基于灰色关联分析与SA-PSO-Elman结合的地震直接经济损失评估

对地震灾害造成的损失进行评估是国家采取应急救援和灾后援建工作的重要依据。为快速评估地震灾害引起的直接经济损失,提出一种基于灰色关联分析与模拟退火-粒子群-Elman神经网络(SA-PSO-Elman)结合的地震灾害直接经济损失评估模型。该模型先采用灰色关联分析方法客观地选出地震灾害直接经济损失的主要影响因素,即为Elman神经网络的输入,然后将全局寻优能力强及收敛速度快的粒子群算法与能跳出局部极值的模拟退火算法相结合来优化Elman神经网络的权值和阀值,最后将训练好的Elman神经网络运用到地震灾害直接经济损失评估中。通过仿真试验结果表明:该混合算法优化的Elman神经网络模型比Elman神经网络模型和PSOElman神经网络模型具有更高的预测精度和收敛速度。     

基于自组织神经网络的生态敏感性分区——以北京市房山区为例

 采用自组织神经网络(SOM)模型,以北京市房山区为例,对其进行生态敏感性分区.分别以土壤侵蚀、地表水环境、地下水环境和生境为生态敏感性因子,作为SOM 模型的4 个二维输入矩阵,通过多次迭代学习和自组织聚类,使结果在4 维(4 个生态因子)生态敏感性空间内最大限度地逼近房山区生态特征分布.结果表明,房山区西北部山区的敏感性最高;东部平原是地表、地下水非常丰富的地区,属中度敏感;二者之间的丘陵浅山区敏感性相对较弱.     

基于优化算法的辐射计折射率剖面反演

介绍了利用双通道地基微波辐射计,基于神经网络和遗传算法结合的晴空大气剖面反演研究工作,神经网络算法反演折射率干项,遗传算法反演折射率湿项,使用青岛地区历史探空数据仿真表明,两种算法相结合反演的大气折射率剖面与探空数据吻合较好.     

LY12CZ腐蚀损伤及日历寿命预测的神经网络研究

建立LY12CZ铝合金试件的加速腐蚀周期对应最大腐蚀深度的BP网络映射模型,采用加速腐蚀试验数据对网络进行训练直至网络满足设定的精度要求,然后利用其预测LY12CZ试件的加速腐蚀损伤情况,并根据网络预测的最大腐蚀深度数据以及腐蚀损伤等效关系计算实验室加速腐蚀与某机场大气暴露腐蚀的当量因子k=2,从而可以计算出LY12CZ铝合金材料于某机场实际环境下的日历寿命（a）等于浸泡加速试验周期（d）乘以2。     

氯乙烯储罐注水堵漏腐蚀风险的预测方法研究*

为更好地解决氯乙烯储罐注水堵漏可能导致储罐发生腐蚀泄漏的实际问题,提出1种基于ASPEN和神经网络的氯乙烯储罐注水堵漏腐蚀风险的预测方法。运用ASPEN流程模拟软件,对氯乙烯储罐注水堵漏工艺进行模拟,得到不同泄漏孔径下注水速率和HCl浓度的关系;以HCl浓度作为导致腐蚀的主要影响因素,对不同种钢材进行挂片腐蚀实验;结合神经网络分析,得出HCl浓度与腐蚀速率之间的拟合式,预测储罐腐蚀情况。结果表明:神经网络预测结果平均相对误差7.63%,随注水速率的提高,HCl浓度变化呈下降趋势,腐蚀速率变化呈下降趋势;在等效泄漏孔径24 mm、注水速率0.87 m/s时,Q345R腐蚀速率13.93 mm/a,20#腐蚀速率10.48 mm/a,201不锈钢腐蚀速率7.09 mm/a为3者中最低,但此工况下,201不锈钢有点蚀倾向,储罐易发生穿孔,故201不锈钢不宜用作氯乙烯储罐母材,并提出对《石油化工企业设计防火标准(2018年版)》的修订建议。     

基于GMM-PNN模型的海底油气管道风险等级评价

为了提高海底油气管道风险评价的准确率,保证管道安全运行,利用高斯混合模型(GMM)和概率神经网络(PNN)对管道进行风险评价.在传统PNN的基础上做出两点改进:一是改变PNN的结构模型,在原有网络结构上增加一个特征层,目的是通过线性变化的方式增强输入维度之间的联系;二是将全局单一参数改为在模式层采用GMM,并用随机梯度下降法对参数进行更新.考虑海底管道在偶发因素下的风险,将相关指标量化,利用GMM-PNN模型划分等级,然后与PNN模型、人工神经网络、支持向量机进行对比.结果表明,GMM-PNN模型对训练样本数量要求较低且准确率高于其他3种模型,能够更加准确地对海底管道进行风险等级评价.     

模糊神经网络模型在拟建项目环境质量评价中的应用

由于评价因子与环境质量标准之间的模糊关系,导致传统的评价模型结果的不确定性。本文将模糊理论和神经网络模型相结合,利用模糊理论的隶属度反映各因子的质量相对状态,从而更精确地识别模糊性。通过模糊神经网络模型对环境质量标准样本的学习和测试,得出评价等级,并与模糊综合评价方法进行对比,实验结果表明,模糊神经网络模型用于环境质量评价是可行的,且比模糊综合评价方法更为客观、合理。     

基于BP-Adaboost强预测器的瓦斯涌出量预测

为了提高传统BP神经网络瓦斯涌出量预测模型精度,避免BP网络容易陷入局部极值、收敛速度慢等问题,将BP神经网络和Adaboost算法相结合,提出了一种BP-Adaboost强预测器模型.将该模型用于实际瓦斯涌出量预测,并进行了40次仿真实验.结果表明:该模型预测精度高于传统的BP神经网络,且收敛速度快,具有较强的鲁棒性,预测精度能满足实际工程需要,为瓦斯涌出量预测提供了一种新的途径.     

基于图神经网络的社区户内燃气系统动态风险评估

目前对于社区户内燃气系统的风险评估大都为静态分析方法,且一般只对系统中单独组成部分进行建模,忽略了户内燃气系统风险复杂的耦合影响关系。针对现有风险评估方法的局限性,提出了一种基于图神经网络的社区户内燃气系统动态风险评估方法。该方法首先通过梳理社区户内燃气事故、分析社区户内燃气系统的风险源和风险影响因素,构建了社区户内燃气系统动态风险评估指标体系;然后将知识图谱用于社区户内燃气系统的场景构建,基于社区户内燃气系统的构成和指标体系确定知识图谱中的实体类型和实体特征,并在所构建的社区户内燃气系统知识图谱的基础上,提出了一种基于图神经网络的社区户内燃气系统动态风险评估方法;最后,以某一社区为例,对所提出的基于图神经网络的社区户内燃气系统动态风险评估方法进行验证。实例应用分析结果表明:该方法可以针对社区户内燃气系统风险复杂的耦合影响关系,实现社区户内燃气系统的安全动态风险评价,对社区燃气用户的安全管理具有一定的指导和参考意义。     

长三角对流层甲醛柱浓度时空变化及驱动因素

通过OMI卫星数据分析了2005~2016年长江三角洲对流层甲醛柱浓度的时空变化规律.同时结合2008年和2010年各部门VOCs人为源排放量,利用BP神经网络和RBFN神经网络模型对对流层甲醛柱浓度进行了县域尺度上的回归模拟和各部门排放量贡献度分析.结果表明：长三角城市群对流层甲醛柱浓度在2005~2010年存在着增加趋势,2011~2016年甲醛浓度有下降的趋势.高值区域分布在皖北苏北、上海及其附近,低值区域分布在浙西南一带.人为源排放使得经济发达地区的甲醛柱浓度显著增高.工业源在长三角的分布较为广泛,电力源分布稀疏且VOC排放量远小于工业源排放量,居民源的VOC排放量介于工业源和电力源之间,有明显的南北差异.交通源主要集中在苏南、浙北和上海附近,少部分沿交通线条状分布.机器学习算法可以较好地利用人为源排放数据对甲醛柱浓度进行模拟.神经网络的拟合精度可以达到0.6~0.8,比线性回归的拟合精度超出0.3~0.4.模型变量重要性计算显示各部门中居民源对甲醛柱浓度的贡献程度最高.研究对流层甲醛柱浓度的长期时空变化及其影响因素有利于深入研究臭氧污染,同时也为大气治理和政策制定提供了科学依据.