考虑洪涝灾害风险的城市应急避难场所选址研究*

为解决洪涝灾害下城市应急避难场所选址优化问题,将洪涝灾害风险评估与选址模型相结合。首先,运用灰色模糊综合评价法对洪涝灾害风险进行评价,得到洪涝灾害风险综合指数。然后,将综合指数归一化处理后作为权重引入疏散距离最小化和覆盖人口最大化的目标函数,结合最小化避难所数量,以最大服务范围、容量作为约束,构建引入洪涝灾害综合风险权重的多目标应急避难场所选址优化模型,并采用遗传算法对模型进行求解。最后,以武汉市作为实证研究对象验证模型的科学性和有效性。研究结果表明:在考虑洪涝灾害风险的情况下,应急避难场所选址方案可在接近最优解的情况下达到最优。研究结果可为城市防洪应急避难场所布局优化提供参考。     

Fe3O4/GO对水溶液中Cd(II)去除的影响因素

为探索高效且快速去除水溶液中Cd （Ⅱ）污染方法,采用自制磁性四氧化三铁负载氧化石墨烯（Fe₃O₄/GO）纳米复合材料对水溶液中Cd （Ⅱ）进行去除,利用单因素实验确定影响因素水平范围（初始Cd （Ⅱ）浓度、温度、反应时间、初始pH值）,并采用响应面法（RSM）及人工神经网络-遗传算法（ANN-GA）对去除水溶液中Cd （Ⅱ）的影响因素（4因素3水平）进行优化,利用等温吸附、动力学及热力学参数研究吸附剂性能.通过扫描电子显微镜（SEM）、X射线衍射仪及超导量子干涉器件（SQUID）对复合材料表征.结果表明,平均粒径为30.9nm的磁性Fe₃O₄/GO纳米复合材料被成功制备.RSM用于磁性Fe₃O₄/GO纳米复合材料对水溶液中Cd （Ⅱ）去除条件优化,预测去除率达到86.451%,验证试验为82.220%,对应条件：温度为20.14℃,反应时间为57.78min,初始pH值为6.41和初始Cd （Ⅱ）浓度为11.18mg/L; ANN-GA优化条件后的预测去除率为89.722%,验证试验为87.723%,相应条件：温度为29.96℃,pH值为5.49,初始Cd （Ⅱ）浓度为28.36mg/L,反应时间为65.78min.根据模型R²值,预测的最大去除率及验证试验,ANN-GA模型性能及预测能力均高于RSM.RSM方差分析表明4个因素对磁性Fe₃O₄/GO纳米复合材料去除水溶液中Cd （Ⅱ）的影响大小为：初始Cd （Ⅱ）浓度>温度>反应时间>pH值.吸附机理分析结果显示,Fe₃O₄/GO纳米复合材料对Cd （Ⅱ）吸附过程同时存在着物理吸附和化学吸附.结合ANN-GA优化,利用磁铁实现且快速分离,磁性Fe₃O₄/GO纳米复合材料用于去除Cd （Ⅱ）是可行的.关键字：Cd （Ⅱ）;四氧化三铁负载氧化石墨烯;单因素实验;响应面法;人工神经网络-遗传算法中图分类号：X53     

简单多边形的三角化算法

提出了一种针对简单多边形的快速三角化算法。该算法利用了多边形的方向性,计算出了多边形每个顶点凹凸性。根据多边形的凹点和凸点的特性,将多边形逐步分割成一系列不可再分割的三角形,实现了多边形的三角化。     

基于遗传算法的EMI滤波器自动进化设计

将遗传算法和电路进化设计应用于电源EMI滤波器的优化设计。针对EMI滤波器设计所需满足的各种限制条件,综合考虑滤波器插入损耗、阻抗失配、EMC标准等因素,确定设计优化准则,选择进化算法优选适合的电路拓扑,用遗传算法确定元件参数,实现滤波器自动设计。对遗传算法存在的“早熟”现象提出改进措施。实验验证了该优化设计结果能有效抑制EMI噪声,具有实用意义。     

基于Adaboost集成BP网络原煤生产成本预测研究

为了提高传统BP神经网络预测模型精度,避免BP网络容易陷入局部极值、收敛速度慢等问题,将BP神经网络与Ada-boost算法相结合,提出了一种Adaboost集成BP神经网络模型.结合磁县观台煤矿原煤生产成本相关数据,建立了原煤生产成本预测的Adaboost集成BP神经网络模型,将该模型用于实际的原煤成本预测.结果表明：该模型预测精度高于传统的BP神经网络,收敛速度快,具有较强的鲁棒性,预测精度能满足实际预测需要,为原煤生产成本预测提供了一种新的途径,也为原煤生产成本控制提供了重要依据.     

蛙跳算法优化的地下水质评价的参数化组合算子模型

传统的参数化多元组合算子模型在进行对数变换后,采用最小二乘法求解模型参数。在满足构建的优化目标函数条件下,直接用基于群集智能的混合蛙跳算法对参数化组合算子模型中的参数进行优化,避免了传统解法过程中需要进行的对数变换,因而使参数求解变得简化。改进后的参数化组合算子模型被应用于地下水水质评价,其评价结果与用其他多种方法的评价结果基本一致。从而表明:混合蛙跳算法优化得出的地下水水质评价参数化组合算子模型为地下水水质评价提供了一种简便和实用的新方法。     

Reducing over-reporting of deterministic co-occurrence patterns in biotic communities

Null models of species co-occurrence are widely used to infer the existence of various ecological processes. Here we investigate the susceptibility of the most commonly used of these models (the C-score in conjunction with the sequential swap algorithm) to type 1 and type 2 errors. To do this we use simulated datasets with a range of numbers of sites, species and coefficients of variation (CV) in species abundance. We find that this model is particularly susceptible to type 1 errors when applied to large matrices and those with low CV in species abundance. As expected, type 2 error rates decrease with increasing numbers of sites and species, although they increase with increasing CV in species abundance. Despite this, power remains acceptable over a wide range of parameter combinations. The susceptibility of this analytical method to type 1 errors indicates that many previous studies may have incorrectly reported the existence of deterministic patterns of species co-occurrence. We demonstrate that in order to overcome the problem of high type 1 error rates, the number of swaps used to generate null distributions for smaller matrices needs to be increased to over 50,000 swaps (well beyond the 5000 commonly used in published analyses and the 30,000 suggested by Lehsten and Harmand, 2006). We also show that this approach reduces type 1 error rates in real datasets. However, even using this solution, larger datasets still suffer from high type 1 error rates. Such datasets therefore require the use of very large numbers of swaps, which calls for improvements in the most commonly used software. In general, users of this powerful analytical method must be aware that they need surprisingly large numbers of swaps to obtain unbiased estimates of structuring in biotic communities.     

中国低碳经济发展的渐进式路径

在对国际低碳经济发展的路径类型及其演进过程深入考察的基础上,基于现实利益和基本国情对中国低碳发展的渐进式路径进行了论证,并顺应低碳经济发展的趋势,创造性地提出了我国低碳发展的五步走战略,明确了渐进式低碳发展的路线图。     

基于模糊神经网络的A2/O工艺出水氨氮在线预测模型

采用厌氧/缺氧/好氧污水处理系统(A2/O)对人工合成污水进行处理,并利用人工神经网络(ANN)模型和自适应模糊人工神经网络(ANFIS)模型对A2/O处理污水的过程进行仿真模拟.在MATLAB环境下,选取可在线监测的水力停留时间(HRT)、进水pH值(pH)、好氧池溶解氧(DO)和混合液回流比(r)作为输入参量,系统出水氨氮浓度(NH4+eff)为输出量,建立在线预测模型.结合自适应模糊C均值聚类算法,确定ANFIS模型的模糊规则数及最优运行参数,对实验数据进行仿真预测.结果表明,与ANN模型相比,ANFIS模型的仿真输出值与实际值的拟合程度更高,相对误差在6.45%之内,平均绝对百分比误差(MAPE)为2.8%,均方根误差(RMSE)为0.1209,相关系数(R)达0.9956.模型训练过程中所得到的三维曲面图,可直观的反映各因素与出水氨氮浓度之间的非线性函数关系,为A2/O系统的高效稳定运行提供指导.     

基于计算智能的流域污染排放优化模式研究

基于人工神经网络和遗传算法建立了流域排污削减控制的技术框架.通过对排污口和目标断面水质监测数据的模拟与优化提出最优的排污削减控制策略,从而使目标功能区达标,可以间接的实现环境容量总量控制.结合情景分析理论对松花江哈尔滨段的朱顺屯-东江桥(S1)与东江桥-大顶子山(S2)功能区进行了COD的排污优化研究.结果表明,S1区段执行III类功能区标准时,何家沟与松北两个排污口平均削减率分别为23%和25%;执行II类功能区标准时2个排污平均削减率分别为64%和42%.S2执行II类功能区标准,太平,阿什河和呼兰河排污口全年平均削减率分别为18%、53%和25%.基于计算智能的削减控制模式实用可操作性强,可以科学、合理的对各个排污口源强进行优化,给出最优的污染排放策略.