北京密云水库富营养化预测模型的研究

本文实质上是分层水库的水动力生态水质模拟模型。模型预测了水库水位、水温、悬浮物,可溶解磷、颗粒磷、总磷、消光系数、浮游植物和透明度等参数的月平均值或部分月平均值。预测值与实测值拟合良好。      

道路交通噪声变化的马尔柯夫过程定量预测

介绍了马尔柯夫过程的理论及方法,并将其预测模型和稳定状态方程应用于道路交通噪声变化的定量预测上,其预测结果与研究市区道路交通噪声变化的实际情况相一致,表明用马尔柯夫过程定量预测道路交通噪声变化是可行的。      

高速公路隧道与互通出入口小净距路段行车风险评价方法

为评价隧道与互通出入口小净距路段的行车风险,提出了基于交通流仿真的行车风险预测模型。首先,在明确小净距路段长度的基础上,定性分析其行车风险,从非交通流和交通流的角度选取风险影响因素;其次,通过实地调研采集的视频数据对交通仿真模型进行标定,结合风险与影响因素的关系,将交通冲突率作为风险评价指标;然后,通过单因素和多因素试验量化了风险影响因素和风险评价指标间的关系,揭示了小净距路段的风险成因,利用多元非线性回归法构建了风险度量方程,并采用K均值聚类算法将风险评价标准划分为5个等级;最后,选取某些山区高速公路隧道与互通出入口小净距路段对风险预测模型进行验证。结果表明：净距长度、主线设计速度、交通量、大车型比例、转向交通量比例、车道数对出入口路段的行车风险具有显著性影响;对于出口路段,“指数函数+幂函数”组合形式的拟合度较好,R²=0.896,对于入口路段,“二次多项式+指数函数”组合形式的拟合度较好,R²=0.855,模型评价结果与实际事故数的趋势基本一致,可适用于小净距路段行车安全风险评价。     

地下水环境影响预测相关问题探讨

地下水环境影响预测是地下水评价的重要组成部分,解析法预测过程主要由模型选取、预测因子确定、预测源强核算、预测结果分析等几个环节组成,为了能够更好地指导地下水环境影响预测实践,本次对各环节中存在的相关问题进行探讨,地下水解析法预测应选用二维水动力弥散预测模型,预测因子选取时应充分考虑特征因子对于预测模型的适用性,源强确定时应充分结合防渗技术要求或者具体的防渗措施,正常状况下场界应达标,但非正常状况下,场界可出现超标,并给出场界和地下水保护目标处特征因子随时间的变化规律。     

基于不同指标无量纲化方法的岩爆预测模型优选

为研究不同指标无量纲化方法对岩爆等级预测模型精度的影响,提高岩爆预测准确率,选取应力系数、脆性系数和弹性能量指数作为预测指标。基于104组岩爆实例大样本数据,采用统一极差处理法、差异化极差处理法、平均化处理法和归一化处理法4种指标无量钢化方法,对预测指标的原始数据进行处理,建立不同的岩爆预测距离判别模型并进行工程实例应用。研究结果表明:基于平均化处理法的岩爆预测模型的回判准确率高达97.1%;对不同矿山、隧道和水电站的6个工程实例的预测结果符合实际情况,说明其是一种准确率高、方便实用的岩爆预测模型。     

基于信息融合的建筑施工安全预警管理研究

针对建筑业安全事故率居高不下的现状,找出事故频发的主要原因。基于主要原因中人、机、环境和管理4方面数据和信息的复杂性、不确定性,提出采用信息融合技术的D-S证据理论法对建筑施工全过程中的人、机、环境、管理4方面的数据和信息进行分析和预测,并构建建筑施工安全预警管理预测模型。该预测模型能判断建筑施工项目的"安全状态",能解决建筑施工中安全事故及危险源的预测问题;同时针对具体情况采取防范措施,及时矫正安全隐患和确保安全施工。将D-S证据理论法应用于建筑施工安全预警管理中,扩展了建筑施工安全管理的手段。     

基于小波分析与BP神经网络的PM_(10)浓度预测模型

应用小波分析和BP神经网络相结合的方法,建立大气污染物浓度预测模型。首先,利用静态小波分解将原始的大气污染物浓度序列分解为不同频段的小波系数序列;其次,将重要的气象因子和各尺度上的小波系数序列作为BP神经网络的输入;最后,对输出的各序列预测值重构,得到最终的预测结果。使用该模型对重庆市主城区某国控监测站点的PM_(10)浓度预测,结果表明,与传统的BP神经网络模型相比,该预测模型的推广能力强、预测精密度高,具有良好的应用前景。     

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     

支持向量机在城市震后火灾损失预测中的应用

针对地震火灾的复杂性和多变性的特点,在综合分析了各种震后火灾损失预测方法的基础上,提出了基于支持向量机的城市震后火灾损失预测模型。以地震火灾的历史资料为依据,建立学习样本和测试样本,并与BP神经网络预测方法相比较,验证了其可行性,也为其它自然灾害的损失预测提供了简单、有效的方法。     

基于灰色马尔可夫的道路交通事故预测

探讨灰色马尔可夫模型在道路交通事故中的具体应用。灰色模型适用于短期、数据量少和波动不大的预测问题,在长期预测时,数据序列拟合较差,预测精度偏低;而马尔可夫链适用于长期、数据序列随机波动大的预测问题。灰色马尔可夫模型结合了灰色GM(1,1)模型和马尔可夫理论的优点,利用灰色模型进行长期预测,再利用马尔可夫链理论进行波动状态预测,最后得到期望值。该模型克服了随机波动性数据对道路交通事故预测精度的影响,提高了灰色预测的准确度。实例结果,证明灰色马尔可夫GM(1,1)模型具有较好的应用价值,为道路交通安全管理提供了有用依据。