Artificial neural network based carbon monoxide persistence models for episodic urban air quality management

This paper describes the development of artificial neural network (ANN) based carbon monoxide (CO) persistence (ANNCOP) models to forecast 8-h average CO concentration using 1-h maximum predicted CO data for the critical (winter) period (November–March). The models have been developed for three 8-h groupings of 10 p.m. to 6 a.m., 6 a.m. to 2 p.m. and 2–10 p.m., at two air quality control regions (AQCRs) in Delhi city, representing an urban intersection and an arterial road consisting heterogeneous traffic flows. The result indicates that time grouping of 2–10 pm is dominantly affected by inversion conditions and peak traffic flow. The ANNCOP model corresponding to this grouping predicts the 8-h average CO concentrations within the accuracy range of 68–71%. The CO persistence values derived from ANNCOP model are comparable with the persistence values as suggested by the Environmental Protection Agency (EPA), USA. This work demonstrates that ANN based model is capable of describing winter period CO persistence phenomena.     

边坡变形时序非线性判定及混沌预测研究

以探讨边坡变形性质及混沌预测可行性为目的,基于混沌理论利用相空间重构技术对其变形时间序列进行混沌特征判定,试验显示变形系统具有混沌特性,可用混沌相关理论进行研究;基于混沌相空间重构技术,笔者构建了多种混沌预测模型进行混沌预计研究,分析各类模型的工程实际应用效果;针对单次监测时序预测精度较低的问题,提出累加时序预测方案,训练结果显示,短期预测精度变形累计值基本控制在5%以内,高程值预测相对误差均低于1%,预测精度较高,可以用于工程实际。     

基于BP模型对城市交通噪声的数据处理和预测

城市交通噪声的预测和评价技术是城市交通可持续发展的重要研究内容,直接为城市交通规划中环境容量分析和环境影响评价服务。本文通过实测的大量数据,运用神经网络中的BP模型及其算法建立车辆数、道路宽度和交通噪声之间的关系,对城市道路交通噪声数据进行处理和预测。     

The relationships between air pollutants, meteorological parameters and concentration of airborne fungal spores

Fungal spores are an important component of bioaerosol and also considered to act as indicator of the level of atmospheric bio-pollution. Therefore, better understanding of these phenomena demands a detailed survey of airborne particles.The objective of this study was to examine the dependence of two the most important allergenic taxa of airborne fungi - Alternaria and Cladosporium - on meteorological parameters and air pollutant concentrations during three consecutive years (2006-2008). This study is also an attempt to create artificial neural network (ANN) forecasting models useful in the prediction of aeroallergen abundance.There were statistically significant relationships between spore concentration and environmental parameters as well as pollutants, confirmed by the Spearman’s correlation rank analysis and high performance of the ANN models obtained. The concentrations of Cladosporium and Alternaria spores can be predicted with quite good accuracy from meteorological conditions and air pollution recorded three days earlier.     

西安f7地裂缝发展变化的预测研究

论文首先分析和总结了影响西安地裂缝发展变化的主要人为因素。随后,利用三维非稳定渗流分析方法研究了人类活动对地下水位的影响;根据西安市新增固定资产投资的变化,预测了地面荷载的变化;以时间、地下水位和地面荷载为基本变量,建立了预测f 7地裂缝活动趋势的BP神经网络模型;最后,借助MATLAB语言进行编程,利用训练稳定的网络模型,预测了f 7地裂缝的活动趋势以及年平均的垂直位移沉降量,为进一步研究西安地铁2号线安全运行和防护提供参考依据。     

多因素耦合条件下硫化矿自燃神经网络动态预测模型研究

硫化矿石自燃是多种因素、多场耦合综合作用的结果,是一典型的非线性问题。笔者应用人工神经网络技术,以Matlab软件为平台,通过现场调查和理论分析,建立了矿石含硫量、通风强度、环境温度3因素与硫化矿石自燃之间的预测模型;通过数据样本学习与部分现场监测数据相结合进行模拟,研究表明预测数据与实测结果基本吻合,误差控制在10%以内,取得了较好的效果。该研究为预防硫化矿石自燃提供一个新的思路和方法,具有一定的理论意义和应用价值。     

基于神经网络和遗传算法的城市火灾风险评价模型

以消防安全工程学与系统安全工程理论为基础,结合我国城市发展特征及消防安全管理状况,建立了城市区域火灾风险评价指标体系;针对神经网络易陷入局部极小而引起评价指标权值分布不合理的缺陷,提出了基于神经网络和遗传算法的城市火灾风险评价模型,该模型以火灾发生的可能性以及灾后的严重程度为输入单元,火灾风险等级为输出单元,采用误差反算法训练BP网络,最终得出火灾风险等级范围,有效地解决了城市火灾的动态性和非线性特征;研究实例证明了该模型的有效性,可为城市的消防安全管理提供确实可行的参考依据。     

基于模糊评判人工神经网络的重大危险源辨识研究

国家已经制定了重大危险源辨识标准,辨识依据是危险物质的数量,主要适用于化工行业.本文对于国家重大危险源辨识标准不适合的行业,结合各行业发生事故的特点和工艺特征,综合利用模糊评判法和人工神经网络,辨识企业内存在的重大危险源.在某化工厂进行了检验,实践证明了方法的科学性和合理性.     

ABR处理硫酸盐有机废水的BP神经网络建模

通过厌氧折流板反应器(ABR)处理硫酸盐有机废水的实验数据对BP神经网络进行训练,建立了ABR处理硫酸盐有机废水的BPNN模型,通过测试对比,找出了较优训练函数为traingda,较优训练次数为1 900.利用分割连接权值法(PCW)对影响出水SO42-和COD的主要因素进行分析,结果显示进水COD、SO42-、pH、COD/SO42-和HRT对出水SO42-和COD均产生一定影响,其中进水pH对出水SO42-和COD的影响最大,相对重要性(RI)指数分别为30.79％和23.44％;并通过样本试验数据分别建立了对SO42-和COD去除率的限制因子仿真模型,为预测硫酸盐有机废水的厌氧处理过程提供指导.     

Elman神经网络在抽水地面沉降预测中的应用

将Elman神经网络应用于南京奥体中心地铁站抽水试验初期对地面沉降的预测，提出了一种预测模型。该模型采用对已知数据样本进行分段的方法，把分段后的数据作为网络输入和期望输出训练网络，从而达到动态建模的目的。从预测结果来看，该模型误差较小，基本上能够反映2002—07—21当天地面沉降的真实情况，具有一定的可靠性和实用性，因此，该模型可作为后期由于基坑开挖和防渗排水所引起地面沉降的分析工具。