Optimizing mixture properties of biodiesel production using genetic algorithm-based evolutionary support vector machine

Nowadays, biodiesel is used as one of the alternative renewable energy due to the increasing energy demand. However, optimum production of biodiesel still requires a huge number of expensive and time-consuming laboratory tests. To address the problem, this research develops a novel Genetic Algorithm-based Evolutionary Support Vector Machine (GA-ESIM). The GA-ESIM is an Artificial Intelligence (AI)-based tool that combines K-means Chaotic Genetic Algorithm (KCGA) and Evolutionary Support Vector Machine Inference Model (ESIM). The ESIM is utilized as a supervised learning technique to establish a highly accurate prediction model between the input--output of biodiesel mixture properties; and the KCGA is used to perform the simulation to obtain the optimum mixture properties based on the prediction model. A real biodiesel experimental data is provided to validate the GA-ESIM performance. Our simulation results demonstrate that the GA-ESIM establishes a prediction model with better accuracy than other AI-based tool and thus obtains the mixture properties with the biodiesel yield of 99.9%, higher than the best experimental data record, 97.4%.     

培养藻类制取生物能源的研究

能源紧张和环境污染是全世界所面临的共同问题,用藻类替代传统作物生产生物能源是生物质能的重要发展方向之一。文章介绍了国内外对藻类培养条件、光生物反应器型式、藻类基因工程、藻细胞收集方法以及能源藻类生产系统的研究成果。研究认为,以藻类为原料生产生物燃料具有良好的发展前景,并指出了今后能源藻类生长的重点研究方向。     

水环境质量综合评价的新模型

为检验已订的水环境质量评价标准的合理性,解决各单项水质指标的评估结果的不相容性问题,提高水质等级模型的分辨率,提出了一种新的水质评价模型-逻辑斯谛曲线(LOG)模型,它的水质等级是连续的实数值;根据LOG模型的参数值可以分析各水质指标值对水质等级的影响程度,从而检验原订水质等级标准的合理性;并给出了基于实码遗传算法的LOG建模的实施方案.实例研究说明,这套方案是实用的和通用的,在其它环境质量综合评价中也具有广泛的应用价值.     

区域水战略方案选优的动态组合评价模型研究

水安全危机是人类进入新世纪以来在生存及发展方面所面临的最严重挑战之一。研究科学合理的水安全战略成为区域可持续发展的重大课题。针对区域水战略问题涉及众多因素且各因素之间动态关联的特点,提出了基于水战略方案优选的兼容度极大化动态组合评价模型（CMM—DCEM）,并将其成功地应用于我国广东省北江下游及其三角洲地区水安全战略方案优选评价。评价结果及模型基于不确定性的敏感性分析结果证明：CMM—DCEM实现了主、客观赋权方法以及单一评价模型的融合,使用实码加速遗传算法求解目标函数,克服了传统的组合评价方法计算繁琐的不足,评价过程更加科学合理。     

杉木地理种源遗传变异的RAPD分析

应用随机扩增多态性DNA技术对我国12个有代表性的杉木地理种源遗传多样性进行分析,从80个随要引物中筛选出20个进行扩增,共扩增出149个DNA片段,其中具多态性的片段有115个,占77．18％％,表明极木地理种源间具有丰富的DNA序列多态性、平均每个引物提供7．45个RAPD标记的信息量,扩增出的DNA片段大小一般为150到2000bp范围之间,12个杉木地理种源间遗传距离变幅为0．193－0．4467,聚类结果表明,在0．2664处,广东信宜,广西梧州,湖南会同,湖南江华,贵州锦屏,江西全南聚为一类,福建沙县,浙江开化,湖北咸宁,安徽休宁聚为一类,四川雅安,陕西南郑各为一类,图2表2参15     

Forecasting China’s primary energy demand based on an improved AI model

An improved energy demand forecasting model is built based on the autoregressive distributed lag (ARDL) bounds testing approach and an adaptive genetic algorithm (AGA) to obtain credible energy demand forecasting results. The ARDL bounds analysis is first employed to select the appropriate input variables of the energy demand model. After the existence of a cointegration relationship in the model is confirmed, the AGA is then employed to optimize the coefficients of both linear and quadratic forms with gross domestic product, economic structure, urbanization, and technological progress as the input variables. On the basis of historical annual data from 1985 to 2015, the simulation results indicate that the proposed model has greater accuracy and reliability than conventional optimization methods. The predicted results of the proposed model also demonstrate that China will demand approximately 4.9, 5.6, and 6.1 billion standard tons of coal equivalent in 2020, 2025, and 2030, respectively.     

煤炭产业国际竞争力的遗传—投影寻踪评价

根据煤炭产业发展的实际状况,提出了煤炭产业竞争力评价的指标体系。采用探索性数据分析—投影寻踪法,结合遗传算法,建立了遗传—投影寻踪综合评价模型。以全球11个主要产煤国为对象进行了实证研究,验证了该方法的科学性和实践的可行性,提出提升我国煤炭产业竞争力的对策建议。     

遗传投影寻踪回归在城市环境质量评价中的应用

引入投影降维的思想,将遗传投影寻踪与回归分析技术运用到城市环境质量评价中。将此技术与神经网络方法进行实例比较,投影寻踪回归方法不但可以合理地作出环境质量的综合评价,而且消除了神经网络方法中类别判断不够精确的影响。     

响应面法和神经网络优化Acinetobactersp．DNS32发酵基质

为了提高阿特拉津降解菌Acinetobactersp．DNS32的产量,分别采用响应曲面法和基于人工神经网络的遗传算法对阿特拉津降解菌DNS32发酵培养基中3个重要基质成分（玉米粉、豆饼粉、K：HPO。）进行优化研究。响应曲面法确定3种成分的含量为玉米粉39．494g／L,豆饼粉25．638g／L和K。HPO。3．265g／L时,预测发酵活菌最大生物量为7．079×10^8CFU／mL,实测量为7．194×10^8CFU／mL;人工神经网络结合遗传算法优化确定3种主要成分含量为玉米粉为39．650g／L,豆饼粉为25．500g／L,K2HPO4为2．624g／L时,预测最大值为7．199×10^8CFU／mL,实测量为7．244×10。CFU／mL;最终确定培养基配方：玉米粉为39．650g／L,豆饼粉为25．500g／L,K2HPO4为2．624g／L,CaCO3为3．000g／L,MgSO4·7H2O和NaCl均为0．200g／L;优化后阿特拉津降解菌DNS32发酵生物量比优化前提高了36．6％。结果表明,在阿特拉津降解菌DNS32发酵培养基组分优化方面,响应面法和基于人工神经网络的遗传算法都是可行的,基于人工神经网络的遗传算法具有更好的拟合度和预测准确度。     

响应面法和神经网络优化Acinetobacter sp. DNS32发酵基质

为了提高阿特拉津降解菌Acinetobacter sp.DNS32的产量,分别采用响应曲面法和基于人工神经网络的遗传算法对阿特拉津降解菌DNS32发酵培养基中3个重要基质成分(玉米粉、豆饼粉、K2HPO4)进行优化研究。响应曲面法确定3种成分的含量为玉米粉39.494 g/L,豆饼粉25.638 g/L和K2HPO43.265 g/L时,预测发酵活菌最大生物量为7.079×108CFU/mL,实测量为7.194×108CFU/mL;人工神经网络结合遗传算法优化确定3种主要成分含量为玉米粉为39.650 g/L,豆饼粉为25.500 g/L,K2HPO4为2.624 g/L时,预测最大值为7.199×108CFU/mL,实测量为7.244×108CFU/mL;最终确定培养基配方:玉米粉为39.650 g/L,豆饼粉为25.500 g/L,K2HPO4为2.624 g/L,CaCO3为3.000 g/L,MgSO4.7H2O和NaCl均为0.200 g/L;优化后阿特拉津降解菌DNS32发酵生物量比优化前提高了36.6%。结果表明,在阿特拉津降解菌DNS32发酵培养基组分优化方面,响应面法和基于人工神经网络的遗传算法都是可行的,基于人工神经网络的遗传算法具有更好的拟合度和预测准确度。