PSO和SVM混合算法确定太湖入湖河流水质主要影响因子

以影响太湖入湖河流水质的24个因子值为研究对象,将PSO算法与SVM算法相结合。PSO算法用于优化SVM算法的参数c和g,以利于快速、高效地确定c和g的全局最优值;SVM算法基于最优的c和g,分别以24,21,18,15,12,9和6个因子作为特征向量预测水质的污染程度。结果表明,当特征向量为9个影响因子时预测率最高。其参数c=18.56,g=1.35,对应的预测率为：全局预测率92.59%,重度污染水质预测率88.89%,轻度污染水质预测率94.45%。因此,通过PSO和SVM混合算法,可以确定影响太湖入湖河流水质的主要因子,利用这些主要因子对水质进行预测预警,不但可以节省时间,而且可以得到精确的结果。     

城市电子废弃物资源化管理模式构想

通过对惠州市电子废弃物收集体系组成、去向以及电子废弃物处置方式的调查,分析惠州市电子废弃物收集和处置存在的一系列问题,结合实际提出了城市电子废弃物资源化管理模式的初步构想。     

基于组合赋权的混合粒子群优化支持向量机的岩爆倾向性预测

为有效预测岩爆灾害发生烈度,提出一种基于组合赋权的混合粒子群优化支持向量机(H-PSO-SVM)岩爆倾向性预测模型。根据岩爆发生机制,在分析岩爆发生的主要影响因素的基础上确定出评判指标;综合考虑模糊层次分析法(FAHP)所得主观权重和熵权法所得客观权重,应用调和平均数概念,构建组合赋权准则;引入遗传算法交叉、变异操作改进传统粒子群(PSO)极值跟踪和粒子更新方法,建立H-PSO-SVM岩爆倾向性预测模型。利用国内外已有工程实例数据进行50次随机抽样试验,对比分析H-PSO-SVM模型和PSO-SVM模型等预测结果。结果表明:H-PSO-SVM模型应用于岩爆工程实例预测具有可行性和适应性,模型预测的准确率高于其他模型,且预测结果更稳定。     

基于改进粒子群算法和元胞自动机的城市扩张模拟——以南京为例

为合理利用多智能体算法解决城市扩张动态模拟问题,基于地理学理论和社会学规律对粒子群算法进行有针对性的改进,提出分段式粒子群算法(SPSO),并结合元胞自动机模拟复杂时空过程的能力,构建出适用于城市扩张模拟的地理元胞自动机SPSO-CA。在SPSO-CA中我们利用多时像的土地利用数据、交通路网数据和地形数据,挖掘出1995~2000年南京城市扩张的土地转换规则。再由此规则实现1995~2008年的南京市城市扩张过程的动态模拟。最后对比SPSO-CA、PSOCA及NULL模型结果得:SPSO-CA总精度86.3%,Kappa系数为0.792,Moran’s I为0.078,PSO-CA总精度83.6%,Kappa系数为0.755,Moran’s I为0.054,NULL模型总精度81.9%,Kappa系数为0.741,真实的Moran’s I为0.072。这表明无论是总精度还是空间一致性,SPSO-CA都优于PSO-CA和NULL模型,即用SPSO-CA模拟城市扩张是可行的。     

采用支持向量机算法优化电化学处理油田污水的工艺参数

采用支持向量机(SVM)算法,将Box-Behnken设计法与支持向量回归算法(SVR)实验参数优化软件相结合,优化电化学去除油田污水COD的工艺参数。通过量子粒子群算法对SVM算法参数进行优化,从建立的回归模型中找到工艺参数的全局最佳点:电解时间60 min,电解电流3 A,三维电极填充料中石英砂质量695 g。模型得到的COD理论最优去除率为92.48%,验证实验得到的COD去除率为91.43%。     

大庆油田井下环保作业模式的建立与完善

大庆油田从污染源头抓起,针对整个井下作业流程中存在的环保问题,建立了污油污水不落地的清洁环保作业模式,通过原井管柱污染防治、起下过程废液收集、管柱内防喷、高压油水井带压作业等新型技术的研发和应用,有效地抑制了井下作业过程中环境污染问题的发生。文章对新型清洁环保作业模式进行了阐述,介绍了所研发新型环保技术的工艺特点及应用效果;并基于油田经济与生态环境的平衡和谐发展,对未来环保作业技术研究方向提出了意见和建议。     

基于主成分和粒子群优化支持向量机的水质评价模型

水质的评价是治理水污染必不可少的工作。为了准确、快速地对水质进行评价,利用主成分分析法从水质监测常见的多个物化指标提取出主成分,然后将主成分作为支持向量分类机的输入,利用历史数据进行水质评价训练并用粒子群算法优化参数,构造出水质评价模型,将从物化指标中得出的主成分代入此模型即可得到水质类别。最后,选取水质监测点实测数据进行试验,结果表明,模型的水质评价结果准确且稳定。     

中小学开展垃圾减量主题活动的必要性

2011年,全球生态学校网络中启动的面向青少年的环境教育项目就是"垃圾减量项目"。开展垃圾减量主题活动,通过小手拉大手,影响家庭、社区,从而提高全民的垃圾减量意识。     

基于分布型电力系统的 PSO 优化设计

优化了传统粒子群算法,运用了混沌算法对粒子做初始化,优化了传统粒子群算法的收敛特性,并在算法的优化过程中,增加了混沌干扰元素对整体最优化极值做混沌干扰,将符合杂交几率的优化粒子做杂交处理,提高了粒子群的种类,增强了粒子群算法的搜寻水平。并通过IEEE33节点的分布型电力系统做无功优化仿真验证,通过比较,验证了优化算法的优越性与准确性。