基于卷积神经网络的幼儿园户外环境安全评价

幼儿园户外环境是幼儿日常游戏的主要场所,其环境的安全与否影响到幼儿身心健康.幼儿户外环境的安全评价可以查找安全隐患,进而采取针对性的改进措施.传统的环境安全评价方法为访谈法、观察法、问卷法和案例法,具有较强的滞后性和主观性.为此,研究提出了基于卷积神经网络的幼儿园户外环境安全评价方法(S EB CNN).该方法以幼儿在运动环境中的影像为基础,利用卷积神经网络准确生成幼儿户外运动状态的大数据,进而利用算法处理后的大数据对运动环境进行安全性分析和风险预测.经对南方某幼儿园实验验证,该方法具有数据颗粒度高、数据准确完备及鲁棒性高的特性,为幼儿园户外环境安全性分析和预测提供了新的路径.     

基于ANFIS的铣刨机切深精度预测

针对某地区松软地表随地形等厚度铣刨的要求,提出了一种机械接触式"恒压力"地形探测器应用于铣刨机。铣刨机切深精度除了受切深控制系统本身影响外,铣刨鼓转速、行进速度、切削深度和地形探测器接地压力等工艺参数的合理设置和匹配也很关键。基于铣刨工艺参数实验,建立自适应模糊神经网络的铣刨机切深精度预测模型,实现了在给定输入参数条件下,对切深精度的准确预测,经过实验验证,平均预测误差不大于5%。     

基于BAS-BP模型的风暴潮灾害损失预测

风暴潮灾害是中国沿海地区最严重的灾害之一,近年来由其带来的经济损失均占海洋灾害总损失的90%以上,因此构建一个简单准确的损失预估模型显得尤为重要。本文以现有风暴潮灾害研究为基础建立了基于天牛须搜索（beetle antennae search）优化的BP神经网络模型,将其应用到风暴潮灾害经济损失预评估中。本文收集了福建省1994~2016年记录比较完善的29个风暴潮灾害损失数据,建立风暴潮灾害损失预评估指标体系并利用熵值法对指标因子进行预处理,消除数据冗余信息对预测的影响。对模型进行仿真测试,结果表明,与标准BP神经网络相比新模型有效避免了网络陷入局部极小值的可能,且与常规优化算法相比,克服了训练时间长、收敛速度慢的缺点,具有更好的鲁棒性和预测精度。     

遥感技术在湖泊水质监测中的应用

环境污染遥感监测技术具有监测范围广、速度快、成本低,且便于进行长期的动态监测等优点,是实现宏观、快速、连续、动态地监测环境污染的有效方法,已成为湖泊环境动态变化监测的重要技术手段.湖泊水质遥感监测是基于经验、统计分析或水质参数的光谱特征,选择遥感波段数据与地面实测水质参数数据进行数学分析,建立水质参数反演模型实现的.在运用遥感技术对湖泊进行水质监测的方法中有传统方法和神经网络模型.与传统方法相比,神经网络模型有较强的水质识别的容错性,水质状况识别的可信度.今后,神经网络模型、高光谱遥感技术以及RS与GIS、GPS的结合运用等将是遥感技术在此领域中的发展方向.     

时延神经网络对宝兴树蛙异质种群鸣叫的聚类分析

对瓦屋山宝兴树蛙3个不同海拔分布(A:山下;B:山腰;C:山上)的异质种群鸣叫的时频参数进行分析,发现三地鸣叫各参数互相重叠,无明显界线.常规统计分析不能使三地的鸣叫聚类为各自的组.使用时延神经网络对三地宝兴树蛙鸣叫的时频参数进行有指导聚类,发现三种群鸣叫有地区性差异,并表现出由个体交流引起的山腰种群群体特征的不显著.推测差异可能是因为长期地理隔离所导致.基于神经网络的分析结果,对各种群间的个体交流情况进行了初步估计.图6表1参20     

基于遥感影像智能识别的京雄城际铁路生态环境监控技术

基于京雄城际铁路施工期生态环境影响的分析,通过对大型临时工程和环境敏感点遥感影像的切片、样本制作等预处理,研究建立了基于深度卷积神经网络的分类识别模型,使用优化算法对模型进行模拟训练,基本可实现对铁路沿线特定目标的智能识别.该技术的应用为京雄城际铁路开展生态监控提供了有力支撑,促进信息化、自动化、智能化铁路建设.     

城市燃气管网泄漏事故分析知识图谱构建及应用研究*

为深入认识燃气管网泄漏事故的发生发展机理,提高事故分析预测的自动化、智能化、数字化水平,利用知识图谱对燃气管网泄漏事故进行研究。在事故案例分析的基础上,从人-物-环-管的角度对燃气泄漏过程以及火灾爆炸次生事故的相关实体进行归纳梳理,对实体间的逻辑关系和非逻辑关系进行辨识,并对实体的属性进行分类,进而构建出较为全面的燃气管网泄漏事故知识图谱。在此基础上,搭建BP神经网络模型,基于已知实体或属性状态,预测相关联其他实体或属性的状态。研究结果表明:燃气管网知识图谱能够有效展示燃气管网泄漏事故发展的动态过程及相关要素,结合BP神经网络能够有效预测事故的发展路径及相关状态,从而提高燃气管网泄漏事故的分析预测水平与效率。     

基于多源数据融合的煤矿工作面瓦斯浓度预测*

为了解决瓦斯浓度预测使用的单一数据在预测中影响还不够深入的问题,提出基于LSTM神经网络的多源数据融合瓦斯浓度预测模型。模型将上隅角瓦斯浓度、采煤机速度、工作面吨煤瓦斯涌出量等不同数据融合作为输入层参数,使用Adam优化算法更新LSTM网络层参数,利用Attention机制突出关键影响瓦斯浓度的因素,开展多源数据融合的瓦斯浓度预测,结合某矿1008工作面的实际数据,分析不同数据在瓦斯浓度预测中的作用。研究结果表明:单变量下的Attention-aLSTM预测效果相比LSTM提升14.2%;多源数据融合下的Attention-aLSTM相比自身提升了5%。     

基于植被指数和神经网络的热带人工林地上蓄积量遥感估测

热带森林作为陆地生态系统的组成成分之一,研究其蓄积量估测对我们了解其在全球碳循环中的地位和作用有很重要的意义.但遥感估测森林生态参数的精度如何,还是个不确定的问题.利用LANDSAT-TM数据,基于森林清查数据和遥感技术,以尾叶桉和加勒比松为例,对中国南方地区人工林蓄积量估测进行了尝试研究.首先,通过测量样方胸径、树高,建立森林蓄积量估算模型.其次,通过对比分析不同植被指数与森林蓄积量之间的关系,选择合适植被指数组合,建立多元回归和神经网络模型.结果表明:单波段TM数据和大多数植被指数与蓄积量相关性并不好.神经网络比回归分析模拟效果好.而多元回归和神经网络模型大大提高预测精度.本研究方法对大面积的森林蓄积量估测具有一定的参考价值.