湖泊水质富营养化评价的模糊神经网络方法

为了探索人工神经网络用于湖泊营养化评价的可能性,提出了基于多准则学习的模糊神经网络湖泊水质营养化评价模型。该模型应用于我国五大主要湖泊水质营养化的评价结果表明,模糊神经网络用于湖泊水质营养化评价,具有简便、实用、客观性和广泛的通用性。      

基于双向门控循环单元的地表水氨氮预测

为提高水环境中NH4+-N的预测精度,提出了一种互补完全集合经验模式分解(CCEEMDAN)和双向门控循环单元(BiGRU)神经网络的混合预测模型(CCB).首先,通过CCEEMDAN将NH4+-N数据分解成一系列较为简单的模态成份;然后利用BiGRU神经网络对各成份进行预测,将所有分解成份的预测结果相加即可获得最终预...     

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。     

人工神经网络和专家系统在污水生物处理系统中的应用

对近年来国内外污水生物处理系统中人工神经网络和专家系统的应用进行了简要的回顾。分析了废水生物处理工艺难于控制的原因及人工神经网络和专家系统的结构和特点。结果表明．国外智能控制发展迅速,并且应用领域遍及污水生物处理的各个方面,国内尚处于起步阶段。简要探讨了废水生物处理智能控制今后应深入研究的问题及方向。     

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。