免疫粒子群优化在波阻抗反演中的应用

针对标准粒子群优化(PSO)算法易出现早熟而陷入局部最优以及进化后期收敛速度慢等缺陷,引入免疫系统的免疫记忆和抗体浓度选择机制,构造了基于免疫机制的粒子群优化(IPSO)算法,并将其应用到波阻抗反演问题中。免疫记忆能够保留高适应度个体,抗体浓度选择机制进一步保证了粒子的多样性,从而能较好地避免早熟收敛,提高算法的全局搜索能力。对理论模型试算表明,IPSO算法在进行波阻抗反演时不仅收敛速度快,而且具有较高的精确度和抗噪性能。     

Direct radiative forcing of urban aerosols over Pretoria (25.75°S, 28.28°E) using AERONET Sunphotometer data: First scientific results and environmental impact

The present study uses the data collected from Cimel Sunphotometer of Aerosol Robotic Network（AERONET） for the period from January to December, 2012 over an urban site,Pretoria（PTR; 25.75°S, 28.28°E, 1449 m above sea level）, South Africa. We found that monthly mean aerosol optical depth（AOD, τa） exhibits two maxima that occurred in summer（February） and winter（August） having values of 0.36 ± 0.19 and 0.25 ± 0.14,respectively, high-to-moderate values in spring and thereafter, decreases from autumn with a minima in early winter（June） 0.12 ± 0.07. The Angstrom exponents（α440–870） likewise,have its peak in summer（January） 1.70 ± 0.21 and lowest in early winter（June） 1.38 ± 0.26,while the columnar water vapor（CWV） followed AOD pattern with high values（summer） at the beginning of the year（February, 2.10 ± 0.37 cm） and low values（winter） in the middle of the year（July, 0.66 ± 0.21 cm）. The volume size distribution（VSD） in the fine-mode is higher in the summer and spring seasons, whereas in the coarse mode the VSD is higher in the winter and lower in the summer due to the hygroscopic growth of aerosol particles.The single scattering albedo（SSA） ranged from 0.85 to 0.96 at 440 nm over PTR for the entire study period. The averaged aerosol radiative forcing（ARF） computed using SBDART model at the top of the atmosphere（TOA） was- 8.78 ± 3.1 W/m2, while at the surface it was- 25.69 ± 8.1 W/m2 leading to an atmospheric forcing of ＋ 16.91 ± 6.8 W/m2, indicating significant heating of the atmosphere with a mean of 0.47 K/day.     

风筒位置对掘进巷道流场影响的PIV实验*

为探究风筒位置对掘进巷道风流分布规律的影响,利用Fluent软件确定出实验模型内流体进入“第二自模区”的临界风速,保证实验模型与实际巷道的流动相似,采用粒子图像测速仪（PIV）对压、抽风筒距迎头不同距离下的前压后抽式通风流场进行测量。实验结果表明:抽风筒距巷道迎头距离的改变对迎头处流场影响较小,涡流中心位置也不会发生改变,当抽风筒距迎头距离大于4.5S,回流区的风流充分发展,流动较为平缓。压风筒距巷道迎头距离的改变对迎头处流场和涡流影响较大,当压风筒距迎头距离大于3S,涡流中心位置向远离迎头的方向移动,涡流区域逐渐扩大。基于相似理论的PIV实验结果可为矿井掘进巷道通风工作提供一定参考。     

基于MPSO-WLS-SVM的矿井瓦斯涌出量预测模型研究

为有效预防瓦斯灾害,以预测矿井瓦斯涌出量为研究目的,提出经改进的粒子群算法(MPSO)优化的加权最小二乘支持向量机(WLS-SVM),并用其预测非线性动态瓦斯涌出量。算法通过对WLS-SVM的正则化参数C和高斯核参数σ寻优,建立基于MPSO优化的WLS-SVM的瓦斯涌出量预测模型,并利用某矿井监测到的各项历史数据进行实例分析。试验结果表明:该预测模型预测的最大相对误差为5.99%,最小相对误差为0.43%,平均相对误差为2.95%,较其他预测模型有更强的泛化能力和更高的预测精度。     

雾霾天里话雾霾

<正>进入一月份,全国中东部地区陆续被雾霾笼罩,至1月29日,雾霾范围更是高达130万平方千米,大范围的重度和严重污染,给民众出行和身心健康都带来了严重影响。雾霾是雾和霾的组合词,现在我国多地把阴霾天气现象并入雾一起作为灾害性天气预警预报,统称为"雾霾天气"。什么是雾?雾是由大量悬浮在近地面空气中的微小水滴或冰晶组成的气溶胶系统。雾的存在会降低空气透明度,使能见度降低,如果目标物的水平能见度降低到1千米以     

支持向量机在边坡稳定性预测中的应用

针对离子型稀土原地浸矿边坡稳定性问题的小样本、非线性等特点,采用一种边坡稳定性预测模型——支持向量机(SVM)模型,分别使用网格参数寻优、遗传算法(GA)参数寻优、粒子群(PSO)寻优算法来计算SVM模型的参数,分析比较3种算法得到的参数,确定最适合离子型稀土原地浸矿边坡稳定性预测的SVM回归模型的参数寻优算法。     

论大气雾霾的产生机理及防治对策

雾霾与CO2等温室效应气体不同,它以粒径0.003~100μm的多种多样成分的混合物形式存在,其粒子径因发生源而不同,在大气中的动态又因粒子径而不同。而且在区域性和时间性上有很大变动。雾霾虽不是地球环境问题,但其危害严重。随着经济发展,生成O3和粒子状物质(PM)的SOx、NOx、VOCs等前驱物质的排放量大增,导致地区规模乃至更大范围的大气污染,严重影响了人类身心健康。本人依据这次的研究成果和在日学到的知识完成这篇短文。本文解析了雾霾的本质,论述了雾霾的发生源、形成机理、对环境及人体健康的严重危害和如何治理雾霾的方法。对我国防治雾霾具有积极的借鉴作用。     

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。     

卡鲁塞尔氧化沟液-固两相流动混合物模型与两相水力特性模拟

采用CFD数值计算的方法研究了卡鲁塞尔氧化沟工艺的污水-污泥两相水力特性.将污泥沉降模型进行湍流影响修正后与两相湍流混合物模型耦合,建立了氧化沟液固两相湍流混合物模型,实现了垂向上液固两相运动的分离;利用计算流体软件Fluent对工业规模污水厂氯化沟的污水-污泥两相流速进行模拟,结果表明,两相流混合物模型较好地揭示了氧化沟内混合液流场和污泥的分布情况,污泥浓度与流速呈负相关.     

基于相依网络模型的扇区航空器分流方法研究

当某个扇区因突发状况而对航空器的管控力度不足时,需要对扇区内的航空器进行分流.依据空中航空器的冲突关系、管制员的移交关系及管制员对航空器的指挥关系构建管制-飞行状态相依网络模型.通过此模型,在综合考虑分流后管制员的负荷及对所有航空器管控难度的前提下设计优化目标,并采用粒子群算法求解找出最佳分流方案.该方案能够使分流后管制员负荷分布更加均匀,有效减少管制员因负荷过大而出现人为差错的安全风险;降低整体的管制难度,提高管制系统的可靠性和稳定性.