应急状态下矿井瓦斯爆炸致灾因子传播快速分类器研究*

为了在矿井瓦斯爆炸灾变发生后,快速确定瓦斯爆炸冲击波的压力、温度、有毒有害气体等致灾因子在井巷网络中的传播情况。利用CFD数值模拟或爆炸实验获得瓦斯爆炸冲击波的压力、温度、有毒有害气体等致灾因子传播大数据,将影响瓦斯爆炸传播的因素以及观测点等参数作为人工神经网络的输入节点,压力、温度等致灾因子作为输出节点,建立瓦斯爆炸致灾因子传播快速预测机器学习模型,解决CFD数值模拟的建模、计算及数据分析处理等过程耗时大、不适应灾变应急的快速响应等问题。研究结果表明:在给定爆炸位置和爆炸当量的均直巷道,获得任一点的爆炸冲击波压力、温度以及有毒有害气体所需时间是瞬时的,人工神经网络平均训练误差为6.92 %,有训练样本的验证误差为5.24 %,无训练样本的验证误差为6.88 %。     

应用电性拓扑状态指数预测烷烃自燃点

建立了一个基于人工神经网络的定量结构-性质相关性模型,用于52种烷烃化合物自燃点的预测研究。应用原子类型电性拓扑状态指数作为表征分子结构特征的描述符。该指数既能表征分子的电子特性,又反映其拓扑特征,同时易于计算,并有较强的同分异构体区分能力。采用误差反向传播（BP）神经网络方法对烷烃自燃点与电性拓扑状态指数间可能存在的非线性关系进行拟合。将52种烷烃样本随机划分为训练集（30种）、验证集（8种）和测试集（14种）,并通过“试差法”确定网络的最优参数。运用最佳网络结构[64—1]对实验样本进行模拟,结果表明,多数样本的自燃点预测值与实验值符合良好,对于测试集,平均预测绝对误差为8．4℃,均方根误差为11．8,优于多元线性回归方法和传统基团贡献法所得结果。该方法的提出为工程上提供了一种根据分子结构预测有机物白燃点的有效方法。     

人工神经网络在深圳市水库富营养化评价中的应用

对富营养化评价标准进行插值获取大量的样本,建立了基于BP人工神经网络的富营养化评价模型。将模型应用于评价深圳市13座主要水库的富营养化状况,对其成因进行分析,并提出了对策与建议。研究结果表明,石岩水库与深圳水库为轻度富营养化,占评价水库总数的15.4%;西丽水库等11座水库为中营养,占评价水库总数的84.6%。人工神经网络用于建立湖库富营养评价模型是适合的。     

遥感技术在湖泊叶绿素ａ 监测中的应用研究———以太湖为例

水质遥感技术在湖泊水质监测领域内的应用具有十分积极的意义。在总结现有水质遥感反演方法的基础上,选取了遥感指数法和神经网络法两种理论完全不同的反演方法,构建太湖叶绿素a与MODIS影像波段间的函数关系,并从反演能力和反演精度两个角度对上述方法进行了比较研究。结果表明,神经网络模型的非线性特征能够敏感地把握住叶绿素a浓度变化在反射波谱信息上的微小响应,较为成功地反演出叶绿素a与反射光谱信息间的非线性关系。神经网络模型的反演能力和反演精度均优于遥感指数方法,具有较好的应用前景。     

水质综合评价的径向基函数网络模型

针对目前水质综合评价中常规方法存在的问题 ,提出了径向基函数网络模型 (简记为 RBF-ANN)。以吉林省白城市地下潜水水质资料为例 ,运用该方法对监测样点进行了综合评价。通过与其它方法对比 ,结果表明 ,利用RBF-ANN模型进行水环境质量综合评价不仅方法简便 ,而且结论更接近客观实际。     

西北地区能源-环境-经济可持续发展预警研究——以陕西省为例

能源、环境与经济是人类社会生存与发展的物质基础,能源经济发展在带来区域经济快速繁荣的同时,往往造成当地社会生活质量的下降和生态环境的破坏。陕西作为我国21世纪重要的能源接续地,在能源开发利用的同时也受到脆弱生态环境的约束,本文以此为例进行可持续发展预警实证研究具有一定的代表性和现实意义。通过设计能源-环境-经济可持续发展预警指标体系,构建出可持续发展预警模型,采用人工神经网络预警方法和层次分析法,编写出计算运行程序,运用Matlab7.1软件中人工神经网络工具箱,将有关数据信息和预警模型有机结合,探讨能源-环境-经济可持续发展理论构建与应用问题。研究结果表明:陕西能源-环境-经济的可持续发展趋势在2000-2014年间分别处于重警、中警、轻警和无警四种状态,基本符合陕西能源产业发展现状;所设计的预警指标能较好地反映出能源-环境-经济可持续发展的特征;基于BP人工神经网络的预警方法具有较强的仿真能力,能提高可持续发展预警的准确性,在能源产业可持续发展预警研究中具有一定的应用价值。     

长江上游月降水人工神经网络预测模型

长江上游月降水量预测对于三峡库区及整个长江流域水资源管理具有重要意义。根据长江上游不同气候区降水差异,选取玉树、九龙和宜宾3个代表性气象站点近60 a的月降水量数据,运用反向传播神经网络、径向基函数神经网络、广义回归神经网络和多元线性回归法,确定降水时滞和降水月份,建立月降水预测模型,来预测未来一个月的降水量,并采用均方误差和判定系数来验证和对比各种模型的模拟效果。结果显示：人工神经网络模型总体上优于多元线性回归,特别是反向传播神经网络的模拟结果各站表现较好,在确定合理的输入变量和网络结构后,可以尝试作为长江上游各站月降水预测模型。〖     

前馈神经网络在环境评价和预测中的应用进展

本文针对水环境中复杂的不确定性及非线性关系,在水环境不确定性分析的基础上,详细阐述了以BP网络和RBF网络为代表的前馈神经网络法的基本原理,分析了两种方法的优点。同时,本文对两种方法在水环境影响评价工作中的应用现状进行总结,分析了两种方法的研究发展趋势。     

基于人工神经网络的突发环境事故应急系统

突发环境事故现场具有形势紧迫、信息获取困难等特点,引入人工神经网络技术(Artificial Neural Networks,ANN)设计开发的突发环境事故应急决策支持系统(ANN-EEDSS),能够完成现场应急指挥调度的定量化决策支持。关键技术包括突发环境事故神经网络构建方法,事故信息与应急措施的数字化方法,决策信息的翻译表示,事故影响因素的权重分析。最后阐述了系统现场运行和工作的流程。