有色金属大气腐蚀网络数据库及共享系统开发

利用现有环境试验网站材料腐蚀数据和环境腐蚀数据并加以整理,在Unix操作系统环境下,采用Oracle数据库管理系统,设计和创建了材料大气腐蚀网络数据库中的有色金属材料子库.并在此有色金属材料大气腐蚀数据库的基础上,运用Java语言以及Spring、Hibernate等Java开源项目,编程设计、开发创建了B/S结构的数据库的共享系统.共享系统包括网络数据库管理系统和查询系统两大部分,易于扩展,操作方便,功能强大,可实现材料环境腐蚀数据的共享.     

环境应急网络视频监控系统设计

文章分析了当前我国环境应急监测的现状,阐述了在环境应急监测中加强信息技术应用的重要性和必要性,介绍了视频监控技术的发展演变过程以及网络视频监控技术在环境应急监测中的优势,提出了基于3G网络视频监控技术的环境应急监测系统,主要由前端视频采集、3G传输网络、指挥中心、监控客户端等四部分组成,可以将事故现场的视频监控信号快速发送至各级指挥中心,提高应急处置效率。     

污水处理中人工神经网络应用研究的探讨

针对污水处理系统的时变性、非线性、复杂性和不确定性的特点,提出应用人工神经网络技术对其控制,实现污水处理系统自动控制。简述了目前广泛应用于废水处理的神经网络以及建模原理。结合国内外研究动态,分析了人工神经网络在污水处理领域取得的成果,结果表明:在污水处理中引入神经网络智能控制是一种提高处理效率、降低运行成本的有效方法,国内在污水处理的神经网络智能控制的研究与国外有较大的差距,国内的研究及应用还处在发展阶段,应当加强。并对神经网络待解决的问题和发展趋势作了讨论。     

基于DE-BPNN模型的含腐蚀缺陷管道失效压力预测

为提升含腐蚀缺陷管道失效压力预测精度,准确把控管道状态,建立基于DE-BPNN的含腐蚀缺陷管道失效压力预测模型,有效避免BPNN模型陷入局部最优问题,提升预测精度.基于61组管道爆破实验数据,分别用DE-BPNN与BPNN模型进行仿真计算.结果表明:DE-BPNN预测结果平均相对误差为3.26％,R2为0.98585,...     

基于无线传感器网的噪声监测系统设计及应用

噪声污染严重危害着人类的身心健康与生活质量,基于物联网技术拓展噪声监测方法的研究对当前我国城市环境噪声污染控制具有重要的指导意义。从噪声监测同步、联动、实时的需求出发,利用无线传感器网络技术中的ZigBee技术,结合地理信息系统,设计了基于无线传感器网络的噪声监测系统,并将该系统应用于某科研单位园区噪声污染的联网监测。实验结果表明,基于无线传感器网络的噪声监测系统的监测结果可以反映噪声污染的真实情况,可以作为治理噪声污染对策的依据。     

电除尘器计算机智能控制系统的开发

阐述了IPC系统一的T／R微机控制设备、低压微机控制设备的技术特性以及该系统的构成和基本功能,并对其网络控制功能和智能化闭环控制功能作了重点讨论。     

基于PSO算法的BP神经网络对水体叶绿素a的预测

BP神经网络(Back Propagation Network)在水体富营养化评价及预测中已广泛应用,但传统BP算法的收敛速度慢并易陷入局部最优. 提出了一种基于微粒群(PSO)算法的BP神经网络模型,利用PSO对神经网络的权值进行修正,优化神经网络结构及算法全局收敛性. 选择最能代表明湖水质状况的5号采样点作为研究对象,把2009年4月—2010年3月的月样本插值为周样本,对明湖ρ(Chla)的短期变化趋势进行了预测,并用6号采样点数据来验证网络的泛化能力. 比较分析基于PSO算法的新模型与传统BP算法模型的预测精度表明,新模型有效克服了传统算法的缺点,提高了网络的预测能力和学习能力.      

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。     

基于模拟-优化方法的地下水污染源溯源辨识

以抚顺市某煤矸石堆放场为研究区,根据研究区的实际条件建立地下水污染质运移模拟模型,预测地下水污染质未来时空变化特征.基于正演预报结果构建了假想例子,应用模拟-优化方法对地下水污染源源强及场地的渗透系数进行反演识别.为减小优化模型反复调用模拟模型所产生的计算负荷,分别采用Kriging方法和BP神经网络方法建立了模拟模型的替代模型.最后运用模拟退火法求解优化模型,得到反演识别结果.研究表明：应用Kriging方法建立的替代模型输出结果的平均相对误差为0.3%;应用BP神经网络方法建立替代模型的输出结果平均相对误差为1.5%,应用两种替代模型对污染源源强识别的相对误差均小于0.5%,对场地两个参数分区渗透系数识别的相对误差均不大于5%.综上,应用Kriging方法建立的替代模型精度高于BP神经网络方法,利用基于两种替代模型的模拟-优化方法对污染源源强和渗透系数进行同步识别精度可以满足实际需求,是有效可行的.     

基于贝叶斯网络分类的土壤盐渍化遥感监测

贝叶斯网络是一种将贝叶斯概率方法和有向无环图的网络拓扑结构有机结合的概率模型。采用贝叶斯网络分类对具有典型干旱特征的库车县土壤盐渍化情况进行监测，首先应用条件独立性测试原理建立贝叶斯网络结构，把研究区遥感数据进行离散化，然后应用贝叶斯定理作为分类原则，将每个像元分为像元最大概率的类别。研究结果表明该方法分类6种地类的整体分类精度达到96％，为该区盐渍地面积、空间分布等特征监测提供了较好的依据。