数法评价结果表明,本研究区中90.79%的土壤点位为重度污染,土壤整体处于重度污染水平. 指示克里格插值结果显示,元素Cd、As、Pb污染的高概率区域主要分布在研究区西部与西南部,Cd、Pb污染的高概率区域主要分布在研究区北部,而Cd、As、Pb污染的低概率区域主要分布在研究区东部及东南部. PCA-MLR模型解析重金属污染来源包括:研究区整体自然源贡献率为12.79%,工业源贡献率为87.21%;东岸自然源、工业源贡献率分别为92.46%、7.54%,西岸自然源、工业源贡献率分别为8.98%、91.02%. 研究显示,金子河流域西岸区域的重金属污染风险明显高于东岸区域,分区域进行源解析可以有效揭示局部污染特性,更为准确地识别污染来源.      

基于人工神经网络的Ni-ZrO2纳米镀层耐腐蚀性能预测

目的 对Ni-ZrO2纳米镀层的耐腐蚀性能进行预测,优化电镀工艺参数.方法 采用磁力搅拌辅助电沉积法,在钴镍基模型合金试样表面制备Ni-ZrO2纳米镀层,针对电镀工艺条件,设置正交实验,对每组实验镀层进行电化学测试,分析不同工艺条件下镀层的耐蚀性能.将ZrO2粒子浓度、电镀液温度和电镀电流密度作为神经网络的输入层,将自腐蚀电流密度作为输出层,运用GRNN神经网络和BP神经网络模型,对Ni-ZrO2纳米镀层进行耐腐蚀性能的预测研究.结果 当ZrO2粒子质量浓度为6 g/L、电镀液温度为60℃、电镀电流密度为5 A/dm2时,Ni-ZrO2纳米镀层的性能良好,表现出较小的自腐蚀电流密度.影响Ni-ZrO2镀层自腐蚀电流密度的因素满足ZrO2粒子浓度>电镀液温度>电镀电流密度.运用GRNN神经网络和BP神经网络对4组非正交实验预测的平均相对误差分别为5.30％与10.74％.结论 运用神经模型可以有效地预测不同工艺参数下镀层的耐腐蚀性能,从而优化工艺参数,提高实验效率.在训练样本较少的情况下,GRNN神经网络的预测性能更加精确.     

厦门市冬春季灰霾期间大气PM10中多环芳烃的污染特征及来源分析

采集了厦门市冬春季(2008-12-04～2009-03-20)湖里工业区和大嶝岛旅游区大气PM10样品,用GC-MS定量了PM10负载的19种多环芳烃(PAHs),并结合采样期间气象资料对灰霾期和非灰霾期多环芳烃的差异特征进行对比分析.结果表明,冬春季采样期内,厦门市大气PM10中PAHs的浓度变化范围为12.93～79.27 ng.m-3,平均42.28 ng.m-3,比2004年冬季增长近3倍.灰霾期间PM10中PAHs总的质量浓度明显高于非灰霾期,并且灰霾期间低分子量组分菲、荧蒽和芘的质量分数显著下降,高分子量组分苯并[b]荧蒽、苯并[k]荧、苯并[a]芘、苝、茚并[1,2,3-cd]芘、苯并[ghi]苝和晕苯的质量分数相对升高.采用特征化合物比值、主成分分析与多元线性回归对来源与贡献率进行了分析和估算.灰霾期间识别出3类污染源:机动车尾气排放+天然气燃烧、煤燃烧和焦炉排放,其贡献率分别为62.7%、28.1%和9.2%;非灰霾期间同样识别出这3类污染源,其贡献率分别为48.6%、36.9%和14.5%.表明厦门市冬春季灰霾期间PM10中PAHs受本地源排放影响相对较多,非灰霾期间受北方燃煤长距离传输影响更显著.