构建径向基函数神经网络模型预测沙尘暴对上海的影响

以全国47个城市的空气污染指数(API)为输入变量，翌日上海API值为响应输出，建立径向基函数神经网络模型预测沙尘暴影响上海的情况：结果表明，选取合适的模型结构可以取得较好的预测效果。     

咖啡因在河流沉积物中吸附的影响因素及模拟研究

咖啡因是一种在环境中广泛存在的药物,其在水系环境的迁移和分布主要受到吸附行为的影响.在实验室条件下,近似模拟自然河流水/泥界面,应用中心复合实验设计,考察了温度、pH、有机质含量和转速等对咖啡因吸附的影响;利用实验所得数据,分别拟合和验证了基于线性方程和神经网络的咖啡因吸附模型,通过对比拟合和验证结果得到适用于自然河流的咖啡因吸附模型.实验结果表明,咖啡因在沉积物中的吸附呈现先快速后缓慢的过程,30 h内吸附比例超过90%;咖啡因的吸附是放热反应,低温有利于咖啡因的吸附;而转速增大能促进咖啡因的吸附反应;pH和有机质含量的影响较小.模型模拟结果表明,两种模型均能较好地拟合吸附实验结果,但神经网络模型的拟合程度和精度均优于线性方程模型;且交叉验证结果表明,利用不同组数据进行训练,神经网络模型均取得了优于线性方程的拟合结果.因此,在所考察的因素和浓度范围内,神经网络模型较好地预测了自然河流沉积物中咖啡因的吸附行为.     

基于BP神经网络的二元混合液体自燃温度预测

为了给工业界提供一种快速预测二元混合液体自燃温度的有效途径,将试验所测不同组分及配比的168个二元混合液体的自燃温度作为期望输出,将基于电性拓扑状态指数(ETSI)理论、引入混合ETSI概念而计算出的9种原子类型所对应的混合ETSI作为输入,采用三层BP神经网络技术建立了根据原子类型混合ETSI来预测混合液体自燃温度的BP神经网络模型,并应用改进的Garson算法进行多参数敏感性分析。经模型评价验证及稳定性分析,得到训练集的决定系数R2为0.965,平均绝对误差MAE为11.892 K,测试集的交叉验证系数Q2ext为0.923,平均绝对误差MAE为15.530 K,发现该模型的预测性能优于已有的多元非线性回归(MNR)模型,表明BP神经网络模型具有较好的拟合能力和预测能力,对烷、醇类混合体系自燃温度的预测精度最佳。     

基于应变和PSO-BP神经网络的连续梁桥损伤识别方法

以连续梁桥为研究对象,建立了基于应变的损伤识别方法。提出将伪比能变化率作为损伤识别指标,并针对BP神经网络易陷入局部极小的缺点,用改进粒子群(PSO)算法优化BP神经网络的权值和阈值参数,建立PSO-BP网络预测模型。通过建立一座三跨连续梁桥有限元模型,以桥梁易损区域作为损伤识别对象进行数值模拟。结果表明,以伪比能变化率作为损伤识别指标,可以很好地实现对桥梁单位置和多位置损伤的定位及损伤程度识别,损伤程度识别的最大相对误差为3.14%,且网络内插能力优于外延能力。与传统BP神经网络比较,PSO-BP神经网络拥有更为精准的预测能力。     

基于PCA-RBF神经网络的地铁车站火灾风险评估

为避免地铁车站火灾事故的发生,帮助地铁车站管理部门做好火灾风险评估工作,提出基于PCA-RBF神经网络的地铁车站火灾风险评估模型。采用主成分分析法(Principal Component Analysis,PCA)对风险评价指标体系进行降维处理,并将降维后的主成分作为RBF神经网络的输入变量;选择具有代表性的样本数据训练RBF神经网络,并用检验样本测试训练效果;最后,输入待测样本数据得出火灾风险评估结果。通过实例对比分析,验证了该评估模型在地铁车站火灾风险评估中的可行性与准确性,对类似项目火灾风险评估具有一定参考意义。     

飞机飞行振动预计技术研究

介绍了飞机飞行振动的主要来源和特征,分析了传统预计方法的不足,针对飞机飞行振动与高度、马赫数和攻角等飞行参数呈非线性关系的特点,提出了基于BP神经网络的飞行振动预计新技术,建立了预计模型,通过8组建模样本训练网络,确定了预计模型中的各个参数值。预计结果和实测飞机飞行振动信号比较分析表明,该方法预计精度高,验证了BP神经网络预计飞机飞行振动的可行性。     

基于Matlab的BP神经网络在大气污染物浓度预测中的应用

为了寻求有效控制和改善环境质量的相应措施,选用了英国伦敦Bloomsbury监测站的PM10小时平均浓度监测资料,采用“提前终止法”泛化改进的BP神经网络模型,预测PM1024 h内的小时平均浓度。结果表明：采用BP神经网络法对大气污染物浓度进行预测,预测相对误差在2%-48%之间,且绝大部分在2%-17%之间,预测精度较高,泛化能力较好,为大气污染物浓度预测提供了一种全新的思路和方法。     

基于神经网络评估的密封点泄漏检测

介绍了运用神经网络评估方法对石化生产装置泄漏风险进行量化评估的主要程序：输入变量的选择、风险指标的确定及总风险评估指标的确定等。以某炼油厂柴油加氢精制装置的应用为例,说明该方法可以指导企业根据最终确定的风险等级制定泄漏检测计划,对高风险部位增加检测的频次,既能有效监控密封点的密封效果,又减少不必要的资源投入。     

基于神经网络的城市夜间环境监控与预测

因夜间天空亮度分布具有非线性变化特点,故引入神经网络算法,建立基于时间序列的夜天空亮度预测模型,夜天空亮度预测模型可为城市光污染防治提供评价依据.文章对神经网络的原理进行了论述,建立了基于时间序列预测模型.以测试数据为训练样本集,基于MATLAB(矩阵实验室,Matrix Laboratory的简称),采用改进的BP算法(误差反向传播算法)对网络进行学习训练,并对存在的误差进行了分析.基于时间序列BP神经网络的夜天空预测模型,当隐含层神经元数目为5,训练函数为L-M优化算法(trainlm)时,最大绝对误差可达到0.003 6 cd/m2,最大相对误差达到2.361 4%.结果表明,模型的运行结果与试验数据比较吻合,输出与目标矢量之间相关性也较好.     

基于实时控制的智能控制在废水处理中的应用

针对废水处理系统具有时变性、非线性、复杂性和不确定性等特点,提出采用智能控制对其进行实时有效控制从而提高处理效率、降低能耗,对智能控制的主要分支模糊控制、神经网络控制和专家系统进行讨论,介绍总结了国内外专家学者应用智能控制技术实现水处理中实时控制的最新动态。结果表明,废水处理系统采用智能控制可以有效地实现实时控制,提高处理效率、降低能耗和成本。