基于自适应灰色面板聚类的城市公共安全风险测度*

为科学评估城市公共安全风险,基于“脆弱性—能力”综合评估框架从公共安全风险事件维度入手,构建城市公共安全风险评估指标体系;选取2015—2019年与脆弱性和风险承载能力相关的22个指标,采用改进后的自适应灰色面板聚类从绝对量、增量和波动量3方面进行测度。聚类结果将全国城市的公共安全风险水平分为6个类型;基于研究结果进一步分析造成不同类型特征的原因,明确各城市公共安全管理存在的薄弱点,提出相关改进建议。研究结果表明:北京和上海在3个层面上均有较好表现,属于低风险城市;全国大部分地区呈现出绝对量水平中等或较差,增量和波动量水平较好的特征。     

应用BP神经网络进行隧道围岩快速分级

在隧道施工过程中,为准确、及时地进行围岩快速分级,引入BP神经网络方法,通过制定快速分级参数标准,对已经开挖的隧道工作面按照隧道围岩分级规范进行分级,并测量其快速分级参数,将围岩分级的结果与其对应的快速分级参数建立BP神经网络的训练集合,从而得到围岩分级模型。最后测量正在开挖隧道工作面的快速分级参数,并提供给模型进行判别,从而达到快速、精确分级目的。通过某隧道围岩样品实例验证,该模型判断结果与实际施工情况吻合,可用于指导施工阶段的隧道围岩快速分级。     

Climate Changea Impacts and Adaptation Strategies in Kenya

To determine the climate changes that are due to natural variability and those due to human activities is quite challenging, just like delineating the impacts. Moreover, it is equally difficult to asce...     

基于功能共振事故模型的航空事故分析

航空事故大多是由诸多诱发因素紧密耦合、复杂交互导致的结果,为克服传统事故分析方法仅能处理单纯组件失效诱发的事故或相对简单的系统的不足,提出一种基于功能共振事故模型的航空事故分析方法。利用该方法,对美国5191航班冲出跑道事故进行系统分析。识别功能模块,评价功能性能变化,确定功能共振,并制定性能变化的防控屏障。结果表明:用该方法不仅能识别出导致事故的功能共振及其影响因素,解释事故发生的原因和过程,而且能够提出降低事故风险的防控措施。     

BP网络算法需水量预测模型的应用

由于水资源的日渐减少,尤其是水资源短缺的地区,水资源规划与管理显得尤为重要。需水量预测是进行水资源规划与管理的重要技术,合理且准确地预测未来的需水量,可以避免投资的浪费和减少将来用水危机的发生。本文采用BP神经网络,利用烟台市与需水量相关关系比较好的影响因子对需水量进行预测,结果表明,预测值与实测值相差较小,且BP神经网络用于需水量预测具有一定的可行性。     

基于半监督卷积神经网络的文本情感分类

针对情感分析需要标注大量高质量的训练集来提高模型的准确率,以及卷积神经网络无法充分利用句子中特有的情感信息,提出了一种基于多通道半监督卷积神经网络的情感分析模型。该模型通过重构卷积神经网络的损失函数以及不改变网络的结构来实现模型的半监督学习。同时,模型针对情感分析任务中特有的情感信息来构建文本输入矩阵以及将句子不同特征信息结合形成不同的网络输入通道,使模型在训练过程中从多方面的特征表示来学习输入句子的情感信息。并在COAE 2014和IMDB数据集上进行试验,验证了所提出方法的有效性。     

神经网络在次级河流回水区叶绿素a浓度预测中的应用

以长江次级河流之一的临江河为研究对象,探讨神经网络应用于次级河流回水区叶绿素a浓度短期预测的可行性。利用主成分分析法（PCA）选取对叶绿素a浓度影响较大的指标,在这些指标数据的基础上建立RBF神经网络模型。网络训练和测试的结果表明,模型模拟精度较高,说明RBF神经网络模型可以用于次级河流回水区叶绿素a浓度的短期预测。通过对临江河回水区叶绿素a影响因子的分析,表明控制水体中磷含量应是临江河回水区富营养化防治的重点。     

化学-生物絮凝工艺类神经网络模型比较研究

在化学-生物絮凝工艺中试研究的基础上,分别建立了基于BP类神经网络的多输入多输出（MIMO）模型与多输入单输出（MISO）模型。应用化学生物絮凝工艺中试6个不同工况的实测数据对2个模型进行训练,均表现出很好的收敛性。通过另外2个中试工况的实测数据对模型预测性能进行测试,MISO模型对化学-生物絮凝反应器出水的COD、TP和SS的预测相对误差均低于MIMO模型,其预测相对误差均在9%以下。研究表明,MISO模型是一个很易使用的建模工具,能很好地预测化学-生物絮凝工艺出水水质。     

ANFIS在混凝投药前馈控制器中应用的仿真研究

在水处理中混凝投药前馈控制器的应用效果好坏关键在于控制器是否对混凝投药过程具有良好的模型辨识能力,传统的控制器效果都不太理想,而且存在沉淀池出水浊度波动大,药剂浪费严重等问题。为了解决该问题,介绍了一种用多层前馈神经网络优化模糊逻辑系统的自适应模糊推理系统——ANFIS。它具有良好的非线性函数逼近能力,在ANFIS投药前馈控制器的设计中,运用减法聚类对样本数据进行空间划分,获取初始模糊隶属函数和模糊规则,得到ANFIS模型的初始结构。用烧杯试验历史数据进行了仿真验证,并与传统的回归模型前馈投药控制仿真比较,结果表明ANFIS投药前馈控制模型明显优于回归模型,它能够根据原水水质适时有效预测混凝投药量。     

基于组合模型的能源需求预测

能源是人类生存和发展的重要物质基础,也是当今国际政治、经济、军事、外交关注的焦点。能源需求预测是合理制定能源规划的基础。能源需求预测的模型很多,总的来说,可以分为单一模型预测和组合模型预测。本文在分析几种常用单一模型的优缺点和适用范围的基础上,建立BP神经网络与灰色GM的优化组合模型,对江苏省未来十五年煤炭和石油的需求量进行预测。结果表明:①随着经济的发展,未来江苏省对煤炭和石油的需求量逐渐增加,其中煤炭从2008年的19 601.39万t标准煤增加到2020年的25 615.26万t标准煤,年均增长率为1.81%;石油从2008年的2 628.64万t标准煤增加到2020年的3 532.60万t标准煤,年均增长率为1.36%;②基于BP网络与GM(1,1)的组合模型克服了单一模型的缺点,实现了优化组合模型"过去一段时间内组合预测误差最小"的原则,且预测结果误差较小,不仅适用于能源的中长期预测,还可以推广到其他领域。