东江流域水利工程对流域地表水文过程影响模拟研究

东江流域为香港及广州等特大城市的重要水源地,新丰江、枫树坝与白盆珠三大水库对东江全流域水资源有控制性调蓄作用,加上人类活动影响,导致东江流域地表径流发生显著变异.研究分析东江流域上中下游水利工程建成前、后径流在时间与空间的变异特征,对水利工程与人类活动影响的东江流域水资源管理提供重要依据.基于此,选取多元线性回归、神经网络与支持向量机等模型模拟水利工程建成前的径流变化,研究认为:①神经网络为水利工程建成后径流变化模拟的最优模型;②水利工程建成后,流域径流变异特征分两阶段:1974-1982年流域水文变异不显著,水利工程影响不大;1983-2000 年径流变异显著,水利工程削峰填谷作用明显;③东江流域龙川、岭下、博罗站水文变化均受水利工程调蓄影响,但影响程度各异:博罗站水文变化受水利工程影响最大,岭下站次之,龙川站受影响最小.另外,在水利工程调蓄作用影响下,东江流域月径流变化幅度趋于平坦,在一定程度上降低了洪水风险及减少了极端气候条件对东江流域水资源供给造成的负面影响.     

基于自适应调整蚁群-RBF神经网络模型的中长期径流预测

径流预测历来是水利部门的一项重要工作,针对水库和河流中长期径流预测精度不高,提出了自适应调节人工蚁群算法(ARACS),对RBF神经网络参数进行优化,建立了自适应调节人工蚁群-RBF神经网络组合算法(ARACS-RBF)预测模型,综合考虑影响径流预变化因素,对安康水库进行中长期径流预测。对预测效果进行检验,结果证实该模型可真实地反映河川径流变化的总体趋势, 并为判断时间序列数据的非线性提供了一种新方法。与RBF神经网络模型、人工蚁群-RBF神经网络模型预测结果进行对比,结果表明,应用ARACS-RBF模型对中长期径流量进行预测,预测精度更高、效果更好。该方法克服了RBF神经网络和人工蚁群算法易陷于局部极值、搜索质量差和精度不高的缺点,改善了RBF神经网络的泛化能力,收敛速度快,输出稳定性好,提高了径流预测的精度,置信度为98%时的预测相对误差小于6.5%。可有效用于水库和河川中长期径流预测。     

基于RBF神经网络的鄱阳湖表层水体总悬浮颗粒物浓度遥感反演

为进一步提高湖泊总悬浮颗粒物浓度遥感反演的准确性,引进适应复杂非线性映射的RBF神经网络模型,以鄱阳湖通江湖体为例进行了实证分析,根据实测水体悬浮颗粒物浓度和MODIS遥感数据,对遥感数据进行预处理,建立了RBF神经网络悬浮颗粒物浓度反演模型,神经元个数为8个,误差性能目标值为0.001,对悬浮颗粒物浓度进行反演。研究结果表明,验证样本相关系数R2=0.956 8,均方根误差RMSE=0.54。利用神经网络模型反演水悬浮颗粒物浓度是有效的,其反演结果优于非线性回归模型的结果。     

染料废水催化氧化的神经网络法预测

采用催化氧化法治理酸度较大,难以生物降解的染料生产废水行之有效。利用变生长ＢＰ人工神经网络方法对某蒽醌系列分散染料生产废水的催化氧化处理效果建立了数学模型,成功应用于不同条件下的预处理效果进行的行预测。     

基于GRA-SSA-Elman的隧道施工瓦斯安全性预测评价

为准确预测隧道施工瓦斯灾害,有效评估瓦斯安全,建立基于灰色关联分析(grey relational analysis, GRA)与麻雀搜索算法(sparrow search algorithm, SSA)优化Elmen神经网络的隧道施工瓦斯安全性预测评价模型。首先从水文地质条件、隧道设计、煤层结构状况及施工管理四个方面考虑,遴选12个主要影响因素,采用GRA法量化分析选取的影响因素与评价对象间的关联性;然后引入SSA优化Elman模型中的初始权值和阈值建立模型,采用留一交叉验证法验证模型性能;最后为进一步验证模型性能,对选取的实例瓦斯隧道待测样本进行瓦斯灾害预测评价,同时与PSO-Elman、Elman、Fisher判别分析(fisher discriminant analysis, FDA)模型预测结果与现场实际结果对比分析。结果表明：SSA-Elman预测结果与实际工程结果一致性更高,优化后的模型精确度和稳定性更好,可操作性强,对隧道施工瓦斯安全性评估具有良好的适用性。     

污水处理过程自动控制研究与应用

就国内外近几年的污水处理过程自动控制的研究进展进行了综述,介绍了各种先进控制理论和先进控制技术在污水处理主要工段和典型参数控制中的应用,并提出污水处理过程中先进控制的前景。     

神经网络预测催化超临界水氧化废水效果的研究

在间歇式反应器中进行催化超临界水氧化DDNP废水试验,考察催化剂浓度、反应温度、压力、停留时间对氧化效果的影响。在实验基础上采用BP神经网络算法,建立以催化剂浓度、反应温度、压力、停留时间作为网络模型的输入层,COD去除率作为输出层的双隐层BP神经网络预测模型,预测催化超临界水氧化废水的效果,仿真结果表明模型预测效果较好。     

BP神经网络在航空机务人员本质安全程度评价中的应用

航空机务是飞机安全服役的重要保障,为提高航空机务系统的本质安全性,需要对航空机务人员的本质安全程度进行准确评价。在对本质安全人进行定义并明确航空机务人员本质安全程度评价项目后,构建了一种基于MATLAB的用于本质安全程度评价的BP神经网络模型。实例分析中,以某航空公司10位机务人员的专家打分数据作为样本输入,在对输入数据进行标准化处理,并明确期望输出后,通过编程计算,确定了网络隐含层神经元的最佳数目。采用优化结构进行仿真计算,结果表明BP网络的期望输出值和实际仿真输出值能较好吻合,证实了模型的可信性。基于BP网络的航空机务人员本质安全程度评价具有较好的适用性和可行性。     

海口市臭氧浓度统计预报模型的构建与效果评估

主要利用2015～2020年海口市臭氧(O₃)浓度资料和ERA5再分析资料,基于污染物浓度控制方程挑选出海口市O₃-8h浓度(日最大8 h滑动平均)的15个关键预报因子,构建了多元线性回归模型(MLR)、支持向量机模型(SVM)和BP神经网络模型(BPNN),并对2021年海口市O₃-8h浓度进行预测和效果检验.结果表明,O₃-8h浓度与关键预报因子的相关系数绝对值主要分布在0.2～0.507之间,其中1 000 hPa的相对湿度(RH1000)和风向(WD1000),875 hPa的经向风(v875)的相关系数绝对值超过了0.4,具有较好的指示作用. 3个预报模型基本能预报出海口市O₃-8h浓度冬半年偏高,夏半年偏低的变化趋势,其中BPNN模型的标准误差(RMSE)数值最小(22.29μg·m^-3).实测值与3个统计模型预报值的相关系数从大到小排列为：0.733(BPNN)>0.724(SVM)> 0.591(MLR),均通过了99.9%的信...     

基于BP神经网络的机场次日鸟击风险预测方法

机场鸟击已成为中国民航机场运行安全的最大挑战。根据机场鸟击责任区的定义并结合飞行程序,分析了责任区的空间范围及该范围内飞机起飞爬升、着陆进近的位置和速度。从鸟类、飞机、机场、周边环境和自然气候这5个维度建立了机场鸟击风险水平日变化的评价指标体系,基于反向传播(Back Propagation, BP)神经网络方法构建了机场鸟击责任区次日鸟击风险预测模型和方法。案例机场实际应用表明,BP神经网络在机场次日鸟击风险预测中有良好的应用性,结果准确可靠,可为机场鸟击防范工作提供指导和参考。