基于人工神经网络的气体泄爆最大超压预测研究

为解决传统经验公式在预测气体泄爆中最大超压出现时的较大偏差或过于保守的问题,提出使用人工神经网络预测气体泄爆最大超压。基于124组实验数据,采用BP与RBF神经网络,通过优化算法计算与迭代循环对泄爆样本中的影响因素进行降维与选择,并确定2类神经网络本身在学习与计算气体泄爆样本时的相关参数。结果表明:PCA（主成分分析法）在当前样本条件下的降维效果较差,而通过迭代对比确认气体泄爆样本中的5类特征全部保留时神经网络的训练模拟效果最好;通过对124组实验数据进行随机挑选训练集与测试集的训练模拟结果发现,神经网络对气体泄爆中最大超压的预测效果较好;通过对比Molkov提出的和经Fakandu等改进的NFPA 68经验公式以及2类神经网络的预测结果表明,神经网络相比于传统气体泄爆经验公式具有明显优势。     

人工智能浪潮下的周界报警系统

一、如何理解周界报警系统周界防护本身是一种防御体系,就像古老的中国长城,一直以来实体周界防御体系都是以围墙、围网、栅栏等方式存在。周界报警系统则是依附在原有实体周界防御体系之上的一种自动化智能设备,它包含传感、网络和分析管理模块,分别完成采集数据、传输和算法分析功能。系统时时刻刻收集传感器采集的数据进行分析处理,判断出符合入侵行为的事件,滤除各种干扰产生的事件。     

EOF重构声速剖面对深水多波束的声速改正分析

声速误差是多波束水深地形测量主要误差源之一,通常采用现场声速剖面测量的方式加以改正,但在深远海多波束水深地形测量时,现场获取全深度的声速剖面并非易事。针对这一问题,利用东南印度洋海洋调查工作中采集到的17个站位的CTD数据,将所有站位声速剖面拓展到全深度,采用经验正交函数分析法（Empirical Orthogonal Functions, EOF）构建调查区声速剖面场,可获得声速剖面场内任意一点的声速值。然后通过EOF重构声速剖面场获得的声速值对测区内多波束水深地形数据进行改正,并与实测声速剖面对多波束水深地形数据的改正结果进行对比,结果表明,5 000 m水深范围内2种声速改正结果相差很小,EOF重构法对深水多波束的声速改正满足水深测量的要求。     

间歇曝气序批式活性污泥法处理农村废水及其效果的模拟预测

采用两种不同运行模式的间歇曝气序批式活性污泥反应器(IASBR)处理农村废水,反应器连续稳定运行235d,考察了5个工况下,缺氧/好氧循环次数、进水碳氮比(C/N,质量比)、水力停留时间(HRT)等对总有机碳(TOC)、氨氮、TN、TP去除效果的影响。在进水C/N低时,缺氧/好氧循环次数为4的1~#IASBR的脱氮效率及稳定性明显比缺氧/好氧循环次数为2的2~#IASBR高,而脱碳和除磷效果无显著差异。氨氮去除方面,在进水C/N较低的工况1(C/N平均为2.3)、工况2(C/N平均为2.2)和工况4(C/N平均为2.0)下,1~#IASBR的出水氨氮质量浓度明显比2~#IASBR更低,而在进水C/N相对较高时两者无显著差异。TN去除与氨氮去除有类似规律。构建以进水TOC、氨氮、TN、TP、C/N和HRT、缺氧/好氧循环次数为输入的反向传播人工神经网络(BP-ANN)模型,对TOC、氨氮、TN、TP的去除率进行模拟预测,结果显示以上4个输出参数在训练组中的预测结果和实际检测结果之间绝对平均误差分别为2.65%、5.27%、3.56%、34.56%,在测试组中的预测结果和实际检测结果之间绝对平均误差分别为2.74%、3.40%、5.13%、28.32%。     

基于三角形算法的电力系统连通可靠性分析∗

为了研究电力系统的连通可靠性,介绍了网络连通性分析中常用的三种算法(图论法、模糊数学法、Warshall算法)及各自存在的问题。针对现有算法在求解传递闭包过程中未考虑对角线元素的问题,提出了基于 Warshall算法的假定算法。对此算法进行探讨后提出了可以避免偏差和考虑对角线元素处理的三角形算法,并进行推理及证明。基于川北地区 110 kV 发电站与变电站的可靠性,进行了电力系统连通可靠性的实例分析,对比验证了三角形算法的高效性。为大型网络系统连通可靠性分析提供了理论依据。     

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Landsat 8遥感数据的天津市地表温度反演

以Landsat 8遥感数据为数据源,进行天津市地表温度反演研究。首先采用单通道算法反演地表温度,并利用均值标准差法进行温度分级。然后建立不同温度等级面积比例的估算模型。再通过随机样点,从不同温度等级和土地覆盖类型2个角度,分别建立并比较不同类样点的地表温度与各指数的拟合模型。结果表明:次高温区域面积比例与人口密度、人均GDP都具有较高的决定系数;地表温度与NDVI、BAEM的二元线性回归决定系数高于地表温度与单一指数的决定系数;将样点分类后,低温点与MNDBI的决定系数高于其他温度等级样点,水域和植被样点与各种指数的决定系数高于其他地物类型样点。     

基于智能优化算法的河流水质模型参数的优化简

为探索河流水质模型参数新的求解方法,根据有限的实测数据,分别应用免疫进化优化算法和免疫进化优选的捕食搜索算法,对河流水质模型计算公式中的多参数进行优化。将优化得到的计算公式用于国内外若干河流的河段中DO浓度值的拟合,并与实测结果进行了比较。结果表明,将免疫进化优化算法或免疫进化优选的捕食搜索算法优化得到的水质模型参数精度不仅较高,而且相对稳定,从而为河流水质模型参数的优化提供了一种新方法。     

基于主成分和粒子群优化支持向量机的水质评价模型

水质的评价是治理水污染必不可少的工作。为了准确、快速地对水质进行评价,利用主成分分析法从水质监测常见的多个物化指标提取出主成分,然后将主成分作为支持向量分类机的输入,利用历史数据进行水质评价训练并用粒子群算法优化参数,构造出水质评价模型,将从物化指标中得出的主成分代入此模型即可得到水质类别。最后,选取水质监测点实测数据进行试验,结果表明,模型的水质评价结果准确且稳定。     

基于支持向量机的地下水质量综合评价

提出基于支持向量机(SVM)机器学习算法的地下水质量评价模型。首先给出了训练样本生成和数据规范化处理的具体方法,然后采用支持向量机的多分类算法构建模型,并使用k折交叉核实方法对参数进行验证优化。最后通过实证分析,并与单因子指数法、模糊综合评价法和BP神经网络法的评价结果对比分析可知,该方法简便易行,评价结果客观且准确度较高,具有很强的实用性。