污水处理中人工神经网络应用研究的探讨

针对污水处理系统的时变性、非线性、复杂性和不确定性的特点,提出应用人工神经网络技术对其控制,实现污水处理系统自动控制。简述了目前广泛应用于废水处理的神经网络以及建模原理。结合国内外研究动态,分析了人工神经网络在污水处理领域取得的成果,结果表明:在污水处理中引入神经网络智能控制是一种提高处理效率、降低运行成本的有效方法,国内在污水处理的神经网络智能控制的研究与国外有较大的差距,国内的研究及应用还处在发展阶段,应当加强。并对神经网络待解决的问题和发展趋势作了讨论。     

基于高阶递归神经网络的AUV鲁棒控制方法

目的 提出一种基于高阶递归神经网络的AUV鲁棒控制方法。方法 利用结构简单但逼近效果优越的高阶递归神经网络,对建模不确定性和外部未知干扰进行估计,并将其补偿到输入控制律中,以提高控制性能。之后,基于HJI理论和Lyapunov稳定性分析导出神经网络权重自适应更新律和AUV自适应控制律,设计反步滑模方法作为对比方法,并进行仿真实验。结果 设计的基于高阶递归神经网络的AUV鲁棒控制方法的跟踪误差、调节时间等控制指标均优于反步滑模方法。设计的鲁棒控制方法可以控制AUV精确跟踪目标轨迹,同时具有优秀的控制性能和鲁棒性。结论 这一研究为AUV轨迹跟踪控制领域提供了一种高效且有效的方法,有望在复杂、不确定的水下环境中得到应用。     

特长公路隧道全射流火灾通风网络解算研究

为探究特长公路隧道全射流火灾在通风条件下隧道内风流分布及影响规律,基于斯考德-恒斯雷近似算法构建通风网络解算模型,并通过隧道现场风机效率测试和通风测试,验证通风网络解算模型的可靠性;引入火区阻力和火风压公式,建立全射流火灾通风网络计算模型.结果表明:铜锣山隧道射流风机正向运转效率为0.83～0.93,平均效率为0.88...     

环境生态视角下的产业共生理论与实践研究进展

产业共生是推进全球经济可持续发展的创新途径 ,主要实践载体是以高效的能源利用以及优化的资源配置特点的生态工业园区.目前产业共生研究现状中存在整体缺乏系统和深度,缺少可操作性的定量模型和评估方法及理论与产业实际过程的结合分析较少等问题,未来研究应该在总结大量产业共生实践案例的基础上,逐步建立各层面指标体系及量化方法,制定完善评价标准和综合评估技术,为生态工业园共生模式优化、共生网络稳定性和共生效率评估奠定科学依据.     

人工神经网络在环境科学中的应用研究

以B-P网络为例介绍了人工神经网络模型的应用原理。以开拓人工神经网络在环境科学中的应用范围为目的,综述了几种常用神经网络模型在环境预测与评价2方面的应用性能。结果表明:人与环境关系的科学量度是多方位、多因素的非线性模糊问题,而人工神经网络模型具有解决该类问题的独特优点。针对不同环境问题,优选模型,开拓人工神经网络方法在环境科学中的应用范围,为环境问题的解决提供新的技术手段。     

基于修正组合模型的青海省城市需水量预测

根据城市用水量系统具有非线性和随机波动性的特点,为了充分发挥组合灰色神经网络预测模型能够综合单变量预测及非线性处理的优势,同时降低组合权系数计算方法的不确定性对模型预测效果的影响,论文提出了基于马尔科夫链修正的组合灰色神经网络预测模型。将其应用于1980—2009年青海省城市用水量序列的拟合分析,并预测其2010、2015以及2020年的城市需水量。结果表明:基于马尔科夫链修正的组合灰色神经网络预测模型预测结果的误差更小,精度更高。     

电除尘器计算机智能控制系统的开发

阐述了IPC系统一的T／R微机控制设备、低压微机控制设备的技术特性以及该系统的构成和基本功能,并对其网络控制功能和智能化闭环控制功能作了重点讨论。     

河网水源生态湿地水氢氧同位素分异特征

为揭示河网水源生态湿地中水力流程沿途和植物床-沟壕系统内部水同位素分异特征,于2019年8月夏季湿雨期,沿水力流程梯度采集嘉兴市石臼漾湿地、贯泾港湿地、海宁市长水塘湿地和泰山港湿地这4个根孔型水源生态湿地上层水样,于2020年1月冬季干冷期采集泰山港湿地植物床-沟壕系统内部沟壕上层水样和植物床潜水样品.测定氘（δD）和δ¹⁸ O丰度,运用同位素技术和数理统计方法解析湿地水体水同位素分布和组成特征,并探明植物床-沟壕系统对水同位素分异的影响.结果表明：①河网水同位素时空变化很大程度上受到不同水源补给和蒸发富集作用的影响,湿地敞水区水线与邻近区域大气降水线相比,湿地区水氢氧同位素呈现富集特征;②通过多种数理统计手段结合散点图并做模型假设诊断分析,发现在4个湿地的区域尺度和每个湿地内部的局域尺度,水氢氧同位素丰度及组成在垂向维度和水平维度大多呈现复杂的非线性变化,在区域尺度上,垂向维度的水位高程较水平维度的水力流程长度对水同位素的分布影响更大,而在局域尺度内,水力流程驱动的影响往往更大;③异质性较强的湿地根孔生态净化区相较于其他功能区其水同位素相对更加富集;④由芦苇等根系发达的植物所形成的地下大孔隙网络、富含粘土的基质土壤和植物床上的植物对湿地水氢氧同位素丰度具有显著影响,因此,在植物床-沟壕系统内部,出水侧的低位小沟相较于进水侧的高位小沟其水同位素偏轻;⑤植物床-沟壕系统中水同位素丰度的突变点可能预示着水体净化的拐点;⑥植物床-沟壕系统潜水中氘盈余（d-excess）明显高于沟水相应值,且潜水变异系数远大于沟水,湿地根孔生态净化区的氘盈余呈现夏季湿热雨季偏负、冬季干冷旱季偏正的季节性差异,反映了湿地水汽来源的季节性差异和内部同位素分馏行为的空间差异.研究结果为人们认识人工湿地中水同位素分布特征、水力流态及提升湿地运行效果提供参考依据,并为探索湿地水质提升关键技术提供新思路.本研究表明水同位素技术在剖析湿地水文学方面具有可靠的巨大潜力.     

人工神经网络在生态环境质量评价中的应用

以生态环境指标的各级评价标准作为训练样本，应用人工神经网络建立生态环境质量评价的BP网络模型。用训练好的BP网络对生态环境质量进行评价，并与模糊识别评价法进行比较。结果表明，人工神经网络用于生态环境质量的评价结果与环境质量实况相符。     

基于PSO算法的BP神经网络对水体叶绿素a的预测

BP神经网络(Back Propagation Network)在水体富营养化评价及预测中已广泛应用,但传统BP算法的收敛速度慢并易陷入局部最优. 提出了一种基于微粒群(PSO)算法的BP神经网络模型,利用PSO对神经网络的权值进行修正,优化神经网络结构及算法全局收敛性. 选择最能代表明湖水质状况的5号采样点作为研究对象,把2009年4月—2010年3月的月样本插值为周样本,对明湖ρ(Chla)的短期变化趋势进行了预测,并用6号采样点数据来验证网络的泛化能力. 比较分析基于PSO算法的新模型与传统BP算法模型的预测精度表明,新模型有效克服了传统算法的缺点,提高了网络的预测能力和学习能力.