基于韦伯-费希纳定律的空气质量普适韦伯指数公式

在适当设定各项空气污染物浓度"参照值"cj0的基础上,用相应于"参照值"cj0的污染物的"规范值"xj作为基于韦伯-费希纳(W-F)定律空气质量指数公式中的污染刺激量。由于各污染物同级标准的浓度"规范值"xjl差异不大,从而可以认为各污染物的韦伯指数公式等效于一个具有共同适用的韦伯常数α的W-F指数公式,并采用粒子群(PSO)算法优化得出α,得到对7项空气污染物皆适用的空气质量普适韦伯指数公式。该公式应用于多个实例分析,并与多种其它评价方法的评价结果比较表明,空气质量普适韦伯指数公式具有简单、实用和直观的特点。     

PSO和SVM混合算法确定太湖入湖河流水质主要影响因子

以影响太湖入湖河流水质的24个因子值为研究对象,将PSO算法与SVM算法相结合。PSO算法用于优化SVM算法的参数c和g,以利于快速、高效地确定c和g的全局最优值;SVM算法基于最优的c和g,分别以24,21,18,15,12,9和6个因子作为特征向量预测水质的污染程度。结果表明,当特征向量为9个影响因子时预测率最高。其参数c=18.56,g=1.35,对应的预测率为：全局预测率92.59%,重度污染水质预测率88.89%,轻度污染水质预测率94.45%。因此,通过PSO和SVM混合算法,可以确定影响太湖入湖河流水质的主要因子,利用这些主要因子对水质进行预测预警,不但可以节省时间,而且可以得到精确的结果。     

核化危害源项反演技术现状及研究展望

源项反演对缓解和遏制核化危害源、精准预测核化危害时空传输和扩散情况、辅助作战行动和保障决策等具有十分重要的意义.本文从源项反演应用平台和源项反演关键算法(包括欧拉方法、拉格朗日方法、深度学习等)两个方面,对国内外核化危害源项反演技术的现状和二者间的差距进行了总结与分析.研究指出,利用深度学习提高反演精度和速率、从单污染...     

我国首枚国家自主安全算法RFID芯片

2008年,Mifare卡被荷兰NRU大学的F.D.Garcia攻破。中国各类重要门禁、一卡通等使用M1技术的智能卡系统受到了潜在的安全威胁,各IC卡应用行业开始进行全面、系统的安全检查。2009年,上海华虹集成电路有限责任     

污泥热干化含水率实时监测的HBA-SVM回归模型研究

利用网格划分法和黑盒法采集分析污泥含水率的实时监测数据，探讨热干化系统湿热空气的性质和计算方法，研究回风口排湿速率和干化时间与污泥含水率的关系。在污泥干化领域尝试引入最新蜜獾算法(HBA),优化支持向量机(SVM),构建HBA-SVM回归模型，并与粒子群算法(PSO)和遗传算法(GA)优化的SVM回归模型进行对比分析。结果表明：回风口排湿速率和污泥含水率随干化时间增加呈非线性降低，排湿量下降的变化速率略高于含水率。HBA-SVM的决定系数(R²)是0.996 5,均方根误差(RMSE)是0.979 2,离散度更低，精确度更高；将模型移植到嵌入式系统，经现场试验验证，综合预测精度可达90%以上，是实际污泥含水率监测的一种有效方法。     

四川省区域经济不平衡发展特征分析

以地市州为基本经济单元,以1999年主要相对指标为依据,通过综合值测算法,将全省划分为四类经济发展水平不同的地区,对四类地区平均总量指标、相对指标进行了对比分析,并揭示了其空间分布特征,简要分析了各类地区经济发展的条件和方向;以1999年、1978年各地市州GDP为例,对比分析了四川省区域经济不平衡发展的动态性特征。     

改善ECG中50Hz干扰的抑制性能

为改善心电图中５０Ｈｚ市电干扰的抑制性能,在采用简单的凹口滤波器的自适应干扰地消器的情况下,采用变动量ＬＭＳ算法,通过计算机模拟,从收敛性能和运算量等方面对ＬＭＳ算法和变动量ＬＭＳ算法算比较分析。     

VSS算法用于抑制心电图中50Hz干扰

由于可变步长ＬＭＳ（ＶＳＳ）算法能有效地改善ＬＭＳ算法存在的收敛速度与收敛误差之间的矛盾,因此可以显著地提高对干扰的抑制性能。为进一步改善心电图（ＥＣＧ）中的５０Ｈｚ干扰的抑制性能,本文应用ＶＳＳ算法。通过模拟实验分析了参数与抑制性能的关系,并从各方面与ＬＭＳ算法和其它改进的ＬＭＳ算法进行比较。     

改进BP算法在煤与瓦斯突出预测中的应用

为了正确预测煤与瓦斯突出的趋势与危险性 ,基于反向BP神经网络 ,笔者提出了一种改进的BP网络模型 :为了加快BP网络的收敛速度 ,增强其跳出局部极小点的能力 ,采用了自适应变步长法和改进模拟退火法 (SA法 )相结合的方法。实际应用表明 ,该模型收敛速度快 ,准确性高 ,具有较高的可靠性和实用性 ,是一种十分有效的煤与瓦斯突出危险性预测方法。     

深水平台施工过程自然风险定量评估

在分析现有风险理论的基础上,结合海洋施工实际,提出了一种对海洋施工自然风险进行定量评估的模型。根据目标系统各风险事件与影响因素之间存在高度非线性复杂映射的特点,提出了利用BP神经网络拟合方法,对主要风险事件发生概率进行量化的模型。针对传统的梯度下降优化算法收敛速度慢的特点,采用可避免计算Hesse矩阵的Levenberg-Marquardt算法来训练神经网络。这一模型可以模拟专家评价,并准确地按照专家的评定法则进行估算,具有一定的通用性。