基于BP神经网络的间硝基苯磺酸钠CWPO降解条件优化

为了对电镀废水中的间硝基苯磺酸钠催化湿式过氧化氢氧化(CWPO)降解条件进行模拟及优化,建立了间硝基苯磺酸钠CWPO降解过程BP神经网络模型.经验证,模型预测值与试验值的平均相对偏差为0.81%,相关系数r和Nash-Suttcliffe模拟效率系数NSC分别为0.992 5和0.983 9.相对灵敏度分析表明,影响间硝基苯磺酸钠去除率(以TOC表示)的顺序从大到小为: 反应温度、间硝基苯磺酸钠质量浓度、pH值、H2O2用量、反应时间、初始氧分压、催化剂用量.结合遗传算法以TOC去除率最高作为优化目标,分别对降解条件进行优化.经对比,带成本约束的优化降解结果(99.36%)比试验中的TOC去除率平均值(85.51%)提高了10%以上,同时,优化后的降解成本(2.03元)相比无成本约束条件下的降解成本(2.38元)降低了近15%(0.35元).     

软岩保护层开采采动卸压效果的预测及应用

为了研究软岩保护层不同开采参数下采动卸压影响规律,探讨5种不同开采参数下被保护层的等效膨胀率和等效卸压率,构建软岩保护层卸压效果改进鲸鱼BP神经网络预测模型,对不同开采参数下被保护层卸压程度进行预测,通过灰色关联度分析影响采动卸压效果的主次影响因素。研究结果表明：对软岩保护层卸压效果产生影响的主要因素是关键层位置,其次是层间距、采高、面长和埋深,灰色关联度分析结果与实际情况相吻合。模型能较为准确地预测各种情况下被保护层的卸压情况,预测误差小于5%,并且模型易于实现、操作简单。研究结果可为软岩保护层卸压开采提供重要的参考价值。     

基于BP神经网络的污水格栅间气体监测

为实现对城市污水泵站格栅间内H₂S和CO有害气体浓度实时准确监测分析,设计气体传感器阵列监测系统,建立单隐层BP神经网络模型对气体浓度样本进行训练,确定网络隐含层数为9,训练函数为traindm,模型优化后输出的H₂S和CO气体浓度与实测值的平均相对误差分别为1.3%与0.4%。研究结果表明：采用BP神经网络模型对传感器阵列采集到的样本数据进行训练,可提高其测量精度,提升精度范围在57%～75%之间,能够满足对污水泵站有害气体监测的基本要求,所建立模型表现出良好效果。研究结果可为污水格栅间有害气体监测提供新方法。     

基于IPSO-BP模型的火灾气体传感器气压补偿算法

为完善飞机火灾检测系统,设计一套方案,模拟试验不同气压下CO、CO2气体传感器采集气体的体积分数值,并与理论值比较,进而提出一种根据粒子适应度值动态调整学习因子的粒子群算法.采用改进的粒子群(IPSO)算法寻找反向传播(BP)神经网络的最优初始权值阈值,再利用寻优后的BP神经网络修正CO、CO2气体传感器的检测结果,消...     

智能控制在污水生物处理系统中的应用

对智能控制的适用范围及污水生物处理工艺的特征进行了简单分析。对智能控制的3大主要分支模糊逻辑控制、神经网络控制及专家控制系统在污水生物处理中应用的最新动态进行了评论和分析。结果表明,在污水生物处理中引入智能控制是一种提高处理效率、降低运行成本的有效方法,国内在污水生物处理智能控制的应用研究与国外有较大的差距,国内的研究及应用还处在发展阶段,应当加强。最后对污水生物处理智能控制的发展方向作了简要分析。     

基于Keras长短时记忆网络的矿井瓦斯浓度预测研究

瓦斯浓度监测是煤矿瓦斯灾害事故预警的重要的手段,其浓度变化预测对于提升矿山安全生产具有重要意义.针对矿井瓦斯浓度预测问题,建立了一种基于Keras长短时记忆网络的矿井瓦斯浓度预测模型.该模型首先对矿井瓦斯浓度时间序列进行标准化处理,并将处理后的时间序列划分为训练集与测试集;然后通过调用测试集数据进行模型训练,利用提出的...     

基于神经网络模型对城市空气质量预报方法的优化研究

基于郑州市2017年1月1日—2022年2月28日环境空气细颗粒物(PM_2.5)逐日质量浓度监测数据和同期气象数据,利用反向传播(BP)神经网络构建了环境空气PM_2.5质量浓度预报模型,实现了对郑州市后1日环境空气PM_2.5质量浓度日均值进行预报。构建了考虑大气氧化性因素(情景一)和不考虑大气氧化性因素(情景二)这2种情景,并对2种情景下的预报效果进行评价。结果显示,在情景一下,各季节PM_2.5预报质量浓度与实况质量浓度的标准化平均偏差(NMB)和均方根误差(RMSE)均处于较低水平,表明预报效果均具有较好的稳定性;各季节PM_2.5实况质量浓度与预报质量浓度之间的相关系数(r)、一致性指数(IA)、准确率(Q)和级别预报准确率(G)均处于较高水平,其中Q值均>79%,G值均>80%,表明各季节PM_2.5实况质量浓度与预报质量浓度趋势的吻合程度较高。情景一各季节PM_2.5预报质量浓度与实况质量浓度的NMB和RMSE均低于情景...     

微重力波动与燃烧温度变化的研究

本文通过试验飞机抛物线飞行进行了微重力燃烧实验,采集得到微重力条件下一个采样点微重力波动和燃烧温度变化的数据,在此基础上将时间序列预测和神经网络相结合进行了微重力波动与燃烧温度变化的研究,揭示了试验飞机抛物线飞行中微策略波动和采样点燃烧温度变化的规律。     

设备智能诊断与预测维修系统

全面介绍了ＩＤＰＭ智能诊断与预测维修系统。该系统是为企业实行以预测维修技术为主的现代化设备管理制度而设计的。ＩＤＰＭ软件系统是采用Ｂｏｒｌａｎｄ Ｃ＋＋５．０开发的Ｗｉｎｄｏｗｓ应用程序，功能强、操作简便，友好的汉字图形界面尤其适合国内用户使用。     

煤与瓦斯突出危险性计算机识别与预报系统

根据反向传播神经网络模型的原理，设计了煤与瓦斯突出危险性的计算机识别与预报系统，借助于对已知突出实例的训练学习，得出反映突出预测指标和突出危险程度之间复杂的非线性映射关系的网络系数（预报规则），可以对突出危险性进行多因素识别预报。通过外推预报检验，表明系统具有较高的可靠性和实用性