基于改进NSGA-Ⅱ算法的危险品运输路径优化研究

危险品运输路径的选择对于降低危险品运输事故危害有着重要的影响.首先通过构建时空矩阵存储道路信息用以模拟危险品运输事故率和事故后果,并结合成本因素建立综合、动态、多目标的危险品运输路径优化模型;然后改进了NSGA-Ⅱ算法,即在其算法模块中利用基于优先级的编码方式代替传统二进制编码方式,自定义问题模块中加入判断跨时间段的条...     

基于韧性曲线的城市地铁网络恢复策略研究

为了提高城市地铁网络的韧性,基于复杂网络理论和韧性城市理论,研究地铁网络在不同失效场景下的最优恢复策略.用Space L方法和Gephi软件构建地铁网络,以网络平均效率为韧性指标,以网络恢复力最大为目标函数构建城市地铁网络恢复模型,用遗传算法进行求解.最后以西安地铁网络为例,用Matlab模拟了其在小规模和大规模站点失...     

环境监测优化布点的人工神经网络模型

采用B－P算法的人工神经网络,对选定的标准样本进行训练,用训练结束后网络的稳定权值和阈值,并结合标准样本的网络输出,即可对环境监测样点进行优选。应用于大气环境监测优化布点的实例结果表明,人工神经网络用于环境监测优化布点是可行的     

电除尘器比电阻软件测算研究与应用

为了进一步提高静电除尘器的收尘效率、降低能耗,对粉尘比电阻这一重要影响因素进行了研究。依据粉尘比电阻值定义,建立了收尘极板上粉尘层压降模型,提出了利用压降模型和伏安拟合特性曲线数学表征式来在线测算真实工况下粉尘层比电阻的实现方法。以480C型阳极板、RS芒刺阴极线极配形式进行了模拟验证实验,结果表明测算所得的比电阻数值与实际值相符。最后对现有电除尘控制系统中基于比电阻值的反馈控制方法做了简要介绍。     

基于数字图像处理的人员运动参数提取方法研究

针对人员疏散研究中提取疏散场景行人运动参数的需要,采用数字图像处理技术对记录行人运动的视频进行了处理.首先对背景进行混合高斯建模并提取前景,然后采用mean-shift算法对视频中彼此相连的多个行人目标进行有效地聚类分割并准确地跟踪每个行人,得到了包含有行人运动特性时空信息的运动轨迹,利用轨迹得到了行人在行进过程中的速度变化特征.结果表明该文所提出方法可以方便、快速、准确地提取人员运动特性参数,可望对提取人员疏散实验以及真实场景中行人运动的基础数据,如速度、密度、流量等提供有效的技术手段.     

不同空间尺度下危化品运输路径优化

为了解决化工园区危化品运输路径优化问题,研究了化工“园区间”与“园区内”2种空间尺度下危化品运输的影响因素差异性,提出以最小化运输阻抗、最小化运输风险和最小化风险敏感度为优化目标的不同空间尺度下危化品运输路径优化模型。通过目标量化确定每条路径上的目标值,将标准化后的目标值引入到Dijkstra算法和集成目标函数最优折衷路径的扩展标号法中,对危化品运输多目标优化模型进行求解。研究结果表明:不同空间尺度下的危化品运输最优路径不同,应根据危化品运输的实际情况对运输路径进行选择。最后,以平顶山某化工园区的抽象路网为例对优化模型进行验证。     

基于Kriging模型的载人航天某装置结构优化设计研究

对于处在振动环境中的载人航天某装置复杂结构,设计过程中存在最小化质量、同时最大化一阶整体振动频率的多目标优化问题,可以利用多目标遗传算法(NSGA-II)求解得到Pareto最优解集,但利用NSGA-II进行求解计算量大,对于复杂结构更甚。为了节省计算时间,提出基于Kriging代理模型的复杂结构多目标优化设计方法,首先通过拉丁超立方采样获得样本点,然后通过样本点创建Kriging模型,最后利用多目标遗传算法求解代理模型得到Pareto最优解集,方便设计师从中选择最优解,优化结果表明本文所述方法合理有效。     

区域性应急物资储备级库间的协同选址模型研究

鉴于我国应急物资的多部门分散管理与分散储备的特点,研究了区域性应急物资储备体系构建中的应急物资储备级库协同选址问题。为了实现应急物资在不同级库间的协同储备管理与分散优化调拨,建立了应急物资储备级库选址的协同优化模型。用启发式算法通过MATLAB编程来实现,并用算例进行了验证。     

A beetle antennae search improved BP neural network model for predicting multi-factor-based gas explosion pressures

A gas explosion in an underground structure may cause serious damage to the human body and ground buildings and may result in huge economic losses. The pressure of the gas explosion is an important parameter in determining its severity and designating an emergency plan. However, existing empirical and computational fluid dynamics (CFD) methods for pressure prediction are either inaccurate or inefficient when considering multiple influencing factors and their interrelationships. Therefore, for a more efficient and reliable prediction, the present study developed a multifactorial prediction model based on a beetle antennae search (BAS) algorithm improved back propagation (BP) neural network. A total of 317 sets of data which considered factors of geometry, gas, obstacle, vent, and ignition were collected from previous studies. The results showed that the established model can predict pressures accurately by low RMSE (43.4542 and 50.7176) and MAPE (3.9666% and 4.9605%) values and high R² (0.7696 and 0.7388) values for training and testing datasets, respectively. Meanwhile, the BAS algorithm was applied to improve both the calculation efficiency and the accuracy of the proposed model by enabling a more intelligent hyperparameter tuning method. Furthermore, the permutation importance of input variables was investigated, and the length (L) and the ratio of length and diameter (L/D) of geometry were found to be the most critical factors that affect the explosion pressure level.     

基于遗传-蚁群算法的单层建筑火灾疏散路径规划研究

为解决如何快速、有效地找出单层建筑火灾最佳疏散路径问题,分析火灾发生时可能影响人员逃生及最佳路径生成的因素。提出基于遗传-蚁群算法求解火灾时期人员疏散路径。运用遗传算法的快速全局搜索能力,对蚁群算法初期所需要的信息素进行快速处理;利用蚁群算法的正反馈机制,快速找出可行路径,缩短搜索时间;并运用Matlab软件对其进行仿真。结果表明:遗传-蚁群算法所求得的路径生成质量有明显提高,并缩短路径生成时间,有助于提高人员逃生效率,降低人员伤亡率。