黑龙江“平安龙煤”活动成效显著

自2007年创建“平安龙煤”活动启动以来,黑龙江龙煤集团四大矿区把构建群防群治安全生产网络作为重点,共建立各级安全生产群监会1500个,聘请群监员、家属协管员8300余人,筑起一道维护煤矿安全生产的强大防线。     

中国大唐集团公司

中国大唐集团公司四川分公司于2006年12月22日在四川省成都市正式成立。在四川省委、省政府的大力支持下,按照中国大唐集团公司的战略部署,目前四川分公司负责嘉陵江亭子口水利枢纽工程、甘孜南部水电站群等水电工程项目的开发和建设工作。     

基于PSO-SVM算法的环境监测数据异常检测和缺失补全

针对环境监测数据异常和数据缺失问题,提出了基于支持向量机的粒子群优化数据异常检测和缺失补全算法。利用粒子群优化算法选取较优的支持向量机训练参数组合,以此建立非线性的支持向量机模型,并利用结果模型对测得的真实数据拟合预测。以宁夏回族自治区某污水处理厂的污染物测量数据作为实验数据,结果表明,利用该算法预测数据的准确率可达97.977%,检测异常数据准确度高,缺失数据补全正确。     

PSO和SVM混合算法确定太湖入湖河流水质主要影响因子

以影响太湖入湖河流水质的24个因子值为研究对象,将PSO算法与SVM算法相结合。PSO算法用于优化SVM算法的参数c和g,以利于快速、高效地确定c和g的全局最优值;SVM算法基于最优的c和g,分别以24,21,18,15,12,9和6个因子作为特征向量预测水质的污染程度。结果表明,当特征向量为9个影响因子时预测率最高。其参数c=18.56,g=1.35,对应的预测率为：全局预测率92.59%,重度污染水质预测率88.89%,轻度污染水质预测率94.45%。因此,通过PSO和SVM混合算法,可以确定影响太湖入湖河流水质的主要因子,利用这些主要因子对水质进行预测预警,不但可以节省时间,而且可以得到精确的结果。     

声明

本刊已加入中国学术期刊网络出版总库、中国学术期刊综合评价数据库、万方数据—数字化期刊群、中国核心期刊(遴选)数据库、中文科技期刊数据库和教育阅读网。本刊已许可其以数字化方式复制、汇编、发行、信息网络传播本刊全文。     

基于韦伯-费希纳定律的空气质量普适韦伯指数公式

在适当设定各项空气污染物浓度"参照值"cj0的基础上,用相应于"参照值"cj0的污染物的"规范值"xj作为基于韦伯-费希纳(W-F)定律空气质量指数公式中的污染刺激量。由于各污染物同级标准的浓度"规范值"xjl差异不大,从而可以认为各污染物的韦伯指数公式等效于一个具有共同适用的韦伯常数α的W-F指数公式,并采用粒子群(PSO)算法优化得出α,得到对7项空气污染物皆适用的空气质量普适韦伯指数公式。该公式应用于多个实例分析,并与多种其它评价方法的评价结果比较表明,空气质量普适韦伯指数公式具有简单、实用和直观的特点。     

PSO-RBF耦合神经网络在水质评价中的应用

径向基函数神经网络(RBF)中,连接输出单元的权重是影响径向基函数神经网络学习精度的主要参数,采用粒子群算法(PSO)对模型参数(权值)进行优化,建立了PSO-RBF耦合神经网络模型,避免权重的人为设定,具有客观性。并在Matlab环境下编程计算,构建了用于地下水环境质量评价和海水富营养化评价的径向基函数网络评价模型。将模型应用于黑龙洞泉域5个地下水监测点和某海水富营养化评价。评价结果和其他方法的评价结果一致,与实际情况符合,评级结果是合理的。评价结果表明,RBF网络简便有效,收敛速度快,有较强的分辨能力,优化确定模型参数后,便可对评价样本进行评价,具有较好的实用性和通用性。     

基于组合赋权的混合粒子群优化支持向量机的岩爆倾向性预测

为有效预测岩爆灾害发生烈度,提出一种基于组合赋权的混合粒子群优化支持向量机(H-PSO-SVM)岩爆倾向性预测模型。根据岩爆发生机制,在分析岩爆发生的主要影响因素的基础上确定出评判指标;综合考虑模糊层次分析法(FAHP)所得主观权重和熵权法所得客观权重,应用调和平均数概念,构建组合赋权准则;引入遗传算法交叉、变异操作改进传统粒子群(PSO)极值跟踪和粒子更新方法,建立H-PSO-SVM岩爆倾向性预测模型。利用国内外已有工程实例数据进行50次随机抽样试验,对比分析H-PSO-SVM模型和PSO-SVM模型等预测结果。结果表明:H-PSO-SVM模型应用于岩爆工程实例预测具有可行性和适应性,模型预测的准确率高于其他模型,且预测结果更稳定。     

基于改进粒子群算法和元胞自动机的城市扩张模拟——以南京为例

为合理利用多智能体算法解决城市扩张动态模拟问题,基于地理学理论和社会学规律对粒子群算法进行有针对性的改进,提出分段式粒子群算法(SPSO),并结合元胞自动机模拟复杂时空过程的能力,构建出适用于城市扩张模拟的地理元胞自动机SPSO-CA。在SPSO-CA中我们利用多时像的土地利用数据、交通路网数据和地形数据,挖掘出1995~2000年南京城市扩张的土地转换规则。再由此规则实现1995~2008年的南京市城市扩张过程的动态模拟。最后对比SPSO-CA、PSOCA及NULL模型结果得:SPSO-CA总精度86.3%,Kappa系数为0.792,Moran’s I为0.078,PSO-CA总精度83.6%,Kappa系数为0.755,Moran’s I为0.054,NULL模型总精度81.9%,Kappa系数为0.741,真实的Moran’s I为0.072。这表明无论是总精度还是空间一致性,SPSO-CA都优于PSO-CA和NULL模型,即用SPSO-CA模拟城市扩张是可行的。