基于声信号特征分析的燃气管道探测识别方法

为了探测和辨识地下燃气管道,避免燃气管道改扩建的过程发生第三方破坏引发安全事故,提出1种基于声信号特征分析的燃气管道探测识别方法,该方法考虑燃气管道声信号声压级低以及易衰减的特点,采用Hilebert-Huang变换算法分析燃气管道流噪声信号特征,建立燃气管道流噪声信号的特征数据库,并通过BP神经网络进行模式识别,判别...     

基于相关向量机模型的腐蚀声发射信号识别

相关向量机(RVM)模型的分类性能与其核函数参数的选择有密切关系。本文分别利用人工蜂群算法(ABC)、粒子群算法(PSO)和遗传算法(GA)寻找相关向量机模型的最优参数,对几种方法的寻优性能进行了对比。采用基于二叉树结构的一对多扩展方法,对二分类相关向量机模型进行了扩展,建立了四分类模型。基于该分类模型对罐底腐蚀声发射信号进行识别,将声发射特征参数和频域参数作为模型的输入参数,获得了较好的识别结果。     

祁连山自然保护区生态承载力分析与评价

以层次分析法和模糊模式识别为基础,建立生态承载力综合评价模型,重点分析祁连山自然保护区森林、草地和农田3种受人类活动干扰最强烈的生态系统的生态承载力和生态荷载,在此基础上进一步分析整个保护区的总体生态承载力和生态荷载。结果显示,祁连山区域生态系统已经受到人类活动的强烈干扰,生态荷载总体处于严重超载状态。但区域生态系统内部各子系统之间以及生态荷载的空间分布存在差异。其中,森林子系统和草地子系统属于严重超载,农田子系统属于中度超载;在总体生态荷载的空间分布上,西北部地区比东南部地区超载更为严重;就各子系统的生态荷载状况而言,森林子系统和草地子系统的超载程度均表现为东南部地区略低于西北部地区,但农田子系统东南部地区超载程度高于西北部地区。     

基于属性识别理论的岩质边坡安全综合评价

建立了基于现场监测的安全综合评价体系,对边坡的安全状态进行研究。针对边坡多项目、多测点实测性态多样性的特点,将边坡安全稳定性视为一个属性空间,采用属性识别理论方法对其安全状态进行综合评价,并对底层指标标准化、权重确定等基本问题进行了具体研究。实例研究表明,该方法能充分反映边坡状态的多样性,所得结果比较全面、可靠。     

一种可同时检测挥发性氯代烷烃和氯代烯烃的电子鼻的研制

开发了一种可用于快速检测挥发性氯代烷烃和氯代烯烃气体的电子鼻系统.该电子鼻系统的核心检测部件为3个金属氧化锡传感器及一个光离子化传感器(PID)所构成的传感器阵列.基于对9类单一成分标准气体和5类混合标准气体的测试分析建立了气体类型识别模型,然后通过加标实验与气相色谱法比较验证了电子鼻系统检测的有效性.结果表明:①电子鼻中各传感器对氯代烯烃和氯代烷烃的响应有差异.PID对氯代烷烃无响应,对氯代烯烃有线性响应(R2>0.997).传感器TGS2602对四氯化碳(CT)、三氯甲烷(TCM)和1,2-二氯乙烷(1,2-DCA)较为灵敏,对前两者的定量性较好,但对1,2-DCA的线性响应很差.传感器TGS2600和TGS2620对二氯甲烷(DCM)和1,2-DCA较为灵敏,且线性响应程度好(R2>0.995).②建立了基于传感器阵列信号的气体类型简单识别模型:选用PID计算氯代烯烃浓度,TGS2602计算CT和TCM浓度,TGS2600或TGS2620计算DCM和1,2-DCA浓度.③TGS2602对标准混合气体的响应强度小于单物质响应强度之和,其它传感器对标准混合气体的响应强度接近于单物质响应强度之和.④电子鼻对污染水样中DCM和四氯乙烯(PCE)混合气体的检测结果与气相色谱分析值呈线性相关,相关系数R2>0.96.     

目标识别因子分析及其在空气污染研究中的应用

本文在目标变换因子分析(TTFA)基础上提出一种新的多元统计处理方法——目标识别因子分析(TRFA),并以空气污染研究中的一个问题为例阐述了这种方法。TRFA与一般因子分析的不同之处在于没有停留于定性解释的水平,亦基本上克服了TTFA经验性太强的弱点。从而适于进行数据分析、建立定量模型。     

大气环境质量评价的属性识别法

阐述了评价大气环境质量的属性识别法,介绍了属性识别理论模型和属性权重的确定方法,并根据GB 3095—1996((大气环境质量标准》,分别采用模糊数学综合评价法和属性识别法对武汉市大气环境监测结果进行了实例评价,结果表明,用属性识别法评价的结果比用模糊数学综合评价法评价的结果更能反映真实情况。     

基于强化学习的城镇燃气事故信息抽取方法

为解决因城镇燃气事故调查报告标注样本缺乏,从而影响命名实体识别性能这一问题,提出基于BiLSTM-CRF+强化学习的燃气事故领域命名实体识别方法。首先在数据预处理阶段,采用基于文本结构的主旨段落抽取方法,识别事故调查报告的关键段落;其次在模型训练阶段,采用BiLSTM-CRF+强化学习模型,实现城镇燃气事故命名实体识别模型训练;最后利用城镇燃气事故调查报告作为试验数据进行验证。研究结果表明:经由强化学习模型降噪后,实体识别模型的综合评价指标提高5.76%,主旨段落识别方法相比Word2vec特征表示方法,使模型的综合评价指标提升7.17%。