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。     

提高洪水智能预报中洪峰预报精度方法的研究

针对防洪减灾的实际需要,对如何提高智能网络对洪峰的预报精度问题进行了深入系统的研究,提出了峰值放大修正系数和遗传算法优化网络初始权重相结合的改进算法,历史资料的检验结果表明了这些改进策略的有效性和可靠性.     

基于遗传神经网络的除湿机故障诊断与寿命预测

目的识别除湿机的性能状态和预测吸附剂的剩余寿命。方法针对除湿机故障过程缓变的特点,提出一种基于数据驱动的遗传神经网络模型。首先,为解决设备失效程度划分模糊的问题,由5个热力参数组成反映吸附剂劣化程度的特征向量,关联分析得到除湿机的5类故障模式。其次,利用遗传神经网络建立状态参数和故障模式的映射关系。最后,对表征设备吸附能力的主参数进行外推预测。结果训练好的诊断网络可准确地识别出设备的劣化程度及其演变过程,预测网络的预测精度非常高。结论该方法可有效地实现对除湿机的故障诊断与预测。。     

西藏自治区措勤县德能铜多金属矿床地质特征及成因分析

通过对西藏自治区措勤县德能铜多金属矿的研究发现,矿区内共6条达到工业品位的铜矿体,并伴生有铅、锌、金、银等多种有益组分,成矿地质条件较好。矿体主要赋存于燕山期石英闪长玢岩岩体外接触带及构造破碎带中,其中Cu4矿体规模最大,经深部钻孔工程及地表槽探验证,矿体品位和厚度沿走向和倾向变化系数较小。燕山晚期第一阶段第一次石英闪长玢岩侵入体是主要成矿物质来源,后期北西西向断裂构造是主要导矿和容矿构造。     

焦化废水对蚕豆和大麦毒性的影响

以COD作为主要参照指标,研究了焦化废水在符合GB 13456-92<钢铁工业水污染物排放标准>焦化一级、二级排放标准限值要求时,对蚕豆和大麦幼根生长、根尖细胞遗传毒性的影响.结果表明:在实验周期内,焦化废水对蚕豆幼根根长、根重和有丝分裂指数的影响不大;对大麦幼根根重无明显影响,而对大麦根长和有丝分裂指数有促进作用.焦...     

路面径流水环境下交通承载力分析

为了对路面径流水容许污染总量控制下的交通承载力问题进行探讨,利用神经网络具有的非线性映射能力和遗传算法具有的全局随机搜索能力,结合公路路面径流水质检测数据,提出了一种基于遗传神经网络进行公路交通环境承载力反计算的分析方法,应用该方法可根据路面径流水质污染数据反演出路段交通量大小,并可据此进行交通量与路而径流水质污染的关...     

区域水战略方案选优的动态组合评价模型研究

水安全危机是人类进入新世纪以来在生存及发展方面所面临的最严重挑战之一。研究科学合理的水安全战略成为区域可持续发展的重大课题。针对区域水战略问题涉及众多因素且各因素之间动态关联的特点,提出了基于水战略方案优选的兼容度极大化动态组合评价模型（CMM—DCEM）,并将其成功地应用于我国广东省北江下游及其三角洲地区水安全战略方案优选评价。评价结果及模型基于不确定性的敏感性分析结果证明：CMM—DCEM实现了主、客观赋权方法以及单一评价模型的融合,使用实码加速遗传算法求解目标函数,克服了传统的组合评价方法计算繁琐的不足,评价过程更加科学合理。     

生态恢复过程中的种群遗传学考虑

生态恢复是生态科学的最终实验,从种群角度看,恢复的目标是使种群（尤其是优势种或建群种）到具有生长、繁殖和适应进化变化的能力。要达到这个目标,种群遗传学知识必不可少。遗传变异是物种适应变化环境的基础,而局部适应则是种群适应局部环境遗传分化的结果,它们在生态恢复中起着重要的作用。分析了生态恢复过程中影响种群遗传变异因素,主要有取样误差和小种群效应（主要是瓶颈或建立者事件及其以后的近交和漂变等）,在进行     

Gradient analysis of the chrogenetic structure of lowland and highland scotch pine populations

Gradients of genetic distances (GGDs) between 26 adjacent cenopopulations of Scotch pine (Pinus sylvestris L.) along the transects through the distinct landscape-ecotopic isolation borders were analyzed graphically. The results made it possible to reveal and quantitatively estimate gradients and borders of gene-pool structural patterns in populations of this species in the central part of Northern Eurasia. In lowland areas, the most distinct borders were found between pine populations growing on dry lands and bogs (Pineta sphagnosa) in the forest zone of the Transural region, as well as between the Arakaragaiskii and Amankaragaiskii island pine forests in the steppe zone (Northern Turgai). In highland areas (the Urals and the Carpathians), the greatest GGDs were observed between low-mountain (about 600 m above sea level) and middle-mountain (850–900 m) populations. Analysis of GGDs is a promising gene-geographic method for determining population borders and studying the chorogenetic structure of species.     

Optimizing mixture properties of biodiesel production using genetic algorithm-based evolutionary support vector machine

Nowadays, biodiesel is used as one of the alternative renewable energy due to the increasing energy demand. However, optimum production of biodiesel still requires a huge number of expensive and time-consuming laboratory tests. To address the problem, this research develops a novel Genetic Algorithm-based Evolutionary Support Vector Machine (GA-ESIM). The GA-ESIM is an Artificial Intelligence (AI)-based tool that combines K-means Chaotic Genetic Algorithm (KCGA) and Evolutionary Support Vector Machine Inference Model (ESIM). The ESIM is utilized as a supervised learning technique to establish a highly accurate prediction model between the input--output of biodiesel mixture properties; and the KCGA is used to perform the simulation to obtain the optimum mixture properties based on the prediction model. A real biodiesel experimental data is provided to validate the GA-ESIM performance. Our simulation results demonstrate that the GA-ESIM establishes a prediction model with better accuracy than other AI-based tool and thus obtains the mixture properties with the biodiesel yield of 99.9%, higher than the best experimental data record, 97.4%.