市政污水管道硫化氢生成影响因素及预测模型研究进展

污水在市政污水管道的运输过程中,会释放大量的硫化氢(H₂S),易引发恶臭、中毒和管道腐蚀等问题。采用合理的预测模型对管道中H₂S的产生进行预测,可为后续采取相关的H₂S控制措施提供依据,对于污水管网的规划也具有重要意义。因此,首先分析了影响污水管道中H₂S生成的主要因素;其次将H₂S生成预测模型按照传统统计学和机器学习2类进行归类,并总结其研究进展;最后,探索了H₂S生成预测模型的潜在研究热点和难点,以期为市政污水管道H₂S预测模型的建立提供参考。     

基于灰色预测模型的轨道交通系统安全经济效益定量评价

从安全经济学的角度出发,运用安全投资优化技术与安全经济分析理论的方法找出最优的安全投入点,说明合理的安全投资可以使轨道交通产生最大效益,并且对安全投入分类标准进行了创新,分为设备设施、日常管理、环境、文化教育等4类标准。采用灰色预测模型方法,以某市轨道交通系统为例,对轨道交通安全投入进行预测分析,完成某市轨道交通系统安全经济效益定量评价,根据评价结果验证了合理的安全投资会对轨道交通系统的设备、管理、环境、文化的安全发展带来影响。     

基于MRMR-HK-SVM模型的PM2.5浓度预测

以赣州市2017年全年的空气质量和气象数据为研究对象,通过最大相关最小冗余算法（MRMR）提取出最优的特征子集,并将其作为预测模型的输入数据,同时构造混合核函数（HK）对传统的支持向量机模型（SVM）进行改进,最终建立MRMR-HK-SVM模型.实验结果表明,MRMR-HK-SVM模型有着更低的平均绝对误差（MAE）、平均绝对百分比误差（MAPE）和均方根误差（RMSE）,相较于传统SVM模型,预测结果平均绝对误差下降了26.9%,且能更加准确的追踪到PM_2.5浓度的突变时刻.可见,MRMR-HK-SVM模型具有更好的泛化能力,能够更加精确地预测PM_2.5浓度.     

滑坡灰色系统预测模型及其应用

本文在分析目前国内外滑坡灰色预测预报模型基础上，提出了一种新的滑坡灰色系统预测预报模型。该模型相对於过去常用的灰色模型考虑了更多的影响因素，有更高的可信度。它不仅可用作滑波的临滑预报，还可用于般监测信息的预测。     

基于RBF核ε-SVR的导水裂隙带高度预测模型研究

为了构建更多样本条件下的高精度导水裂隙带高度预测模型,利用灰色关联理论筛选出关联度较高的煤层采厚、顶板岩层强度及其组合特征、采深、工作面斜长、开采分层数及倾角等因素作为输入变量;应用支持向量机回归模型理论,建立了不同模型类型与不同核函数组合的4种支持向量回归模型;采用PSO算法对模型参数进行优化,并对4组模型预测结果进行分析比较.结果表明,基于RBF核ε-SVR预测模型在预测精度、拟合效果与训练效率等方面优于其他3组模型.通过对PSO算法优化的RBF核ε-SVR模型与传统经验公式的预测效果进行综合比较和讨论,可得支持向量回归模型在现代化开采条件下预测准确率更高,可为矿井安全开采与资源综合开发提供依据.     

基于CSABC-ELM的采煤工作面瓦斯涌出量预测

为了提高煤矿工作面瓦斯涌出量的预测精度,研究一种将极端学习机(ELM)与利用混沌搜索策略改进的人工蜂群(CSABC)算法相结合的预测方法。改进后的人工蜂群算法有效解决了ABC算法易陷入局部最优、后期收敛慢等缺陷,利用CSABC优化ELM的输入层和隐含层参数,避免了随机产生ELM参数所造成的误差,建立基于CSABC-ELM的瓦斯涌出量预测模型。利用实际煤矿监测数据对该模型进行试验分析,并与ABC-ELM,ELM和BP神经网络的预测结果进行比较。结果表明,CSABC-ELM预测误差更小,精度更高,泛化性能也更强,能有效地对煤矿瓦斯涌出量进行预测。     

基于灰色支持向量机组合模型的我国火电NOx排放量预测

区域火电NO_x排放量的预测属于小样本、贫信息的灰色系统. 由于NO_x排放量受多个因素的叠加性影响,单一预测模型难以准确反映NO_x排放量的复杂变化,易产生较大的预测误差. 基于此,利用灰色预测理论和支持向量机预测理论,建立了火电NO_x排放量组合优化预测模型. 采用国家权威部门发布的火电NO_x排放量数据,综合考虑影响我国火电NO_x排放量的主要因素,对我国2008—2010年以及2020年的火电NO_x排放量进行了预测,预测结果与官方公布的实际值基本一致; 同时,预测的时间大大缩短.      

风电机组噪声预测

在已有后缘为钝形双叶片风电机组噪声预测模型基础上,结合我国风力发电机组叶片形状及其辐射噪声的频谱特性等,对预测模型进行了修正.通过对3台不同型号风电机组13个测点噪声测量值和预测值对比验证表明,修正后模型能较好地反映风电机组噪声的衰减规律.在预测点与风轮中心距离大于1.5倍风轮直径时,修正后模型预测值与实测值差值在±2.5dB(A)范围内.利用修正后预测模型计算确定的风电机组噪声声功率级及指向性指数,将其代入考虑指向性的点声源模型,可用于简化预测与风轮中心距离大于3倍风轮直径处的噪声.     

响应面法建立不同经口介质中邻苯二甲酸酯生物有效性预测模型及相关因素

运用响应面法对不同消化基质下邻苯二甲酸酯(PAEs)生物有效性的相关因素进行筛选建立预测模型,并对主要因素设定值进行分析.研究表明,3种模型中因变量与自变量之间的相关性较好(土壤:R2=0.959;农作物及植物:R2=0.973;脂肪:R2=0.862),模型拟合度较高.通过多次试验模拟,初步认为在土壤消化基质中,设置人体摄入PAEs经口摄入浓度为10μg·g-1,基质质量为0.4g,pH值约为7时,生物吸收量最高.在植物源基质下,污染物浓度在10—11μg·g-1,消化时间在6—7h,基质质量为0.4g为生物吸收量最高.脂肪源中,基质质量在0.4g,污染物浓度在10μg·g-1,脂肪量在10%—11%时,PAEs生物吸收量最高.研究通过重复试验,充分体现了该模型的准确性,及设定条件的可靠性.但本研究仅考虑摄入介质相对单一,污染物化合形态等未在考虑范围内,在后期研究中将补充试验.     

基于人工神经网络的燃煤汞排放预测模型

利用GA-BP的人工神经网络算法建立燃煤汞排放预测模型,确定煤中汞含量、煤的发热量、煤中硫含量、煤中氯含量、挥发份含量、排烟温度作为输入矢量,元素态汞、氧化态汞和颗粒态汞3个因素作为输出参数,通过对20个燃煤锅炉汞排放形态的测试数据进行模型训练,结合实际测试数据和预测数据对误差来源进行了分析.通过对3个样本进行验证,分析人工神经网络的实际预测效果.研究结果表明,训练与预测的精度都是符合汞排放预测实际要求的,预测精度达0.895,分析表明利用人工神经网络建立预测模型可对燃煤汞排放进行预测.