基于RF-MLP集成模型的耕地生态安全预警系统设计与应用

开发耕地生态安全预警系统,针对耕地生态安全情况做出预先的分析和警报对指导区域耕地资源合理利用和制定科学、合理的农业发展政策具有重要作用。从PSR模型视角构建指标体系,采用熵权法、多因素综合加权法对耕地生态安全状况进行评价,提出随机森林与多层神经网络集成模型(RF-MLP集成模型)对耕地生态安全水平进行预测,构建耕地生态安全预警系统,进而以中国粮食主产区为实例代入该系统,系统运行流畅,精度检验合格,可信度较高,为实现耕地生态安全监测及预警的业务化运行做了有益尝试,具有较强应用价值。结果表明：(1)以RF-MLP集成模型为关键技术构建的预警系统,利用随机森林模型优化多层神经网络的输入属性,对相关特征进行优化选择的提高模型的预测准确度,又避免特征过多导致过拟合,为实现耕地生态安全监测及预警的业务化运行做了有益尝试。(2)应用结果显示2006～2017年的耕地生态安全值总体呈上升趋势但增幅不高,预警等级由中警转为轻警,警情空间格局整体上呈现出北部省份警情级别较南部省份高的分布格局;2018～2027年,整个粮食主产区耕地生态安全值有所提升,但预警等级仍维持在轻警。预测期间警情空间格局已基本趋于...     

地下水脆弱性评价方法研究

地下水脆弱性评价是区域进行地下水资源保护和管理的重要依据。本文回顾了现有地下水脆弱性评价的方法,提出了应用地理信息系统平台和模糊逻辑与神经网络对地下水进行脆弱性评价的模型,并实际应用于美国与中国选定区域,创新并拓展了地下水脆弱性评价方法。     

太湖饮用水源地金墅港、渔洋山水质综合评价

采用BP神经网络、内梅罗指数和综合营养状态指数评价了太湖金墅港、渔洋山饮用水源地水质及综合营养状态。结果表明,2012年金墅港和渔洋山的水质基本达到国家Ⅱ类水要求,其水质均处于中营养状态(31.43~47.66),不同水期对水源地营养状态影响较大,丰水期水质综合营养状态指数最低,且变化较小。渔洋山的年均富营养化状况(42.08)比金墅港(40.62)略重。     

空气中PM_(10)浓度的BP神经网络预报研究

BP神经网络在空气污染预报领域的应用越来越广泛,本文建立了某市PM10浓度预报的分段BP神经网络模型。经验证所建立BP预报模型预测精度比较高,PM10日平均浓度误差大多数在-0.010～0.010mg/m3范围内,相对误差在-20%～20%范围内,表明BP神经网络对PM10的浓度预报是一种有效的工具。     

基于UWB的危化品智能仓储管理系统研究

针对当前危化品仓储过程中存在的问题,设计了一种基于UWB的危化品智能仓储管理系统,构建了UWB系统定位硬件平台,提出了一种基于神经网络的Chan-Taylor混合定位算法来抑制危化品仓库中的非视距误差及多径传播因素的影响,最后基于Visual Stdio 2018环境采用C++语言完成了系统的开发。测试表明本系统可通过UWB定位标签实现仓库货物、人员、设备的实时定位管理,危化品堆垛运动轨迹及距离的实时监测,可以有效提高危险化学品的安全管理水平,减少安全事故的发生。     

多重组合神经网络模型在湖库总磷预测中的应用研究

湖库总磷(TP)含量与环境因子的相关性往往并不显著,导致总磷预测精度不高,效果不理想。为提高总磷的预测精度,提出一种基于BP、Elman、RBF、GRNN(以下简称BP等4种)神经网络算法原理的组合预测模型,将影响总磷预测精度的NH+4-N、CODMn和透明度3个相关因子作为BP等4种模型的输入向量,总磷实测值作为输出向量,构建3输入1输出的单一预测模型;以BP等4种单一模型预测结果作为下一BP等4种模型的输入向量,总磷实测值作为输出向量,从而构建4输入1输出的一次组合预测模型;再以一次组合神经网络模型预测结果作为下一BP等4种模型的输入向量,总磷实测值作为输出向量,构建4输入1输出的二次组合预测模型;依次类推,构建8种方案的多重组合预测模型。并构建GA-BP模型作为对比预测模型,预测结果与BP等4种单一模型及GA-BP模型的预测结果进行比较。结果表明:(1)组合模型随着组合重数的增加,预测精度显著提高,表明多重组合模型用于湖库总磷预测是合理可行的,模型具有较好的预测精度和泛化能力,是提高预测精度的有效方法;(2)方案2~8中各模型的预测结果均优于GA-BP模型(除方案2中的GRNN外),表明组合模型具有较高的预测精度和泛化能力。其中,方案3中的BP模型、方案4~8中的BP、Elman和RBF模型的平均相对误差均小于10%,预测精度均令人满意,尤以方案6~8中的BP、Elman和RBF模型的预测精度为最高(平均相对误差均在9%以内),均优于其他组合模型。     

制药废水UASB-HAR-ICEAS组合处理系统效能建模及优化研究

以某制药废水的升流式厌氧污泥床(UASB)-水解酸化池(HAR)-间歇式循环延时曝气活性污泥法(ICEAS)新型组合处理系统为背景,分析该系统效能,并建立遗传算法优化神经网络(GA-BPNN)模型对系统出水水质进行仿真预测,并利用建立的GA-BPNN模型对系统的运行条件进行优化研究。研究表明,在稳态运行的120 d,系统对废水COD和NH3-N去除率分别为98.6%和86.6%;GA-BPNN模型对出水COD和NH3-N的预测结果和实际监测值之间的平均绝对百分误差为5.55%和6.99%,能很好地应用于组合系统的出水水质预测管理中;GA-BPNN模型还可求解出系统的最优化运行条件,为工程实际操作提供了坚实的理论基础。     

多元回归和BP人工神经网络在预测混合厌氧消化产气量过程中的应用比较

对脂肪类单基质和城市污水厂剩余污泥混合厌氧消化过程的产气阶段进行基于多元回归和BP人工神经网络的产气量预测模型比较研究。实验数据分别取自反应过程的第1～16天和第17～70天。结果表明:多元回归模型的预测平均准确率分别为75.69%和79.29%;BP神经网络模型的预测平均准确率为79.05%。通过对比2种模型的预测结果可知,两种模型都有较高的预测准确率,但BP模型的预测准确率更高,更适用于混合厌氧消化产气量预测。     

机场备降航班保障能力评估与验证

针对航班备降突发性和信息不对称的问题,为准确选择备降机场,降低运行风险,通过梳理可获取的运行数据,初步筛选出机场备降保障能力指标;基于粗糙集理论,利用遗传算法和Johnson算法筛选得到关键指标,使用熵权法建立机场备降保障能力评估模型(方法1);同时,使用神经网络,通过历史数据训练得到评估优选模型(方法2);最后,统计2015—2016年备降航班数据,与两种方法的评估值进行了对比和分析。结果表明,方法 1更适用于大规模备降的极端情况,而方法 2更适用于常规备降情况。两种模型评估结果与实际运行结果趋势一致,证明了评估方法的有效性。     

人机交互型VDT持续作业任务自适应分配方法的试验研究

为提高人机交互型视觉显示终端(VDT)持续作业的绩效和安全性,需考虑作业过程中的工间休息制度,避免疲劳作业。结合持续操作测试(CPT)任务范式和Go-Nogo反应范式,设计模拟人机交互型VDT持续作业的试验。根据试验数据分别对心理努力、任务主观难度、眼睛疲劳等11个指标进行方差分析,构建了人机交互型VDT持续作业负荷主观评价指标体系。训练BP神经网络,识别作业负荷模式,建立了人机交互型VDT持续作业任务自适应分配模型。结果表明:通过任务主观难度、眼睛、颈部、肩部、腰部、手腕疲劳度6个指标,对人机交互型VDT持续作业负荷进行模式识别,其结果可信,且对实际作业干扰性非常小;作业任务自适应分配模型能根据作业者负荷模式合理安排工间休息,保障作业者的健康,提高作业效率和安全性。