零价锌降解四氯乙烯的反应动力学模型研究

对零价锌(Zn(0))降解四氯乙烯(PCE)进行批实验,在假设各化学反应符合准一级反应的前提下,建立了多级链式平行反应数学模型,并使用混合函数遗传算法进行了动力学参数的反演.结果表明,在106h后残留物基本上为C2H4和C2H2.计算显示,氯代烃的反应活性大小为C2Cl2＞C2HCl＞t-DCE(反二氯乙烯)＞1,1-DCE(1,1-二氯乙烯)＞TCE(三氯乙烯)＞c-DCE(顺二氯乙烯)＞PCE;在4条重要的反应路径中,最重要的是PCE→TCE→t-DCE→C2H2→C2H4和PCE→C2Cl2→t-DCE→C2H2→C2H4;最终94.77%的PCE转化为C2H4,5.23%的PCE转换成了氯乙烯(VC).     

改进的粒子群算法及其在土坡临界滑动面搜索中的应用

首先,提出了一种新型的模拟任意滑动面的方法,该法能自动产生运动许可的滑动面。同时,针对基本粒子群优化算法存在计算量大的缺点,提出了一种改进的,即不连续飞行粒子群优化算法。利用Spencer法计算滑动面的安全系数,对几个复杂土坡的最小安全系数及其对应的滑动面进行了分析,并与国内外已有结果进行了比较,证明了改进粒子群优化算法和模拟滑动面的新方法是合理、有效的,可用于复杂优化问题的研究。     

基于智能算法的大气污染防控知识图谱：研究方法、演化路径与应用展望

大气污染防控是保障人民健康与生命安全重要的研究课题,智能算法是大气污染防控及预测预警的重要工具手段。通过Citespace对Web of Science核心数据库中1998—2021年智能算法在大气污染防控中应用的文献进行可视化分析。结果表明：(1)智能算法在大气污染防控应用历经“数理统计-遥感监测-数字模拟-神经网络算法”四个阶段;(2)研究主题集聚为“神经网络模型”“智慧健康检测系统”和“城市空间的大气污染”三个核心聚类演变路径;(3)应用方式包括“大气污染时空分布”“大气污染因素相关性”“大气污染事件预测”“空气质量优劣评估”与“健康韧性城市应用”五个方面。未来智能算法在大气污染防控中的应用趋势,将体现“高精度预测-全周期评估-健康化理念”的特点。     

基于BP神经网络的饱和砂土液化判别方法

基于唐山地震中大量的砂土液化现场实测资料,选取描述地震动特性的烈度、震中距、地面峰值加速度和描述砂土层埋藏环境条件的地下水位、标贯点深度(土层深度)、上覆非液化覆盖土层厚度、有效覆盖压力,以及表示砂土自身属性的标准贯入锤击数、平均粒径、不均匀系数、修正标贯击数共11个指标的不同组合作为输入变量,采用快速BP算法和LM算法构造了饱和砂土液化判别的BP神经网络预测模型.通过所建网络模型的训练、验证和应用,结果表明:(1)所建14个BP神经网络模型都是有效的,液化判别的准确度与模型输入变量的不同组合有关;(2)增加网络模型的节点(考虑因素较多)并不一定能够提高BP神经网络模型的液化判别准确度,反而增加了BP神经网络模型的复杂性和学习时间;(3)两种算法的BP神经网络模型都有很高的液化判别准确度,LM算法的计算速率要比快速BP算法快得多,但在计算过程中需要更多的内存,建议采用LM算法;(4)采用所提BP神经网络模型的权值与阈值进行其它预测样本的液化判别时,判别结果可能偏于保守;(5)从影响砂土液化的主要因素、获取指标难易程度考虑,在与<建筑抗震设计规范>砂土液化判别公式考虑指标一致的情况下,建议采用BP神经网络模型M4或M5a,该模型简单、方便,且其预测准确度远高于<建筑抗震设计规范>的砂土液化判别准确度.     

城市应急物资配送路径支路限流模型研究

为科学、及时、合理地对城市应急物资进行调度,综合考虑突发事件发生后道路的实时通行状况,通过改变道路交通的交叉口限流以及物资运输路径,以最小化配送时间和成本为目标,构建1套完整的应急交通管制模型,使得所需的应急物资在被要求的最短时间窗内抵达受灾点;利用遗传算法进行编码设计求解模型,并通过仿真分析,设计配送路径的交叉口的支...     

遗传算法改进措施

标准遗传算法是一种导向随机搜索算法,具有较强的全局搜索能力.但遗传算法存在早熟收敛及收敛速度慢等问题,许多改进的遗传算法被提出,有效地克服或减轻了上述问题.参17.     

Synthesis of CuO nanoparticles through green route using Citrus limon juice and its application as nanosorbent for Cr(VI) remediation: Process optimization with RSM and ANN-GA based model

In present investigation, an attempt has been made for the synthesis of cupric oxide nanoparticles (CuONPs) through a green route by utilizing lemon juice extract as a bioreductant. The synthesized CuONPs were characterized through UV–visible spectroscopy, Fourier-transform infrared spectroscopy (FTIR), X-ray diffraction (XRD), field-emission scanning electron microscopy (FE-SEM) and transmission electron microscopy (TEM). The CuONPs were utilized for Cr(VI) removal from water through adsorption method in batch mode at different initial Cr(VI) concentration, pH, temperature and CuONPs dosage. The maximum uptake capacity of CuONPs was found to be 16.63 mg of Cr(VI)/g at pH 4.0. Implementation of response surface methodology (RSM) followed by artificial neural network hybridized with genetic algorithm (ANN-GA) approach has resulted maximum Cr(VI) adsorption of 98.8% under the optimized conditions of initial metal concentration 22.5 mg/L, pH 3.81, CuONPs dose 1.28 g/L and temperature 37.1 °C. Under optimum conditions, adsorption isotherm study was conducted, which showed that the fitness of experimental data was well achieved with Langmuir isotherm model illustrating monolayer pattern of adsorption. Thermodynamic study revealed that the process was spontaneous and endothermic in nature, while adsorption kinetics was best explained by pseudo-second order kinetic model.     

基于改进混合遗传-支持向量机的CMF产水预测研究

将模拟退火思想和加速遗传特性相结合,改进选择策略和遗传算子,建立加速遗传模拟退火算法（AGSA）;基于支持向量机（SVM）的非线性回归和改进混合遗传算法的因子筛选,构造了支持向量机模型参数的自适应优化算法,提出连续微滤系统（CMF）产水预测模型;通过实测中试规模连续微滤系统产水量变化对模型进行验证,结果表明：该模型较好...     

基于变权重和信息熵的区域水资源安全投影寻踪评价模型

区域水资源安全评价是气候变化下区域水安全管理的一项重要调控措施。为合理确定各评价指标的权重,提出了把权重结构分解为评价指标的单样本权重和样本集权重的新观点,建立了用基于加速遗传算法的模糊层次分析法和最小相对信息熵原理确定单样本权重、用基于加速遗传算法的投影寻踪模型和最大信息熵原理确定样本集权重的新模型--基于变权重和信息熵的投影寻踪评价模型（CWE PP）。将CWE PP模型应用于全国水资源安全背景下的巢湖流域水资源安全评价,结果表明：巢湖流域水资源安全状况整体上介于重度缺水与中度缺水之间,偏向重度缺水,略低于安徽省水资源安全状况。用CWE PP进行区域水资源安全评价,物理概念明确,计算结果合理,方法通用,在资源与环境综合评价中具有一定的推广应用价值。     

Optimal power flow model incorporating wind,solar, and bundled solar-thermal power in the restructured Indian power system

A new optimal power flow model for wind, solar, and solar-thermal bundled power scheduling and dispatch is proposed, incorporating the deviation incentive/penalty charges for renewable energy introduced in India. The multiobjective function is solved using the flower pollination algorithm; the scheme is successfully tested on the IEEE 30-bus and Indian utility 30-bus systems. The forecasting error constraints introduced in renewable energy scheduling and dispatch are demonstrated to be beneficial in several aspects. Solar-thermal bundling is shown to create win-win situations for thermal and solar generators. The effectiveness of the flower pollination algorithm in solving optimal power flow models is proved.