模糊神经网络控制在污水处理中的应用研究

对模糊神经网络(FNN)技术应用于污水处理进行了研究,提出了一个具有五层的模糊神经网络控制器,仿真实验表明,该控制系统具有很强的鲁棒性与容错性.该控制器能够自动调整隶属度函数、动态优化控制规则,将其应用于溶解氧控制和出水水质预测,结果表明可以快速、有效地使溶解氧浓度达到期望值,实际出水水质预测结果也具有很好的收敛性和预测精度.     

Elman神经网络在抽水地面沉降预测中的应用

将Elman神经网络应用于南京奥体中心地铁站抽水试验初期对地面沉降的预测，提出了一种预测模型。该模型采用对已知数据样本进行分段的方法，把分段后的数据作为网络输入和期望输出训练网络，从而达到动态建模的目的。从预测结果来看，该模型误差较小，基本上能够反映2002—07—21当天地面沉降的真实情况，具有一定的可靠性和实用性，因此，该模型可作为后期由于基坑开挖和防渗排水所引起地面沉降的分析工具。     

三峡库区社区水平乡村路网对森林景观变化的影响

人为扰动是短时空尺度内森林景观变化或用途转换的主要动力,而乡村路网则成为人为扰动拓展的主要通道。基于1992、2002、2014年三峡库区重庆市石柱县西沱镇3期遥感影像和实地调研数据,在ArcGIS平台支持下,研究社区水平乡村路网对森林景观变化的影响。结果表明：1）1992—2014年研究区乡村路网影响域内次生林、退化林地和耕地的动态变化较显著,集中分布在中西部平坦区。1992—2002年乡村路网缓冲区内森林景观整体呈退化趋势,退化类型以次生林→退化林地、次生林→耕地、退化林地→耕地为主,演化量达1 705.91 hm²;2002—2014年乡村路网缓冲区内森林景观主要呈恢复趋势,恢复类型以耕地→退化林地、耕地→次生林、退化林地→次生林和原始林→退化原始林为主,演化量达1 674.52 hm²。2）相比发现,前一时期研究区乡村路网长度的增加和路网材质的提升很大程度上驱动森林景观的退化,而后一时期低等级路段的消失、废弃或利用率的降低则有助于森林景观的恢复,消失路段恢复率近100%。3）研究有助于丰富人们对社区水平乡村路网影响森林景观变化的理解与认识,为生态文明建设中合理规划乡村路网提供科学依据。     

基于多智能体和土地转换模型的耕地撂荒模拟研究——以陕西省米脂县为例

多模型耦合已经成为国内外模拟LUCC有效途径之一。论文通过如下步骤阐明宏观耕地撂荒格局和微观主体行为间的互动机理。首先,将微观主体间的相互作用纳入其决策,构建有限理性多智能体决策模型（Multi-Agent System,MAS）;其次,通过SNNS平台的训练学习以及与历史数据对比分析,验证土地转换模型（Land Transformation Model,LTM）模拟研究区宏观撂荒格局的有效性;最后,依据多模型耦合机理,耦合MAS模型与LTM模型,形成耕地撂荒模拟模型（Cropland Abandonment Simulation Model,CASM）,并基于研究区耕地撂荒的实际数据,探讨模型的合理性和可行性。结果表明：与2013年历史土地利用数据对比,CASM模型的PCM（Percent Correct Metric）系数为71%,比单独利用LTM模型的模拟精度提高3%,不仅表明CASM能够较好地模拟分析米脂县耕地撂荒空间格局分布,而且可有效揭示宏观耕地撂荒格局的微观驱动机理;同时,文章指出未来研究中要考虑政策和市场的影响,进一步完善不同层次主体决策对撂荒的影响,以此来提高模型对现实耕地撂荒的解释力。     

基于节点重要性评价的京津冀雾霾污染网络研究

近几年来,雾霾污染已经发展成为一个区域性的环境问题.区域内城市间雾霾污染的相关性错综复杂,呈现出复杂网络的结构形态.从整个雾霾污染大网络中去除一些联系不紧密、重要性不高的城市节点,进而找出真正发挥关键作用的核心子网络,对于整个区域的联防联控都有着重要的现实意义.本文将京津冀地区13个城市作为节点,选取2013年10月28日至2017年10月17日,共1488 d内每个城市的日均PM_(2.5)浓度数据作为样本.首先,根据城市间PM_(2.5)日均浓度的相关系数作为是否连边的判别标准,并由相关系数与城市间距离的比值构造出边的权重,通过连边状况去除了张家口这个孤立节点.其次,通过计算节点的加权集群系数、网络效率与脆弱性和采用基于度和集群系数的节点重要性综合评价方法对节点的重要性进行评价.接着,综合3种节点重要性评价方法得到节点重要性排名,由高到低分别是保定、唐山、廊坊、石家庄、天津、北京、沧州、衡水、邢台、秦皇岛、邯郸、承德.并根据节点重要性评价结果,从整个京津冀区域的大网络中提取出联系最为紧密、相关性最强的一个雾霾污染子网络.最后,文章结合京津冀地区雾霾污染子网络的结构特点与现有大气污染防治的政策法规,提出了促进区域内雾霾污染防治一体化的3点建议.     

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。     

上海市电子废弃物产生量预测与回收网络建立

以上海市为例,利用无容量限制的设施选址模型(UFCLP模型)建立了上海市电子废弃物(WEEE)回收网络,同时,为获得模型求解所需数据,根据1991～2012年的销售量对上海市2010～2017年彩电、冰箱、洗衣机、空调和电脑的废弃量进行了预测.结果表明,5种电子产品的总废弃量会从2010年的269.49×104台增至2017年的635.75×104台.最后,依据区域GDP、人口密度和区域面积等多因素对电子废弃物空间分布量进行了预测,并以此为基础选取了214个回收站候选点,使用SITATION软件对UFCLP模型进行求解,最终确定10个点作为拟建回收点,可实现未来上海市约76%的电子废弃物回收.该网络的建立对长三角地区和全国大中型城市电子废弃物回收都具有良好的示范作用.     

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。     

基于网络监管系统的机动车排气污染控制管理

通过建立南京市机动车排气污染网络监管系统,将车辆上牌、尾气年检、路检抽检、公交治理、标志管理、区域限行、维修治理等有关机动车污染控制的工作环节纳入到系统中,实现全过程在线实时监控,以保证工作过程的规范性、检测数据的真实性和监督管理的科学高效性。