基于遗传算法的大气颗粒物的源解析

遗传算法是一种全局优化的随机搜索方法,适用于模型参数寻优。将遗传算法用于大气颗粒物源解析的CMB方程组中参数的优化,得到各污染源对大气颗粒物的优化贡献率。该方法应用于成都市大气颗粒物的源解析结果与用其他多种源解析法得出的结果基本一致。理论分析和应用实践表明了遗传算法用于大气颗粒物源解析研究具有简便、准确和实用性强等特点。      

基于遗传算法的门限自回归模型在海温预测中的应用

提出了建立门限自回归模型（ＴＡＲ）的一套简便通用的方法。用作者提出的改进遗传算法，可同时优化门限值和自回归系数，成功地解决了ＴＡＲ建模过程所涉及的大量复杂寻优工作这一难题，为ＴＡＲ模型的广泛应用提供了强有力的工具。实例计算的结果说明了这套方法的可行性和有效性，同时也说明了，通过门限值的控制作用，ＴＡＲ模型可以有效地利用如海洋资源所隐含的时序分段相依性这一重要信息，限制了模型误差，从而保证了ＴＡＲ模型预测性能的稳健性，提高了预测精度。该方法具有通用性，在各种非线性时序预测中具有重要的理论意义和应用价值     

基于ART-2人工神经网络的煤矿安全风险评价

旨在为煤矿安全风险预控管理提供一种适用的风险评价模型或方法。研究过程中,介绍了人工神经网络自适应共振理论的ART-2算法;在安全系统工程理论及相关研究基础上,结合调研分析建立了风险评价指标体系;选取山西9家煤矿作为研究样本进行实证研究。该算法仿真识别结果与煤矿实际安全风险情况一致性程度达到77.78%,表明针对煤矿安全风险预控管理过程中的安全风险评价,ART-2神经网络具有较好的适用性。     

量子粒子群优化算法在结构参数识别中的应用

系统识别问题可以转化成一高维多模优化问题。针对基本粒子群优化在分析此类问题时容易出现早熟收敛从而导致局部优化和较大误差的缺陷,提出将量子粒子群优化算法(QPSO)应用于结构参数识别。QPSO具有参数少、编程简单、易实现、收敛速度快、可以避免早熟收敛、能够迅速在全局找到最优解的特点。本文在测量数据不完备且含噪声污染,参数质量、刚度和阻尼等信息缺乏的情况下,通过数值模拟以及在真实结构参数识别中的应用,验证了QPSO的有效性。     

级联失效特性下的危险品运输路径选择研究

基于复杂网络的级联失效特性,构建危险品运输网络的级联失效模型,提出用路段重要度来度量某条路段上发生危险品事故后引起网络其他路段失效的规模。以路径风险最小化和路径总重要度最小化为目标,建立危险品运输路径的多目标决策模型,并利用标号法进行求解。算例结果表明,危险品运输网络确实存在级联失效现象。选择危险品运输路径时,应尽量避开重要度高的路段,以降低危险品事故对普通道路网络的不良交通影响。     

基于气象服务信息的应急物资配送路径选择

为构建科学的应急救援体系,基于气象服务信息制定更合理的应急物资配送路径方案。将突发灾害下典型的"单出救点、单受灾点"应急物资配送网络结构作为研究对象。运用衰减系数反映气象条件对物资配送速度的实时影响。构建以满足时间限制和需求量要求为前提的应急物资配送路径选择模型。设计算例进行数值仿真和参数分析,将求解结果与传统最短路径法所选路径方案进行对比分析。结果表明:气象服务提供的衰减系数和途经各区域灾害强度等关键信息对配送路径的优化决策有重要影响。     

Dijkstra算法在确定矿井通风最大阻力路线中的应用

矿井通风最大阻力路线的确定,是矿井通风系统设计及改造的主要任务之一。对Dijkstra算法进行研究、改造,使其适用于求解矿井通风最大阻力路线,并根据该算法编写了计算机程序,将其应用于典型风网,获得了正确的结果。Dijkstra算法的引入为确定最大阻力路线提出了一种新的方法,同时计算机的应用也提高了计算的效率及准确性。     

基于QPSO-RBF的瓦斯涌出量预测模型

为了提高径向基(RBF)网络预测瓦斯涌出量的泛化能力,提出QPSO-RBF模型。该模型采用量子粒子群(QPSO)算法优化RBF网络隐层基函数中心、扩展系数以及输出权等初始参数,将网络参数编码为QPSO学习算法中的粒子个体,在全局空间中搜索最优适应值参数。其中,RBF网络选取5-3-1的精简结构,采用5个变量作为影响因子预测瓦斯涌出量。结果表明,经QPSO优化后的RBF网络模型预测结果稳定且唯一,其泛化指标平均相对变动值(ARV)为0.012 2。与PSO-RBF、RBF模型预测结果比较,QPSO-RBF模型的泛化能力和网络训练速度优于前2种;预测精度约为PSO-RBF模型的1.5倍、RBF模型的4倍。     

Analysis of factors that influence hazardous material transportation accidents based on Bayesian networks: A case study in China

In this study, we applied Bayesian networks to prioritize the factors that influence hazardous material (Hazmat) transportation accidents. The Bayesian network structure was built based on expert knowledge using Dempster-Shafer evidence theory, and the structure was modified based on a test for conditional independence. We collected and analyzed 94 cases of Chinese Hazmat transportation accidents to compute the posterior probability of each factor using the expectation-maximization learning algorithm. We found that the three most influential factors in Hazmat transportation accidents were human factors, the transport vehicle and facilities, and packing and loading of the Hazmat. These findings provide an empirically supported theoretical basis for Hazmat transportation corporations to take corrective and preventative measures to reduce the risk of accidents.     

基于FXLMS算法的矿用有源耳罩的研究

基于矿井中低频噪声突出,存在时间长、危害大,尤其周期性噪声比重较大,而传统降噪技术对其降噪效果并不明显,提出了基于fxlms 算法的自适应有源降噪耳罩降低矿井中的低频周期性信号,并采用离线建模方法建立了次级通道模型,利用MATLAB8.0拟合了64阶的滤波器,对 矿井中具有代表性的1kHz低频周期噪声和伴有随机噪声的1kHz低频周期性噪声进行了降噪仿真研究。结果表明:1kHz低频周期性噪声的降噪量 达到了30dB。而且在本模型下,随机噪声对低频周期性噪声的降噪效果几乎没有影响。