Kinetic parameter estimation for decomposition of organic peroxides by means of DSC measurements

The thermal stability of organic peroxides (cumene hydroperoxide 80 wt% and dicumyl peroxide) was studied by means of calorimetric measurement (DSC, TA Q1000) in an isotherm mode and a dynamic mode. Analysis of power profiles released in the isothermal mode was combined with the analysis of the decomposed compounds by a gas chromatograph/mass spectrometer (GC/MS) to determine the reaction mechanisms corresponding to each of the two reactions. In this work, a methodology for estimating kinetic parameters was based on the comparison of the power profile (dynamic mode) given by the model to that obtained experimentally by changing the parameters values. Parameter estimation is achieved using the mixed estimation method where a genetic algorithm is combined with a locally convergent method.     

基于在线检测信息的储罐底板腐蚀状态智能评价方法

为了解决利用声发射在线检测技术对储罐底板腐蚀状态进行评价时,主要依赖检测人员经验的问题,使该项技术能更好地推广和应用,利用储罐底板在线检测的声发射信息和外观检查信息,并根据相关标准及专家经验,确定与储罐底板腐蚀状态相关的表征因素。采用遗传算法(GA)改进贝叶斯网络(BN)搜索方法,建立基于GA的BN智能评价方法。针对声发射在线检测信息和外观检查信息,分别建立基于标准用声发射因素、基于声发射因素和综合考虑声发射因素和外观检查因素的基于在线检测信息的储罐底板腐蚀状态评价模型。通过对测试样本的评价,对比声发射检测专家评价结果,其中基于在线检测信息的储罐底板腐蚀状态评价模型的准确率为96%,该模型能够对储罐底板腐蚀状态进行可靠的智能评价。     

基于遗传算法的支持向量机预测有机物自燃点的研究

根据定量构效关系(QSPR)原理,研究自燃点(AIT)与其分子结构间的内在定量关系。以265种有机化合物作为样本集,随机选择238种作为训练集,27种作为测试集,用遗传算法(GA)进行变量选择,分别建立多元线性回归(MLR)模型和支持向量机(SVM)模型研究有机物的自燃点与其分子结构间的关系。通过分析,发现造成模型预测效果不佳的原因是试验数据本身存在问题。通过对2个模型的比较,结果为GA-SVM模型明显优于GA-MLR模型,说明自燃点与其分子结构间具有很强的非线性关系。     

混合物质谱的简单分类算法

有毒化合物质谱分类是以光谱数据的数值特性为基础的。这此数据的计算机分类提供了各种参数,用以确定属于有毒化合物中某一类的对应化合物。质谱数据的简单分类算法常被用于自相关变换质谱的主分量建模。主分量的有效值为相互确认为确定。对环境空气中１１９种被监测的有毒化合物,有色谱－质谱联用的试验和校正数据所得到的４类预报正确率为７６．５％。     

GA优化的湖泊富营养化评价的普适公式探讨

在适当设定富营养化指标的“本底值”情况下,当指标值用于对应“本底值”的相对值表示时,可采用S型曲线描述湖泊富营养化的发展程度,公式中的参数可视为与指标特性无关,采用遗传算法对公式参数优化,得到对多项指标均适用的富营养化程度的指数公式,并提出用广义模糊对比因子赋权新方法计算富营养化综合指数。该评价方法物理意义明确,计算简单,使用方便,具有普适性、可比性和实用性。     

基于BP神经网络的天线识别

本文比较研究了BP神经网络中的几种常用算法,针对这些不同算法下的BP神经网络进行训练,并得出了各自网络的性能。在此基础上,针对经典BP算法和LM算法进行对比研究,找到LM算法的改进之处。此外,在实际的应用中表明,不仅不同的BP算法对网络的运算速度、泛化能力等有较大的影响,而且BP神经网络对隐含层神经元数目也很敏感。我们希望在BP神经网络的基础上,构建一种合适的天线模型,来应用于天线的分类识别,这将具有很大的现实意义。     

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。     

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。     

基于粒子群算法的城市垃圾中转站的空间布局研究

随着城市化的进程,垃圾处理设施成为影响城市化质量的重要指标。依据人们实际所关注的垃圾处理设施的总成本和负效应两个因素,在前人研究的基础上,建立了垃圾收运多目标模型,使得总成本和负效应最优化。根据模型设计了粒子群算法,该算法属于智能算法,且精度高,收敛快,在许多领域也得到广泛应用。用设计的粒子群算法并结合案例求出了Pareto最优解,给出三种决策方案,验证了模型和算法的有效性和可行性,为决策者提供了一种理论参考。