Environmental emergency decision support system based on Artificial Neural Network

We present a general methodology for developing environmental emergency decision support systems (EEDSS) based on an Artificial Neural Network (ANN). We highlight the method for developing the system using an illustrative example of an unexpected atmospheric accident with an ANN prototype system for a district in Shanghai. The network architecture of the ANN is introduced. Then the development process and key technologies are addressed. The procedures for matching the environmental emergency decision support characteristics are as follows: (1) digitization (coding) of case information and emergency measures, in which the information of cases are divided into the input attributes and decision-making information, and standardized and digitized through the Feature Evaluation (FE) method and the Intensity Hierarchical (IH) method, respectively; (2) construction of environmental emergency ANN, in which Gradient Descent with Momentum and Adaptive Learning Rate (GDMALR) method (traingdx function), a modified back-propagation algorithm, is employed to do training; and (3) translation (decoding) of decision-making information, in which output data of ANN is interpreted into practical contingency measures with Translation Based on Conventional Import Ratios (TBCIR) method. The training features, time, errors, accuracy, and input attribute weights of the prototype system are analyzed. The usage of the prototype system is demonstrated through a hypothetical case. This article encounters the challenge of ANN’s own lack of training samples. We discuss to the concept of integrating Case-Based Reasoning (CBR), Genetic Algorithm (GA), and ANN to overcome this difficulty and form a technology system for generating useful decision support information for environmental emergency response.     

镇江市老城区生活污水水质特征及排放规律研究

镇江市老城区排水系统落后,主要以合流管网为主,区域内居民生活污水已成为镇江市水环境污染的重要来源之一,对该区域内居民生活污水水质特征和污染排放规律进行研究,不但有助于正确认识、科学把握城市面源污染特征,还有利于污染控制对策的制定和治理工程的开展。选择镇江市老城区典型合流制管网系统——黎明河溢流口,采用定点动态采样的方法,进行该区域生活污水水质特征和污染排放规律研究。研究结果表明,研究区域内各月的COD、TN、TP和SS的逐时变化规律具有各自的相似性。     

基于蚁群神经网络的煤矿瓦斯预测模型

为了提高煤矿瓦斯涌出量的预测精度和预测速度,用蚁群算法和神经网络相结合的方法进行预测模型设计。选择瓦斯涌出的重要影响因素,建立其神经网络的预测模型。以网络的均方误差为目标函数,通过蚁群算法的迭代运算,实现BP网络的权值优化,并用优化好的BP网络进行瓦斯涌出预测。仿真结果表明,该方法具有较高的拟合预测精度。     

氯胺消毒管网“三氮”与总氯变化的预测模型

为探讨氯胺消毒供水管网的水质问题,建立了一种试验规模的氯胺消毒供水管网水质模拟系统。基于质量守恒原理和双Monod方程建立了该系统的硝化与氯胺衰减动力学耦合模型,并通过试验对该模型进行了验证。模型中的部分参数采用非线性多项式回归方法进行估计。应用该模型确定了活性氨氧化菌(AOB)和亚硝酸盐氧化菌(NOB)的数量。该模型对管网模拟系统内氨氮、硝酸盐氮与总氯的预测值与实测值基本一致,但对亚硝酸盐氮的预测值与实测值存在较大偏差。     

城市供水管网脆弱性评价研究进展

脆弱性评价有助于甄别城市供水管网的薄弱环节,确定合理的风险削减措施,保证供水安全。阐述脆弱性的有关定义及其与风险的联系与区别,回顾城市供水管网脆弱性评价的发展历程,介绍几种脆弱性评价方法的基本原理、优缺点及适用范围,并按不同评价思路对国内外使用的主要脆弱性评价方法进行分类总结。研究发现,目前尚未形成统一的脆弱性概念及切实可行的评价方法,今后应不断完善和整合各类方法,以定量和通用为核心,使城市供水管网脆弱性评价方法更为实用、有效。     

区域危险品道路运输网络双层反馈规划模型及算法

为通过运输网络规划方式降低区域路网危险品运输风险,根据危险品道路运输网络规划中存在监管者路网规划和运输者路线选择的双层约束特征,在假设监管者网络规划目的为总运输风险最小,运输者选线目的为总运输成本最小的基础上,建立区域危险品道路运输网络双层规划模型。进一步提出能求解得到稳定运输网络的双层反馈式算法,即在传统模型算法中增加稳定性检验和反馈调整算法,进而保证运输者在监管者规划路网中所选路线运输成本最小的同时运输风险也尽可能小。最后,通过实例分析检验模型和算法的有效性。计算结果显示,反馈式算法求得的运输网络更稳定,总运输风险值也比传统模式和算法的低。     

空区探测方法优选的ANP模型及其应用

目前矿山空区探测方法众多,但缺乏对其进行优化选择的分析模型。为了提高特定条件下空区探测方法选择的科学性、合理性,采用网络分析法(ANP)将决策问题分解成控制层和网络层。就这些层中的元素而言,用一种标度对人的主观判断进行客观量化后,对其实施定性、定量分析。综合考虑空区探测方法的技术、经济、人机设计及环境指标,构建空区探测方法综合评价体系,确定各判断准则间的相互影响关系,建立空区探测方法优选决策问题的ANP结构,借助Super Deci-sions软件计算参选方法基于各影响因素的综合优先权,从而确定适用于特定条件下的空区探测方法。结果表明,该模型能够随着工作环境的改变而计算影响因素优先权,使空区探测方法根据工作环境的改变而调整。     

改进型灰色神经网络在火灾预测中的应用研究

为提高火灾事故的预测精度,降低火灾损失,探讨并修正传统GM(1,1)预测模型关于背景值构造的缺陷,将改进后的灰色模型同BP神经网络模型融合,提出改进型灰色神经网络火灾预测模型。依据我国1997—2009年火灾事故统计数据,分别选用改进型GM(1,1)和改进型灰色神经网络模型对1997—2007年火灾发生起数进行拟合仿真,得到2008—2009年火灾起数预测结果。结果表明:该模型在避免GM(1,1)关于背景值构造缺陷的基础上,兼具灰色系统与神经网络的优点,既体现火灾复杂的灰色系统行为,又能自适应调整学习速率,与单一GM(1,1)相比,该模型的预测结果精度更高。     

基于BP神经网络的煤与瓦斯突出预测系统开发

煤与瓦斯突出影响因素多,难以为其建立合适的多指标非线性预测模型,为提高突出预测的准确性和增强预测预报方法的实用性,采用改进的BP算法建立煤与瓦斯突出预测数学模型。通过研究不同算法的突出预测效果,对已建模型的泛化能力进行检验,利用Matlab GUI和神经网络工具箱设计开发煤与瓦斯突出预测系统,通过向系统输入已知的突出样本数据,经过学习、训练,实现对未知参数的预测。仿真结果表明:网络在训练300次后,误差训练曲线的均方差(MSE)可以达到10-15,实际预测误差也小于0.1,系统得到的5组数据预测结果与实际情况相符。     

垃圾渗滤液生物处理系统BP人工神经网络模型

垃圾渗滤液成分复杂,变化范围大．对其调试及长期持续良好运行存在较大困难。本文针对武汉市二妃山垃圾渗滤液的调试运行数据,利用人工神经网络原理,建立BP人工神经网络垃圾渗滤液生物处理模型来预测处理效果．确定最优反应条件。实验结果显示网络具有良好的收敛特性,模型具有工程实用价值。