一种基于大气CO2浓度时空特征的碳排放分区估算方法

针对人为碳排放的空间分布量级差异大导致排放数据的非正态分布问题,提出了一种基于卫星大气CO₂柱浓度(XCO₂)时空变化特征聚类分区构建人为碳排放神经网络估算模型方法.通过利用与人为碳排放强相关的卫星XCO₂数据时空变化(2010～2021年)特征的聚类分区,利用卫星观测的XCO₂和SIF以及夜间灯光、人口密度和人为排放清单数据EDGAR作为训练学习数据,以聚类区为单位分别构建人为碳排放神经网络估算模型,估算了2021年研究区人为碳排放.与EDGAR交叉验证结果显示,相比以中国全区数据作为训练学习样本统一建模方法的估算,本研究提出的分区建模估算结果从相关系数(R²)的0.43提高到了0.82;空间分布更为合理;平均偏差由0.03 9Mt CO₂降低到0.018Mt CO₂.研究表明利用多源数据的神经网络训练学习进行人为碳排放的估算,能够为区域碳排放特征和排放清单的不确定性提高提供评估分析依据.     

RBF神经网络在锅炉安全液位控制中的应用

锅炉是现代工业过程中不可缺少的动力设备,在工业锅炉的自动化控制过程中,蒸汽锅炉的给水调节是其控制过程的重要任务。结合锅炉安全液位控制过程的影响因素,文中分析了给水流量作用下的动态特性、蒸汽流量作用下的动态特性和炉膛热负荷作用下的动态特性,提出了基于径向基神经网络PID的分段式锅炉液位控制策略。控制策略中采用的高斯函数的径向基神经网络算法,实现了系统参数智能化自动调整;分段式控制方法有效地提高了系统的调节精度和响应速度。该控制策略的实际应用,对实现工业控制过程自动化,提高系统控制品质和保证生产过程安全具有重要意义。     

基于Lasso-BP神经网络模型的河南省碳达峰路径研究

为探索河南省碳达峰路径,满足河南省碳达峰战略需求,选取河南省2001—2020年社会、经济、能耗、资源4个维度的12个指标,使用Lasso-BP神经网络方法,建立河南省碳排放量预测模型。基于12个指标数据的回归分析,设计了6条发展路径,对河南省2021—2035年的碳排放量进行预测。结果表明:1)12个维度的因素中,影响碳达峰的6大关键因素为煤炭消费占比、单位GDP能耗、森林覆盖率、能源消费总量、第二产业GDP比重和私人汽车拥有量;2)追求单因素发展的路径1—4均无法在2030年实现碳达峰;在路径5、6下,河南省将于2029年碳达峰,相较于路径5,路径6的峰值排放量低2.53 Mt,峰值为510.91 Mt CO₂;3)为实现碳达峰,在"十四五"和"十五五"阶段,应分别将煤炭消费占比、单位GDP能耗、森林覆盖率、能源消费总量、第二产业GDP比重、私人汽车拥有量的年均增长率控制在-4.0%和-5.0%、-3.5%和-4.0%、2.0%和3.0%、0.5%和0.4%、-1.5%和-2.0%、7.5%和7.0%。     

基于微分变换的湿地植物高光谱全氮反演

叶片全氮含量是监测和诊断湿地植物生理状况及生长趋势的重要指标,利用高光谱技术监测湿地植物氮含量,对于理解湿地生态系统氮循环具有重要意义.为探究湿地植物叶片全氮含量遥感光谱的估算方法,以云南省大理西湖湿地公园优势植物芦苇（Phragmites australis）和茭草（Zizania caduciflora）全氮含量为研究对象,对叶片光谱数据进行预处理并建立二者的关系模型,包括单变量模型、多变量模型（偏最小二乘回归模型和BP神经网络模型）,并利用决定系数（r²）和均方根误差（RMSE）对模型精度进行检验.结果表明:（1）不同形式的光谱变换增强了植物全氮含量与光谱变量的细节特征,二者的短波红外波段相关性强于可见光近红外波段.芦苇二阶微分（R"）反射率与全氮含量在1682 nm处相关性最强,相关系数为0.70;茭草平方根二阶微分[(R^1/2)"]反射率与全氮含量在1 190 nm处相关性最强,相关系数高达-0.80.（2）不同植物类型相比,利用茭草的变换光谱反射率建立的单变量和偏最小二乘回归模型建模精度都高于芦苇.（3）不同回归模型相比,BP神经...     

基于模糊神经网络的广东省台风灾害损失预测

台风灾害是我国最严重的海洋灾害之一,研究提高台风灾害损失预测的准确度对防灾减灾具有重要意义。针对目前机器学习算法在处理小样本数据时预测精度不高的问题,提出结合模糊数学的BP神经网络算法对台风灾害损失进行预测。本文选用广东省2005—2016年记录较为完善的25个台风样本数据进行实验,首先利用信息扩散技术对初始数据进行正...     

基于神经网络集成的单个飞行事件噪声预测模型

通过分析影响单个飞行事件噪声的各种因素,构建了BP神经网络回归预测模型,并通过自适应遗传算法优选出参与集成的个体神经网络,提出了预测单个飞行事件噪声的神经网络集成预测模型.为了有效保证差异性,设置不同隐藏神经元个数和Bagging算法来构建和训练单个网络.实验结果表明,单个飞行事件噪声的神经网络集成预测模型相对单个BP神经网络模型泛化能力更强,稳定性能更好.本文方法在测试集上误差在3dB以内的平均比率为96.9%,比单个网络高6.8%.     

基于轻量级梯度提升机的南京大气臭氧浓度预测

采用南京地区2015年1月至2016年12月期间的空气质量数据和常规气象资料数据,分析了南京地区O₃浓度变化特征,建立基于轻量级梯度提升机(LightGBM)的O₃浓度预测模型,并将该模型与支持向量机、循环神经网络和随机森林等3种在空气质量预测方向上常用的机器学习方法进行了对比,验证模型的有效性和可行性.结果表明,南京地区O₃浓度变化具有显著的季节性差异,浓度变化受前期浓度、气象因子和其他空气污染物浓度的共同影响.LightGBM模型较为准确地预测了南京地区地面O₃浓度(R²=0.92),且该模型的预测精度和计算效率等性能优于其他模型.尤其是在容易出现臭氧污染的高温天气,该模型预测准确性明显高于其他模型,模型稳定性较好.LightGBM具有预测准确度高、稳定性好、有良好的泛化能力和运算时间短等特点,在O₃浓度预测方面具有显著的优势.     

基于BP神经网络预测北京市加油站周边土壤多环芳烃含量

随着我国城市化进程的迅速发展,城市中加油站数量越来越多,加油站油品的成分含量复杂多样,在石油逸散过程中会生成一系列污染物.加油站产生的多环芳烃(PAHs)会污染其附近土壤,同时对人体健康产生影响.收集了北京市117个加油站附近的土壤样品(0～20 cm),分析了7种PAHs的含量,基于BP神经网络模型,预测了2025年和2030年北京市加油站土壤PAHs含量.结果表明,7种ω(PAHs)范围在0.01～3.53 mg·kg^-1之间,与《土壤环境质量建设用地土壤污染风险管控标准(试行)》(GB 36600-2018)中土壤污染风险筛选值比较,PAHs含量低于该指标,同时上述7种PAHs的毒性当量(TEQ)均低于世界卫生组织(WHO)的标准值(1 mg·kg^-1),表明它们对人体健康有较低风险.预测结果显示,快速发展的城市化与土壤PAHs含量的增加具有正相关的关系,至2030年,北京市加油站土壤PAHs的含量将持续增长.2025年和2030年北京市加油站土壤中ω(PAHs)的范围分别为0.085～4.077 mg·kg^-1和...     

基于神经网络的热动力学建模与绝热诱导期预测北大核心CSCD

准确的热动力学模型是研究物质热分解机理与放热过程的前提。提出了一种基于组合神经网络的热动力学建模方法,构建了2个神经网络模型,分别用于较低转化率及其他转化率下建模,以转化率、温度作为神经网络的输入,放热速率的对数作为神经网络的输出。在此基础上,采用迭代计算法获取绝热诱导期(TMR_(ad));将该模型用于20%二叔丁基过氧化物的甲苯溶液和具有复杂放热过程的芳香重氮液的热分解过程。结果表明:所建立的组合神经网络模型拟合效果较好,与机理模型获得的TMR_(ad)结果较为接近;20%二叔丁基过氧化物甲苯溶液的T_(D24)(TMR_(ad)为24 h的温度)分别为85.4℃和87.6℃,芳香重氮液的T分别为50.4℃和49.4℃。     

基于EEG的夜班矿工疲劳检测北大核心CSCD

为了研究煤矿中夜班工人的疲劳状况和疲劳检测方法,通过对夜班矿工脑电和行为指标进行分析,建立BP神经网络模型预测矿工疲劳程度。选择15名夜班矿工作为被试,通过脑电图(EEG)测量其夜班前后执行Oddball任务时的脑电信号,通过快速傅里叶变换提取脑电特征值(α+θ)/β、(α+θ)/(α+β)、θ/β和α/β,收集认知任务期间的准确性和反应时间,作为疲劳检测指标建立BP神经网络模型,对夜班矿工的疲劳等级进行预测。对夜班前后矿工脑电信号中所有通道的特征值进行配对t检验,共得到6个显著通道的特征值,与反应时间、准确率等建立BP神经网络模型,总体检测准确度为89.685%。该模型对检测夜班矿工的疲劳程度具有较高准确性,可为矿工疲劳干预措施和检测装备的研发提供技术手段和理论基础。