山区农村居民点时空格局演变特征及蚁群仿真优化——以重庆澄江镇为例

山地农村居民点系统因受自然因素及人类活动等多重扰动而处于深刻转型中,探索山区农村居民点时空格局特征及其优化策略,对于优化山区国土空间格局、推进山区国土空间综合治理与乡村振兴具有重要意义。基于构建理论框架,集成运用景观格局指数法、栅格权重叠加评价法、改进蚁群算法（ACO）等,以重庆澄江镇为例,探索山区农村居民点时空格局演变特征及优化过程,提出优化调控策略。结果表明：（1）研究区农村居民点空间格局演变特征呈现集中、靠拢的演化发展趋势,总体呈现匀质、线状、向心、院落四种分布形态;同时高程、坡度、水域、城镇、道路、基础设施等自然—经济社会因素均对山区农村居民点时空格局演化产生重要影响。（2）改进蚁群算法优化后,研究区农村居民点斑块面积（CA）减少10.07%,居民点斑块数量（NP）和密度（PD）分别减少83.12%和81.16%,平均斑块面积（MPS）增加了4.3倍,平均最近邻体距离（MENN）增加了42.82%。优化后69.1%的农村居民点斑块都集中在适宜区和较适宜区内,且重点向交通便利、公共设施完善、生产便利和中心村庄集中。优化后的农村居民点空间格局更加紧凑有序,土地集约节约效率更高。（3）基于仿真优化结果,综合考虑村庄振兴“产业—人口—土地”互动耦合机制,提出城郊融合、产业集聚、景村融合、搬迁撤并四类农村居民点格局优化方案,助推山区乡村振兴。（4）优化结果同时表明改进的蚁群算法非常适用于复杂环境条件下的较小尺度要素空间布局优化,能够为山区国土空间规划编制提供技术支撑。     

一种改进的多学习教与学优化算法

针对传统教与学算法在解决复杂多峰函数优化问题时,具有局部最优且搜索开发能力较差的缺点,提出了一种改进的多学习教与学优化算法,新算法为学员的每一维加入不同的教学因子,设计了基于学员均值比较的教师选择策略和向教师及学员学习的多学习策略。基于多个单峰和多峰函数的仿真结果表明,新算法跟传统的、改进的教与学算法相比,在稳定性、寻优精度和收敛速度方面更具优势。     

基于粒子群算法的城市垃圾中转站的空间布局研究

随着城市化的进程,垃圾处理设施成为影响城市化质量的重要指标。依据人们实际所关注的垃圾处理设施的总成本和负效应两个因素,在前人研究的基础上,建立了垃圾收运多目标模型,使得总成本和负效应最优化。根据模型设计了粒子群算法,该算法属于智能算法,且精度高,收敛快,在许多领域也得到广泛应用。用设计的粒子群算法并结合案例求出了Pareto最优解,给出三种决策方案,验证了模型和算法的有效性和可行性,为决策者提供了一种理论参考。     

基于机器学习的电热防除冰表面温度变化趋势预测

针对飞机部件周期控制律电加热防除冰的应用,提出基于机器学习以预测电加热防除冰表面温度的变化趋势.依靠大型结冰风洞及其电加热防除冰控制系统完成防除冰试验,获得有效的试验数据,以通、断电周期为分割单元,将试验数据划分成验证集和训练集.根据电热防除冰过程的换热情况,构建样本的特征参数,利用机器学习的有监督学习方式,选择KNN...     

基于随机森林算法的塔式起重机安全事故预测及致因分析

近些年来塔式起重机安全事故频发,造成了较大的人员伤亡和财产损失.为降低塔式起重机安全事故发生的概率、辨识关键的诱发因素,根据塔式起重机安全管理相关的法律、安全技术规范和标准,采用系统分析方法对事故致因进行层次分解,并以194份事故调查报告为数据样本,构建了一种基于随机森林算法的塔式起重机安全事故预测模型,并以某塔式起重...     

基于机器学习算法的新冠疫情管控对河南省空气质量影响的模拟分析

全国各地为了减少新冠疫情对社会和人民生活的影响,采取了必要的防疫防控措施,这些措施对空气质量的变化产生了重要的影响,此外空气质量的变化与气象条件也存在很大的关系.通过对河南省疫情前（1月1~26日）和疫情管控期（1月27日~2月29日）这两阶段的空气质量分析对比发现,整个河南省除了O₃浓度上升了69.64%外,PM_2.5、PM₁₀、SO₂、CO和NO₂分别降低了36.89%、34.18%、19.43%、29.85%和58.51%;通过机器学习算法中的长短期记忆型网络（LSTM）模拟显示,气象条件引起污染物浓度的降幅大部分在15%~30%之间;人为排放减少引起的污染物浓度的降幅大部分在6%~40%之间.O₃在疫情期间上升过程中,气象条件和人为排放两种因素分别占了34.84%和34.81%.结果表明,疫情管控期间,河南省空气质量总体上有所改善,但是也有重污染发生,其中O₃的浓度对于疫情管控减排的影响不明显,呈负相关,需要进一步探索引起臭氧浓度上升的原因,以此帮助政府合理控制臭氧等前体污染物的减排比例.     

利用智利地震震源分布确定智利地区主震断层面

从历史地震来看,智利及其周边地区的历史强震主要集中在Nazca板块和南美洲板块之间的俯冲带上,该区也是7级以上大震频发的地区,所以对于该地区的断层结构和震源机制的研究就显得十分有必要.大地震发生后,大量余震在断层面上发生.因此余震震源位置的空间分布可以较为精确地勾画出断层面的位置.假定地震的发震断层可以用一个平面来模拟...     

人工神经网络在道路交通噪声预测中的应用

人工神经网络具有很强的预测功能，根据某公路交通噪声的实测数据，应用人工神经网络进行道路交通噪声的预测，经检验，计算值与实测值接近，从而为道路交通噪声的预测提供了一种新的途径。     

基于小波分解及遗传BPNN耦合模型的地表水As浓度预测研究

随着工业的快速发展,水体中污染物超标事件时有发生,造成了较严重的水环境污染问题.水环境监测与预报是环境科学研究的重要内容.为了实现地表水砷(As)污染的准确预报,本研究提出小波分解、遗传算法与BP人工神经网络的耦合建模方法,并结合某河流监测站1998-2016年共19年的地表水质监测数据,通过皮尔逊相关系数和信息指标评...     

人为排放及气象因素对空气质量影响的定量分析——以疫情期间邢台市为例

选择河北省邢台市作为研究对象,将2020疫情作为一个极限管控措施下的极限减排实验情景,把2021疫情作为未来常态化疫情防控实验分析情景.与疫情前期对比,两次疫情期间臭氧浓度均有提升且2021疫情时期颗粒物浓度同样有提高,2020疫情时期其他污染物浓度均有不同程度的改善,而与2019历史同期相比,两次疫情期间臭氧浓度同样有升高现象,除此以外,2021疫情时期污染物改善较好.利用长短期记忆网络（LSTM）算法和空气质量预报模式系统（WRF-CMAQ）量化了两次疫情时期气象因素对于污染物浓度变化的影响,根据空气质量模拟法反推了不同污染物受人为影响的浓度变化.实验结果表明,LSTM算法在两次疫情期间的模拟均显示人为影响对污染物产生了负影响（降低了污染物浓度）且在总变化影响中占比较高,而CMAQ模式模拟结果中的气象因素影响占比远高于LSTM算法.CMAQ模式在两次疫情模拟中表现出了不同的结果,在2020疫情中人为影响占据了主导,而在2021疫情中,相比较2020疫情时期,除NO₂外,人类活动对其他污染物的影响均为正值（促进了污染物浓度升高）.