考虑行人跨越障碍物能力的元胞自动机模型

为深入研究不同类型的行人跨越障碍物行为,建立改进的元胞自动机模型,利用Dijkstra算法计算静态场,根据跨越障碍物能力不同将行人分为强跨越能力、弱跨越能力和无跨越能力3类,通过调查大型商场出入口相关尺寸参数和障碍物分布情况,构建商场疏散通道的疏散场景,分析可跨越障碍物的摆放方式与长度、行人密度和在障碍物可跨越条件下出口大小等因素对疏散过程的影响。研究结果表明：考虑跨越障碍物行为更符合疏散实际情况,且具有不同跨越能力的行人达到一定比例时最有利于疏散;行人密度越小,可跨越障碍物的位置对疏散影响越明显;出口在一定大小时就已经满足疏散要求,增大出口对疏散促进作用较小。     

基于二叉决策树的高职毕业生创业状况调查研究

基于二叉决策树分类技术对河北省大中专毕业生创业状况调查数据进行理性分析,结果发现：创业目的、环境和时机,政府扶持大学生创业的优惠政策,对于高职毕业生创业倾向起到了重要的作用。针对高职毕业生创业的现状,提出全面提高个人素质、正确引导创业教育、加大政府创业扶持力度等对策建议。     

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.      

艾比湖流域气溶胶光学厚度时空演变及影响因素

气溶胶光学厚度(AOD)描述了气溶胶对光的衰减作用,并在一定程度上反映区域大气污染程度.本研究以2000年～2015年长时间序列MOD09A1数据为本底,在生成查找表的基础上,采用深蓝算法(DB)对艾比湖流域2000年～2015年Landsat TM/ETM+/OLI数据进行AOD遥感估算,分析艾比湖流域AOD时空变化特征,结合环境变量选用随机森林模型(RF)对AOD进行预测及因子贡献度排序.结果表明:①艾比湖流域AOD呈现显著的季节性变化特征,AOD值春季(0. 414)夏季(0. 390)秋季(0. 287),其中春季变化幅度最大.②艾比湖流域平均AOD为0. 374,年际变化整体表现为上升趋势,但在2010～2015年间AOD增加较快,年际增幅达到32. 32%,表明该流域近15年间的大气污染不断加剧,近5年尤甚.③艾比湖流域AOD空间分布从艾比湖北部到南部呈阶梯式上升变化,其中,精河县污染最为突显,AOD值达到0. 483.④RF模型对AOD的预测效果较好,R~2=0. 866,RMSE=0. 042,其中蒸散发对艾比湖流域AOD影响最为显著.     

加速并行遗传算法及其在暴雨强度公式参数优化中的应用

针对标准遗传算法中存在早熟收敛、后期收敛速度慢以及解精度低的问题,结合正交试验设计和元胞自动机模型,提出了一种改进的遗传算法--加速并行遗传算法(APGA).APGA利用正交试验设计确定较好的初始种群,利用元胞自动机模型固有的并行计算能力设计并行遗传算法,借助元胞信息的动态性和多元性实现正交加速过程.该方法不仅能加快遗传算法的收敛速度,而且能提高遗传算法的搜索效率和解的精度,适用于求解复杂的非线性优化问题.APGA用于暴雨强度公式参数的优化实例结果表明,该算法是有效和可行的.     

基于FP-growth算法的高校群体性突发事件关联规则分析

为有效预防高校群体性突发事件,借助数据挖掘关联规则挖掘理论,在分析高校突发事件关键诱发因素基础上,构建基于FP-growth算法的高校群体性突发事件关联规则挖掘模型。并将模型应用于事务数据库数据的分析中,研究关键诱发因素间关联关系,实现强关联规则输出。研究结果表明,多数高校群体性突发事件的发生与日期没有必然联系;内部管理因素、内外部突发事件、内部突发事件、政治因素是诱发高校群体性突发事件的主要因素,且外部因素导致的群体性突发事件影响力远远超过内部因素的影响力;当突发事件发生后,应急处置的有效性是决定突发事件影响力的重要因素。     

GANN模型在十溴联苯醚分散液液微萃取中的应用

文章研究目的在于用遗传神经网络模型(GANN模型)快速优化水样中十溴联苯醚分散液液微萃取的萃取条件。以水样中十溴联苯醚分散液液微萃取的正交试验为训练样本,建立十溴联苯醚分散液液微萃取条件的遗传神经网络模型。比较遗传神经网络模型和BP神经网络模型的学习速度、学习精度及网络泛化能力。采用Matlab遗传算法工具箱运用遗传神经网络模型对影响萃取回收率的因素进行优化求解,获得了水样中十溴联苯醚分散液液微萃取优化后的萃取条件,并进行实验验证。文章建立的遗传神经网络模型得到的预测值与实验值平均偏差为14.41%,R2为0.8887;最佳DLLME萃取条件为10μL四氯乙烯、0.71mL丙酮、pH=5、离子强度为20%NaCl、萃取时间10min;优化后十溴联苯醚分散液液微萃取的萃取回收率和富集因子比优化前分别提高了54%和580。     

土地利用变化对赣江流域径流的影响研究

论文以赣江流域为研究区,基于SWAT分布式水文模型及SUFI-2 算法,利用流域DEM、土地利用、土壤、气象等数据,结合GIS和RS技术,对流域土地利用变化的径流响应进行定量分析与研究。结果表明:影响模型模拟效果前3 位的敏感参数分别为ALPHA_BF、CN2、ESCO,得出率定期和验证期的模拟值与实测流量过程拟合程度较优,其R²和Nash-Sutcliffe 效率系数E_{NS均高于0.90,相对误差|Re|均小于3%;流域内1990 年与2000 年土地利用均以林地、水稻田、草地为主,此3 种类型约占流域总面积的85%;在相同气象条件下,两期土地利用情景下的月、年均径流量变化趋势较为一致,2000 年土地利用情景下的年径流量比1990 年略大;相比1990 年土地利用情景,2000 年产水量增加最为显著的区域主要为赣江流域东部、东南部和西南部,建筑用地、水浇地和裸岩面积的增加、林地面积的减少可能是引起产水量增加的主要因素。}     

人工鱼群神经网络应用于城市污水处理厂进水量预测研究

城市污水处理厂进水量的预测精度对污水厂的安全运行与科学管理具有重要影响。将人工鱼群算法用于神经网络的训练过程,并根据污水厂进水量的变化特性,考虑其周期性及气温、天气和节假日等影响因素,建立人工鱼群神经网络的预测模型。将人工鱼群神经网络预测模型应用到实际中,研究结果表明人工鱼群神经网络具有预测精度高、误差小的优点,在污水管网监测预警及实现管网与水厂联动等方面具有一定的实际意义。