火力发电厂汽轮机的安全评价

介绍了火力发电厂设备中的汽轮机的本体结构, 以及汽轮机的安全评价内容.针对汽轮机的本身特点和安全评价内容,提出了两种安全评价方法对汽轮机进行安全评价.     

基于自适应遗传小波神经网络的水质评价建模

水环境污染过程的非确定性和非线性,使得传统的水质评价方法存在局限性。为了提高水质评价的准确性,提出了一种基于改进小波神经网络(wavelet neural network,WNN)的水质评价模型。采用自适应遗传算法(adaptive genetic algorithm,AGA)对小波神经网络的初始权值进行优化,再通过小波神经网络算法对网络进行训练,最后对训练好的网络展开测试。仿真结果表明,自适应遗传算法和小波神经网络的结合提高了网络的训练效率,该方法可以用于水质评价建模,并且评价结果具有较高的精度和准确性。     

基于SVR的船舶溢油事故预测

船舶溢油事故的预测,是确定所需应急资源多少的重要依据;但船舶溢油事故具有小样本性,传统预测方法不再适用。针对船舶溢油事故的小样本性,该文选择SVR模型对其进行预测;SVR算法的关键是核函数的选择及自由参数的确定,针对上述问题该文分别采用交叉验证法、遗传算法;并在matlab软件上建立SVR模型,最后将该模型应用于上海港水域船舶溢油事故的预测。     

九畹溪大桥大跨度钢管拱分段整体吊装施工安全措施探讨

在进行缆索吊装大跨度双肋钢管拱悬拼施工中,过去多采用空中焊接横联作业,该项施工难度大,尤其在桥高、风大、两岸地形陡峭、施工条件困难的情况下,施工安全和施工质量难以保证。是否能将空中焊接作业转化成地面作业,本文详细介绍缆索吊装大跨度双肋钢管拱进行悬拼施工新技术,并结合九畹溪大桥施工实例,探讨缆索吊装双肋悬拼钢管拱施工中工艺程序、质量控制、安全措施等工程施工新方法及施工效果。     

三维铝型材挤压模多参数优化

以一个导流组合模为例,利用神经网络建立模具参数的数学模型,用遗传算法对参数优化。其中由正交法设计得到实验样本,由软试模提取模具的SDV值,将其作为优化目标。最终实验结果与优化值吻合,为建立和控制挤压模参数提供了一种行之有效的手段。     

自适应人工鱼群-BP神经网络算法在径流预测中的应用

为了提高水库和河流中长期径流预测精度,提出了弹性自适应人工鱼群算法(RAAFSA)。应用RAAFSA算法训练BP神经网络,实现BP神经网络参数优化,形成弹性自适应人工鱼群-BP神经网络混合算法(RAAFSA-BP),对石泉水库进行中长期径流预测。仿真计算表明,弹性自适应人工鱼群优化的BP神经网络算法收敛速度快于BP神经网络算法、人工鱼群-BP神经网络算法和RBF神经网络算法。该混合算法克服了BP神经网络和人工鱼群算法易陷于局部极值、搜索质量差和精度不高的缺点,改善了BP神经网络的泛化能力,输出稳定性好,预报精度显著提高,每次预测相对误差绝对值都小于6%,合格率达到100%。该算法成功地解决了石泉水库中长期径流预测精度不高的难题,可有效用于水库和河川中长期径流预测。     

环境模型参数识别与不确定性分析

在对水文模型实例的参数不确定性分析基础上,分别采用传统灵敏度分析方法、HSY算法、线性回归等方法对模型参数特性进行了识别与比较研究.结果表明参数优化算法与传统灵敏度分析方法不能解释模型结构复杂性特征,采用不确定性分析方法对环境模型参数进行识别提供了深入分析与理解模型系统的有效途径.     

基于EMD-MFOA-ELM的瓦斯涌出量时变序列预测研究

为准确分析工作面绝对瓦斯涌出量的非平稳特征,实现瓦斯涌出量的准确预测,基于经验模态分解(EMD)、修正的果蝇优化算法(MFOA)和极限学习机(ELM)基本原理,构建瓦斯涌出量的EMD-MFOA-ELM多尺度时变预测模型。通过EMD将瓦斯涌出量时变序列进行深层次分解,获得多尺度本征模态函数(IMF);采用MFOA-ELM对各IMF时变序列建立动态预测模型,等权叠加各预测值,得到模型最终预测结果。以晋煤某矿瓦斯涌出量监测时序样本为例进行研究分析,结果表明:EMD能充分挖掘出监测数据隐含信息,有效降低数据复杂度;该模型预测相对误差为0.024 3%~0.651 0%,平均值仅为0.252 6%,预测精度和泛化能力高于未经EMD分解模型,能很好地适用于非平稳时变序列预测。     

基于数据挖掘技术的事故隐患预警方法研究

为改良企业既有隐患排查治理方法,提高辨识效率,提升整改效果,应用并优化数据流滑动窗口模型、等价类变化算法、变化挖掘算法等数据挖掘技术,构建1种关联隐患预警方法,该方法以企业历史隐患数据为基础,通过挖掘实时隐患数据的关联规则,发布关联隐患的类型、存在可能性和变化模式等预警信息,指导企业进行针对性排查和整改。最后,以72家安全管理性质相似企业的28 957项隐患数据为例,验证该方法可行性。研究结果表明:该方法不但能挖掘关联隐患类型及其变化模式,而且预警准确率随置信度水平提升而不断提高。     

基于改进遗传-单纯形混合算法的危险气体泄漏溯源分析

当发生危险气体泄漏时,确定其泄漏位置和泄漏源强,是制定应急方案的基础和依据之一。当无法直接确定泄漏位置、测量泄漏源强时,就需要通过有限的几个监测点,反演出可能的泄漏位置和泄漏源强,现有方法存在收敛过慢、初值敏感、参数过多等问题。描述一种结合改进遗传算法和单纯形法的IGA-NM混合算法,可用于快速反算气体泄漏的位置和源强。IGA-NM混合算法既避免了GA的收敛过慢,又避免了NM初值敏感,兼顾了全局优化。与GA、NM相比,IGA-NM混合算法的计算速度更快,计算误差更小。最后,应用IGA-NM混合算法,基于WebGIS设计了一套计算气体泄漏源强和位置的计算机程序,简化了输入参数,使用方便,可适用于气体泄漏应急监测、大气污染源溯源反查等场合