基于人工神经网络法的绿色建筑评价

以实际建筑物为例,介绍了用层次分析法建立绿色建筑评价模型的过程,并分别用层次分析法和人工神经网络法对实际建筑物进行了评价。评价结果显示,人工神经网络法与层次分析法相对误差不到0.5%,表明人工神经网络法作为一种客观科学的评价方法,应用于绿色建筑的评价,能有效降低主观因素带来的影响,会使结果更具有客观性。     

基于主成分分析和神经网络的事故预测方法及应用

为解决人工神经网络(ANN)对复杂系统进行事故预测建模时,易导致网络复杂,降低网络性能和增大预测误差的问题,提出一种基于主成分分析法(PCA)的ANN事故预测方法。介绍PCA法和ANN的基本理论,阐述基于PCA法的ANN事故预测模型及其预测步骤,即在利用ANN预测之前,先用PCA法分析事故影响指标,将多个指标转化为少数几个能反映原始信息的互不相关的综合变量(主成分),然后以这些变量作为输入进行ANN建模,从而达到简化模型,提高网络性能和计算精度的目的。以煤矿事故预测为例,进行应用和对比研究。结果表明:基于PCA的ANN事故预测相对误差小于3%,而直接运用ANN方法预测的相对误差达到5%。这说明,对复杂安全系统进行事故预测时,基于PCA法的ANN预测方法是更可行的。     

人工神经网络光度法同时测定四组份染料混合物

介绍人工神经网络的原理,对典型神经网络系统做介绍,并对人工神经网络在光谱分析中的应用作解说.应用人工神经网络原理,以快速BP算法,对紫外可见吸收光谱严重重叠的四组分的染料溶液同时进行含量测定.在200～600 nm的范围内,以12个特征波长处的吸收值作为网络特征参数,通过网络训练,酸性橙Ⅱ、酸性红B、甲基紫、酸性嫩黄的相对标准偏差分别为0.95%～2.30%,4种成分的回收率在96.3%～104%之间.实验表明,该算法速度快,预测结果准确,可用于人工神经网络光度法定量测定光解废水中多组份混合染料.     

有机化合物结构与生物降解定量关系的研究进展

生物降解是许多有机化合物主要降解途径之一。近年来,难降解的有机化合物的任意排放使得环境污染越来越严重,为了防止由此造成的环境污染问题,对于有机化合物生物降解能力的预测显得至关重要。有机化合物的结构与生物降解定量关系（QSBR）的研究与发展,对于预测有机化合物的生物降解性提供了重要的帮助。本文主要综述了近几年来国内外在这领域的研究进展,对现有的有机化合物的结构与生物降解定量关系模型进行系统的总结、评价,分析了模型研究中存在的具体问题,并提出了进一步改进的几点建议,展望了其在环境保护规划、预警及评估等方面的应用前景。     

京津冀“以电代煤”替代大气污染物排放清单

本研究建立了基于人工神经网络的民用散煤燃用量估算模型,得到了京津冀地区“以电代煤”替代民用散煤大气污染物排放清单.结果表明：截止到2018年,京津冀地区“以电代煤”替代散煤用户约259万户,每年可减少散煤燃烧约706.6万t,减少PM_2.5、NO_x、SO₂的排放量分别约为2.81,0.76,2.17万t.其中,北京市和天津市实施效果较为明显,占京津冀地区“以电代煤”散煤替代总量的62.01%和22.82%.基于调研数据得到京津冀各市燃煤量月分布系数,1月份分布系数最大,燃煤量占比为27%~40%.     

HCl emission characteristics and BP neural networks prediction in MSW/coal co-fired fluidized beds

IntroductionWiththedepletionofspaceforlandfillingofmunicipalsolidwasteandtherisingpricesforrawmaterials ,moreandmorefluidizedbedincineratorshavebeenusedtotreatMSWduetotheprimaryadvantagesofhygieniccontrol,volumereductionandenergyrecovery .BecausetheMSWhas…     

一种处理爆炸多能法的新方法

以多能法中距离－超压关系图为例,介绍了一种运用前馈多层感知器网络对现行多能法中查图步骤进行改进的方法。此法从很大程度上解决了多能法在爆炸灾害评估中手工查图误差大且不方便的缺点。模拟结果表明,该处理方法能够很好的逼近多能法中的超压函数P＝f(R0,C),最后提出了人工神经网络方法在爆炸破坏效应评估中进一步应用的设想。     

基于人工神经网络理论的系统安全评价

阐述了人工神经网络基本原理,研究分析了BP神经网络模型的缺陷拼提出优化策略。在此基础上,将神经网络理论应用于系统安全评价之中,提出了基于此理论的系统安全评价模型、实现方法和优点;评价实例证明了此方法的可行性。     

机场能见度临近预测方法

能见度是保障机场航班安全、正常运行的重要标准之一。为精准预测能见度,使用2020年天津机场气象和常规空气质量监测数据,构建基于方差膨胀因子(Variance Inflation Factor, VIF)、主成分分析(Principal Components Analysis, PCA)和Informer的能见度预测模型,并将均方根误差、平均绝对误差、平均绝对百分比误差作为评价指标进行误差分析。结果显示,VIF-PCA-Informer模型比单一的Informer和简单组合模型效果更优,能更好地捕捉长时间序列特征的关系。相比于单一的Informer、长短期记忆神经网络和门控循环单元模型,VIF-PCA-Informer模型均方根误差下降了0.214 1～0.348 6,平均绝对误差下降了0.184 2～0.275 3,平均绝对百分比误差下降了0.322 4～0.527 0;VIF-PCA-Informer模型对能见度的临近预测(1 h)更为精准。使用高效的机场能见度预测模型可在保障航班安全高效运行方面发挥较大支撑作用。     

人工神经网络在预测深基坑周边地表沉降变形中的应用研究

深基坑开挖引起的周边地表变形预测是一个复杂非线性问题,引起地表沉降的影响因素很多,各因素之间呈高度的非线性关系。传统的基坑用边地表沉降变形预测方法存在着一定的局限性,其预测精度有待提高,而人工神经网络是一种多元非线性动力学系统,可以灵活方便地对多成因的复杂未知系统进行高度建模,实现全面考虑各种主要影响因素的深基坑周边地表沉降变形预测。本文介绍了误差反向传播(BP)网络模型的结构、学习过程及其算法的改进,径向基函数(RBF)网络模型的结构及其学习过程;分析了影响深基坑开挖周边土体沉降变形的主要影响因素;以25个基坑工程的地表沉降实测资料为训练样本,建立了11个输入影响因素的BP神经网络模型和RBF神经网络模型,通过对样本的学习训练过程及对5个检验样本的预测精度,说明了人工神经网络用于预测基坑周边地表沉降的可行性和准确性。