基于粗糙集-神经网络的矿山地质环境影响评价模型及应用

采用衡山白果地区石膏矿山的11个评价指标,综合运用粗糙集和神经网络理论,构建了基于粗糙集-神经网络(RS-ANN)的矿山地质环境影响评价模型,对RSES软件约简的数据和无约简的数据采用EasyNN-plus软件进行预测评价。神经网络模型的输入属性为8个,而粗糙集-神经网络模型的输入属性为6个,训练样本均为13个,预测样本均为4个,前者的平均预测精度为1.85%～24.86%,后者为1.23%～15.28%。研究发现,粗糙集在保留关键信息的前提下可有效地对数据表进行约简,约简后的神经网络预测结果与实际情况吻合,并比无约简时总体精度有较大幅度提高。     

边坡变形时序非线性判定及混沌预测研究

以探讨边坡变形性质及混沌预测可行性为目的,基于混沌理论利用相空间重构技术对其变形时间序列进行混沌特征判定,试验显示变形系统具有混沌特性,可用混沌相关理论进行研究;基于混沌相空间重构技术,笔者构建了多种混沌预测模型进行混沌预计研究,分析各类模型的工程实际应用效果;针对单次监测时序预测精度较低的问题,提出累加时序预测方案,训练结果显示,短期预测精度变形累计值基本控制在5%以内,高程值预测相对误差均低于1%,预测精度较高,可以用于工程实际。     

基于BP模型对城市交通噪声的数据处理和预测

城市交通噪声的预测和评价技术是城市交通可持续发展的重要研究内容,直接为城市交通规划中环境容量分析和环境影响评价服务。本文通过实测的大量数据,运用神经网络中的BP模型及其算法建立车辆数、道路宽度和交通噪声之间的关系,对城市道路交通噪声数据进行处理和预测。     

山区土壤重金属空间插值性能的改进

山区土壤重金属监测中,密集均匀的布点采样困难大,成本高。根据稀疏非均匀样本数据准确预测山区土壤重金属空间分布,对可视化描述检测元素的分布及趋势具有重要意义。基于云南省楚雄市南部山区表层土壤中重金属锰、钒的采样数据,对集成径向基函数神经网络(IRBFANNs)和传统插值方法:反距离(IDW)、普通克里格(OK)、径向基函数神经网络(RBFANNs),进行了不同等级采样密度下的插值性能比较。结果表明,样本点数量减少时,传统预测方法的插值精度都有所下降,而IRBFANNs算法在样本点较少情况下能够保持最好的插值精确度和稳定性,有效改进了空间插值性能。     

大数据解析技术在大气环境监测中的应用研究

针对近年来新兴的大数据及挖掘、分析技术,对大数据解析技术在环境科学研究中的应用进行了分析和探析。以城市局部地区大气细颗粒污染物PM2.5浓度计算为例,筛选了PM2.5浓度历史数据、气象条件、交通状况、人群活动情况、网格道路状况等数据为影响特征量,分析了用神经网络法进行大数据解析和推演的原理和数学过程,是用数学、计算机、统计等方法研究解决多元、非线性复杂环境问题的一种新的探索。     

基于GF-1号遥感影像的武汉市及周边湖泊综合营养状态指数反演

湖泊水体富营养化的监测评价是湖泊水资源管理和水环境保护的基础性工作。基于GF-1号WFV遥感影像和综合营养状态指数法,通过82个站点实测数据建立多元线性回归和RBF神经网络模型,对武汉市及其周边地区主要湖泊综合营养状态指数进行了反演。反演的结果显示,武汉市及周边大部分湖泊水域处于轻度富营养和中营养状态,局部湖区为中度富营养状态。验证结果表明:GF-1号WFV多光谱数据用于监测大面积湖群水质变化是可行的;两种模型都可以建立实测数据与遥感信息的函数关系,根据函数可以反演湖泊水质综合营养状态指数,进而实现大面积湖泊水质动态监测;而RBF神经网络模型预测的R2为0.742 3,均方根误差为3.72,其反演精度更高,更适合于监测内陆湖泊水质变化。     

基于视频的雾天能见度实时监测方法研究

目前我国高速公路能见度监测主要依靠能见度观测仪,该方法覆盖区域有限且成本较高,而我国高速公路图像采集设备应用广泛,因此提出了一种基于监控视频图像测量雾天能见度的方法。该方法将图像进行分窗格处理,通过相关性分析筛选出最优兴趣窗格的亮度均方差特征矩阵,建立BP神经网络修正线性残差组合模型。结果表明:残差修正模型监测效果优于单一线性回归模型,残差修正模型的决定系数R2为0.977;在光线充足的情况下,残差修正模型的相对误差在10%以下,模型精度相对稳定;最后应用此方法监测高速公路雾天能见度,模型的正确率在80.48%以上。验证了用该方法测量雾天能见度具有可行性和有效性。     

上海市夏季高架道路边颗粒物垂直分布研究

为研究夏季高架路边颗粒物浓度的垂直分布规律,以上海市南北高架交叉处路边垂直区域为研究对象,通过Fluke 985粒子计数器采集颗粒物数量浓度数据。分析了6种直径范围颗粒物(0.3~0.49μm、0.5~0.99μm、1~1.99μm、2~4.99μm、5~9.99μm、≥10μm)在高架路垂直区域的分布规律,并结合微观尺度下的交通、气象、高度等数据建立了逐步回归和SVM神经网络预测模型。结果表明:在高架路边的垂直方向上,随高度增加,6种颗粒物浓度整体呈现下降的趋势;0.3~0.49μm、0.5~0.99μm、1~1.99μm三种颗粒物浓度受高架桥带来的"盖子效应"影响,在距离地面约21 m高的7楼达到最大值;总体上早高峰颗粒物浓度大于晚高峰,工作日颗粒物浓度高于非工作日;SVM神经网络模型比线性逐步回归模型能更好地预测高架路边颗粒物的垂直分布规律,可作为上海市夏季非降水天气高架桥面附近颗粒物浓度预测的方法。     

走滑断层作用下X80管道设计应变规律和神经网络预测

走滑断层是埋地管道常见的地质灾害威胁,断层作用下管道会发生较大的拉压应变而失效。为得到X80管道的设计应变,基于有限元方法建立了走滑断层作用下管道的应变响应数值计算模型,模型使用壳单元模拟管道,非线性弹簧单元模拟土壤约束,采用西二线实际工程的管道应变影响参数范围,计算了管道的设计应变;为预测管道的设计应变值,基于以上参数化分析得到的4 817组设计应变结果,采用人工神经网络建立了管道设计应变预测模型。结果表明:该神经网络模型预测结果的最大相对误差小于10%,预测准确性良好,且该方法具有较高的计算效率,可以为断层作用下埋地管道的应变设计与评估提供参考。     

神经网络在低压脱扣装置选择上的应用

低压脱扣装置应用于环境复杂的场合, 选型不当易使得电力事故频发,不利于电力系统的可靠运行。通过分析影响低压脱扣选择的因素,利用Back Propagation神经网络进行建模,提出了一种低压脱扣装置自动选择预测方法,结果表明:该方法在准确性与可重复性.上与传统方法相比具有较大优势,在工程应用中有一定的参考作用。