天津市环保产业信息管理系统研究

通过对环保产业信息获取,处理,应用等环节的研究,完成了对天津市自１９９３年来的首次环保产业调查,开发了配套的管理软件系统,同时对该系统的知识发现,网络化等问题进行了探讨。     

扩展阴极型膜电解法处理含铜废水的数学模型

采用均匀设计法,研究离子膜扩展阴极电解法对低浓度含铜废水的处理效果,得到了反应条件与回收效果之间的线性模型,并比较了线性预测模型和BP网络的预测效果。结果表明,线性模型有较强的定性分析作用但预测能力不强,而BP网络具有很强的预测能力。两法结合,具有很强的理论和实践指导意义。模型预测结果和实验结果均表明,扩展阴极型膜电解法可带来很好的社会效益和经济效益。     

MSWNet: A visual deep machine learning method adopting transfer learning based upon ResNet 50 for municipal solid waste sorting

● MSWNet was proposed to classify municipal solid waste. ● Transfer learning could promote the performance of MSWNet. ● Cyclical learning rate was adopted to quickly tune hyperparameters. An intelligent and efficient methodology is needed owning to the continuous increase of global municipal solid waste (MSW). This is because the common methods of manual and semi-mechanical screenings not only consume large amount of manpower and material resources but also accelerate virus community transmission. As the categories of MSW are diverse considering their compositions, chemical reactions, and processing procedures, etc., resulting in low efficiencies in MSW sorting using the traditional methods. Deep machine learning can help MSW sorting becoming into a smarter and more efficient mode. This study for the first time applied MSWNet in MSW sorting, a ResNet-50 with transfer learning. The method of cyclical learning rate was taken to avoid blind finding, and tests were repeated until accidentally encountering a good value. Measures of visualization were also considered to make the MSWNet model more transparent and accountable. Results showed transfer learning enhanced the efficiency of training time (from 741 s to 598.5 s), and improved the accuracy of recognition performance (from 88.50% to 93.50%); MSWNet showed a better performance in MSW classsification in terms of sensitivity (93.50%), precision (93.40%), F1-score (93.40%), accuracy (93.50%) and AUC (92.00%). The findings of this study can be taken as a reference for building the model MSW classification by deep learning, quantifying a suitable learning rate, and changing the data from high dimensions to two dimensions.     

ISAPEC中知识自动获取的设计与实现

剖析了利用人工神经网络实现大气污染总量控制规划智能决策支持系统（ＩＳＡＰＥＣ）中知识自动获取的必要性，论述了ＩＳＡＰＥＣ中知识的自动获取的设计与实现过程，并用一实例进行了验证。结果表明用人工神经网络实现知识的自动获取与知识的人工获取相比既具有更高的时间效率，又能保证更高的质量。     

结构应力逆向推演模型及其不确定度定量分析

目的 针对现有结构安全在线监测与评估方法存在的短板,结合人工智能方法探索新的解决方案。提出一种基于有限测点应力逆向推演整体结构应力分布的方法,以数据驱动的模式,基于神经网络技术搭建算法模型。方法 以结构有限元仿真数据为基础,运用相关性分析方法,获取代表结构响应特征的有限个测点,利用神经网络方法构建基于有限测点应力推演结构全场应力分布的算法模型。结果 以科学试验平台的连接器结构为对象,开展该算法模型的应用研究,并且对该应用实例下的算法模型开展不确定度分析,推演结果的相对不确定度u95rel为8.6%。结论 该算法模型的推演结果正确反映了结构总体响应特征。从建模过程角度分析,该算法模型的不确定度来源主要包括相关性分析方法、神经网络建模以及模型收敛条件3个方面。     

基于信息融合的自然灾害等级评估方法研究

为对自然灾害灾情等级进行准确评估,在BP神经网络模型的基础上,结合DS证据理论建立基于信息融合的自然灾害灾情等级评估模型。该模型通过对输入的灾害评估指标数据进行分类,建立网络组,对网络组的输出,建立对于各类信任度的基本概率分配函数,最后利用DS证据理论融合,从而实现灾害的最终等级评估。在MATLAB环境下,以我国45个自然灾害的灾情历史资料数据为训练样本进行模型训练,并对2009年自然灾害灾情进行评估测试。结果表明,该模型能改善单一BP神经网络不稳定、误差大的缺点,得到较优的结果。     

驾驶员注意涣散检测技术研究

通过对注意涣散时驾驶员头部运动及面部表情变化特征的分析,系统实时监测驾驶员眼睛、嘴巴位置和运动状态信息,构建驾驶员注意涣散特征表征参量,实现对驾驶员注意涣散状态信息的检测与提取。驾驶员注意涣散表征量具有复杂的非线性特征,利用BP神经网络非线性识别的优势对驾驶员注意特征进行模式分类,实现驾驶员不同注意涣散状态下的特征捕捉。同时采用Dempster-Shafer证据推理技术,对驾驶注意涣散多源表征信息进行决策融合,实现对驾驶员注意涣散状态的判断。结果表明,BP神经网络与D-S规则多源信息决策融合技术的运用提高了驾驶员注意涣散特征检测的准确性和可靠性。     

基于模糊综合评价的城市燃气管网第三方破坏失效可能性研究

针对第三方破坏事故具有多样性、复杂性和不确定性等特点,建立城市燃气管网第三方破坏失效可能性评价模型。辨识出包括社会环境与公共关系、管道敷设状况、破坏与防控、管理与误操作以及自然环境等5类一级因素和19个二级因素,通过改进的层次分析法确定各级影响因素的权重,并运用多层次模糊综合评价法得出管道第三方破坏失效可能性的大小。以成都市某燃气管道为例进行验证分析,按照最大隶属度原则对评价结果进行处理。     

人防工程消防系统设计的若干问题

从人防工程内消防系统的重要性入手,分别从消防水源、消火栓系统的独立分区、消防阀门的设置以及消防排水4个方面探讨了人防工程内消防设计的一些常见问题,强调设计中应考虑平、战结合,方便临战时转换。     

基于BN的FTA在通用航空风险评价中的应用

针对事故树分析法(FTA)在风险评价中的局限性,采用以事故树为基础建立的贝叶斯网络(BN)风险模型,对通用航空中的两机空中相撞事故进行分析和推理,对事故模型进行改进和修正时,注重基事件的多态性和事件间的逻辑合理性。根据贝叶斯推理得出的数据,找到了事故的主要致因。结果表明,基于BN的FTA既能向前预测顶事件的发生概率,又能向后诊断基本事件的后验概率,可以更好地对通用航空风险进行评价。