自适应FCM土壤表层重金属污染评价——以南京市炼油厂及生活区为例

采用自适应模糊C均值聚类(FCM)挖掘土壤重金属的污染程度信息,以实现污染程度分类数的自动获取,确保类别划分的合理性,真实地反映重金属污染的空间聚集特征.以江苏省南京市炼油厂及生活区为研究对象,采集土壤中Cr、Cd、Ni、Pb、Zn、Cu重金属浓度值,首先运用自适应FCM对浓度值进行聚类分析,然后利用地统计学空间插值,揭示污染的空间聚集性.结果表明,研究区存在不同程度的污染,自适应FCM算法比传统聚类算法能更合理地划分重金属污染程度,挖掘出样本潜在的污染信息,可为分析污染成因及土壤环境治理修复提供参考.     

基于CARS算法的湖滨绿洲土壤表层有机碳估算

文章以博斯腾湖西岸湖滨绿洲为研究区,将实测的土壤有机碳含量数据与土壤高光谱数据结合,对原始光谱R进行数学变换及微分变换,应用竞争自适应重加权采样（CARS）筛选特征波段,并采用其筛选的特征波段构建BP神经网络模型估算土壤表层有机碳含量。结果表明：（1）研究区土壤表层有机碳含量范围在0.80～63.15 g/kg,平均值为17.57 g/kg,变异系数为71.48%,呈中等变异性。（2）CARS算法将建模输入波段压缩至全波段数目的2.76%以下,R、R’、1/R、(1/R)’、log(1/R)、log(1/R)’、1/log R、(1/log R)’光谱形式下筛选的特征波段,较多集中于近红外长波1 500～2 500 nm与可见光波段380～760 nm;R’’、(1/R)’’、log(1/R)’’、(1/log R)’’光谱形式下筛选的特征波段,较多集中于近红外波段760～2 500 nm。（3）二阶微分变换构建的CARS-BP估算模型精度优于一阶微分,R’’-CARS-BP估算效果最好,训练集和验证集R2分别为0.81、0.83,RPD分别为2.30、2.45,RMSE分别为5.75...     

基于CEEMDAN与样本熵的高压断路器机械故障诊断

依据高压断路器振动信号特性,提出一种自适应白噪声完整经验模态分解( complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)与样本熵相结合的高压断路器故障特征提取方法。首先利用CEEMDAN将分闸振动信号分解成一系列内禀模态函数(intrinsic mode function,IMF),然后利用相关系数法与归一化能量筛选包含信号主要特征信息的前7阶IMF分量,求取其样本熵作为特征量,最后采用粒子群算法(particle swarm optimization,PSO)优化支持向量机(support vector machine,SVM)分类器,对断路器不同故障类型进行分类识别。实验结果表明该特征提取方法能准确提取振动信号特征量,输入PSO-SVM诊断高压断路器故障能取得良好的效果。     

化工工艺安全评价指标体系的灰色关联度分析模型优化

安全评价指标体系承载整个评价对象的安全状态,通过对关键风险因素进行识别,可提高企业的安全级别。化工工艺安全评价指标数据量大、数据维度高、数据稳定性强,存在相近评价指标分级区分不正确的问题,因此有必要提高其安全评价相似指标的系统分辨率。结合化工工艺安全评价指标体系,构建化工工艺安全评价指标体系灰色关联度分析模型,采用“两两对比、遍历求解”的策略对灰色关联度分析模型进行系统优化,提出自适应评价指标数据规模的调节系数ρ值的确定方法,并以水煤浆气化工艺为案例进行实例分析。结果表明：采用灰色关联度分析模型对化工工艺安全评价指标重要性进行分析时,相似评价指标间区分度更大;与原模型相比,优化后的灰色关联度分析模型使系统灰色关联度的分辨率提高了15%,增加了安全评价工作的正确率。该模型对具有相同数据特点的化工工艺安全评价指标体系的确定具有一定参考作用,为更有效地评估化工企业的安全状态提供了新途径。     

自适应时槽分配的机械振动WSNs传输休眠时序调度方法

目的针对均匀时槽分配方法在机械振动无线传感器网络大量原始数据传输需求下,节点传输能耗升高、传输速率降低的问题,降低机械振动无线传感器网络传输能耗。方法提出一种自适应时槽分配的机械振动无线传感器网络传输休眠时序调度方法,首先利用信标调度的自适应时槽分配时钟同步方法使各节点不需晶振补偿就可校准本地时钟误差,然后测量LQI预测节点数据传输速率,为各个节点分配最优传输时槽,最后设置休眠机制,让未进行数据传输的节点处于休眠状态待机,直到下一个同步时槽时,自动唤醒,并侦听网关信标帧。采用三种方法进行冲突次数、传输能量消耗和传输速率的对比实验。结果所提方法的传输能耗比CSMA-CA机制降低23.4%,比均匀时槽分配降低10.6%。结论所提方法能有效降低机械振动无线传感器网络数据传输能耗。     

基于小波分解与自适应多级残差修正的最小二乘支持向量回归预测模型的PM2.5浓度预测

采用小波分解(WD)将济南市科干所监测站PM_(2.5)浓度的一维时间序列(2013年1月1日—2017年8月15日)分解为高维信息,获得了该监测站附近PM_(2.5)浓度的时频变化特征,重点分析了PM_(2.5)的随机性和趋势性问题.然后构建了基于小波分解的多级残差修正的最小二乘支持向量回归预测模型(AMLRC-WLSSVR),结果发现,该模型能够很好地对济南市PM_(2.5)浓度做出预测,特别是针对重污染天气的预测有很好的精度.为了避免预测结果的不确定性问题,提出了一种基于方差估计给出预测值置信区间上界的方法,同时,有效弥补了单点预测的不稳定性及预测精度不足的缺点,该方法能够为实际空气污染预警提供技术支持.     

基于频率下降率的结构损伤自适应神经网络识别

笔者探讨了动量系数和学习率自适应调整的神经网络算法及结构裂纹损伤识别特征参数的选取,提出以反映结构损伤位置和程度的频率下降率作为结构裂纹损伤识别的特征参数,利用有限元网格细化法对结构裂纹损伤进行数值模拟,获取训练样本数据,通过自适应神经网络对结构裂纹损伤问题进行识别研究。从结构裂纹损伤识别实例的结果中可以看出,采用频率下降率和自适应神经网络技术对结构裂纹进行损伤识别分析具有较高的精度和可靠性。     

自适应神经网络在确定落煤残存瓦斯量中的应用

落煤残存瓦斯量的确定是采掘工作面瓦斯涌出量预测的重要环节，它直接影响着采掘工作面瓦斯涌出量预测的精度，并与煤的变质程度、落煤粒度，原始瓦斯含量、暴露时间等影响因素呈非线性关系，人工神经网络具有表示任意非线性关系和学习的能力，是解决复杂非线性，不确定性和时变性问题的新思想和新方法，基于此，作提出自适应神经网络的落煤残丰瓦斯量预测模型，并结合不同矿井落煤残存瓦斯量的实际测定结果进行验证研究，结果表明，自适应调整权值的变步长BP神经网络模型预测精度高，收敛速度快，该预测模型的应用可为采掘工作面瓦斯涌出量的动态预测提供可靠的基础数据，为采掘工作面落煤残存瓦斯量的确定提出了一种全新的方法和思路。     

含变阻抗变压器的110kV系统继电保护研究

随着电力系统不断发展,电网容量日益增大,电网工作时所带负荷也日益增大。高容量、高负荷导致线路发生短路故障时的短路电流剧增,从而对线路和通信设备造成很大危害。 为降低短路电流,分析了含变阻抗变压器的110kV电力系统继电保护可能出现的问题,为提高继电保护的灵敏度,提出了自适应保护的新方法,对变阻抗变压器在空投情况下的励磁涌流识别方法做出了可行性分析。根据仿真结果分析得出,传统的继电保护方法能够适应于含变阻抗变压器的 110kV系统,而自适应保护方法能够提高保护的灵敏度。     

基于ANN 的SBBR 短程硝化过程仿真研究

利用人工神经网络对实验室中短程硝化过程进行仿真模拟,采用误差反向传播算法,并结合自适应学习率,在MATLAB 语言环境下建立了进水NH₄⁺-N﹑DO﹑温度以及外加碳源与出水NH₄⁺-N 和NO^2--N 之间的非线性映射函数关系,确立了相关的动态模型.结合最优化网络模型运行参数,对样本进行仿真学习,仿真输出值与实际值的拟合程度相当高,最大误差仅13.8955%.通过权重分析,探究了各输入因素与输出结果之间的价值贡献关系,进水NH₄⁺-N 和温度对短程硝化过程表现出较大的影响.