北京市卫星城生活垃圾产生量的灰色预测

运用灰色理论,建立GM(1,1)模型来预测北京卫星城生活垃圾产生量。经过模型精度检验,结果表明:预测精度等级为1级,表明该方法对预测北京卫星城城市生活垃圾产生量是可行的,并运用此模型预测了2009—2020年北京卫星城生活垃圾的产生量。     

鸡爪槭光合特性对模拟酸雨的响应

研究了模拟酸雨（对照、pH 5.0、pH 4.0、pH 3.0、pH 2.0）胁迫对鸡爪槭（Acer palmatum Thunb.）叶片光合特性的影响。结果表明,试验前20 d,所有处理净光合速率日积分值（DIV of Pn）、蒸腾速率日积分值（DIV of Tr）及水分利用效率（WUE）日均值均显著高于对照（P〈0.05）。试验中后期（喷后40 d、喷后60 d）,pH 5.0的处理Pn日积分值均最高,WUE相对较高而Tr日积分值相对较低。pH≤4.0的处理在同一时期Pn日积分值、Tr日积分值均随pH值的降低而降低,WUE日均值变化趋势则相反。各处理Pn日积分值、Tr日积分值和WUE日均值均随试验时间的延长而降低。喷后60 d,pH 4.0的处理较pH 2.0和pH 3.0的处理WUE低而Pn日积分值和Tr日积分值则相反。综合分析表明,pH 5.0的酸雨处理有利于鸡爪槭叶片光合能力的发挥,酸度低于pH 3.0则会使光合能力下降,影响植株生长。     

基于反赋权与MBCT-SR多维云模型算法岩爆预测研究

基于岩爆事故的模糊性与随机性特征,为解决在当前岩爆烈度等级预测研究中,通过正向云发生器经验式计算多维云模型特征值进而导致预测结果主观性较强的问题.本文选取应力比Ts=σθ/σt、岩石脆性指数B=σc/σt以及弹性应变储能指数Wet作为评价指标,结合机器学习理论,采用多维逆向MBCT-SR云发生器算法对岩爆等级进行预测,...     

Emergency resources demand prediction using case-based reasoning

The demand prediction on emergency resources is the premise and basis of optimal allocation of emergency resources. Nowadays, there are only few researches on this aspect in China and abroad. For this reason, the paper aims at the characteristics of emergency resource demand prediction and presents a method for emergency resource demand prediction using case-based reasoning (CBR), which is also a method based on risk analysis. This prediction method cannot only provide a basis for emergency resource reserve and allocation in future, but also provide a method and model support for the emergency resources allocation decision-making system to be constructed in future.     

基于蚁群神经网络的煤矿瓦斯预测模型

为了提高煤矿瓦斯涌出量的预测精度和预测速度,用蚁群算法和神经网络相结合的方法进行预测模型设计。选择瓦斯涌出的重要影响因素,建立其神经网络的预测模型。以网络的均方误差为目标函数,通过蚁群算法的迭代运算,实现BP网络的权值优化,并用优化好的BP网络进行瓦斯涌出预测。仿真结果表明,该方法具有较高的拟合预测精度。     

氯胺消毒管网“三氮”与总氯变化的预测模型

为探讨氯胺消毒供水管网的水质问题,建立了一种试验规模的氯胺消毒供水管网水质模拟系统。基于质量守恒原理和双Monod方程建立了该系统的硝化与氯胺衰减动力学耦合模型,并通过试验对该模型进行了验证。模型中的部分参数采用非线性多项式回归方法进行估计。应用该模型确定了活性氨氧化菌(AOB)和亚硝酸盐氧化菌(NOB)的数量。该模型对管网模拟系统内氨氮、硝酸盐氮与总氯的预测值与实测值基本一致,但对亚硝酸盐氮的预测值与实测值存在较大偏差。     

基于改进极端学习机的混沌时间序列瓦斯涌出量预测

为更准确地预测瓦斯涌出量,预防瓦斯灾害,有必要建立和应用基于改进极端学习机(IELM)的混沌时间序列预测模型。首先,对瓦斯涌出量监测数据构成的多变量时间序列进行相空间重构,采用互信息法与虚假邻点法得到每一变量的延迟时间和最佳嵌入维数;然后,通过最小二乘方法和误差反馈原理计算出最优的网络输入层到隐含层的学习参数,对极端学习机(ELM)进行改进;最后,借助IELM建立瓦斯混沌时间序列的预测模型。通过仿真试验,运用该预测模型预测的最大相对误差为3.290 2%,最小相对误差为0.898 2%,平均相对误差为1.952 8%。     

滑脱流动影响的低渗储层甲烷运移采出规律研究

为了达到低渗储层甲烷抽采过程甲烷采井优化设计和产能准确预测的目的,基于现场测井数据,采用非线性流体数值计算方法,以柳林煤层甲烷试验采区为例,对滑脱流动影响的煤层甲烷采场压力非线性分布和产能预测进行研究。数值计算结果表明:低渗储层甲烷运移采出受气体滑脱流动影响显著,考虑滑脱流动影响时,采场压力衰减区域变大,气体速率变快;对比测井产能历史拟合数据发现,计算所得的滑脱流动影响的产能预测值更加准确。由计算结果验证了单井开采具有采场压力影响范围较小,产能较低等缺点,并得出五采出四压裂的布井方式是既能够准确预测产能又能够更好避免井间干扰效应的最优布井方式。     

建筑施工事故非线性灰色伯努利模型预测

为提高建筑施工事故灰色预测模型精度,在传统GM(1,1)模型基础上,建立非线性灰色伯努利模型(NGBM),并采用粒子群优化(PSO)算法对参数进行优选。以2001—2011年全国建筑事故死亡人数统计数据为基础,运用该模型对2012—2013年的相应人数进行预测,并与GM(1,1)模型和灰色Verhulst模型的结果相对比。结果表明,NGBM拟合精度最好,平均相对误差仅为2.65%,验证了模型的可行性和准确性。     

基于BP神经网络的煤与瓦斯突出预测系统开发

煤与瓦斯突出影响因素多,难以为其建立合适的多指标非线性预测模型,为提高突出预测的准确性和增强预测预报方法的实用性,采用改进的BP算法建立煤与瓦斯突出预测数学模型。通过研究不同算法的突出预测效果,对已建模型的泛化能力进行检验,利用Matlab GUI和神经网络工具箱设计开发煤与瓦斯突出预测系统,通过向系统输入已知的突出样本数据,经过学习、训练,实现对未知参数的预测。仿真结果表明:网络在训练300次后,误差训练曲线的均方差(MSE)可以达到10-15,实际预测误差也小于0.1,系统得到的5组数据预测结果与实际情况相符。