人工神经网络和遗传算法在生物载体填料生产工艺中的应用

本文应用BP人工神经网络建立了生物流化床污水处理工艺中新型生物载体填料的生产工艺参数与填料磨损破碎率和松散容重之间的关系，并运用遗传算法对填料的生产工艺进行了优化。结果表明：填料的最佳生产工艺参数为：EVA含量14％；活性炭含量3．6％；胶粉粒度18.97目。此时，填料的磨损破碎率和松散容量均达到最优值，分别为0．358％和0．226kg／L。这一优化结果对生物载体填料的实际生产加工具有指导意义。     

基于SVM的通风系统故障诊断惩罚系数与核函数系数优化研究

使用支持向量机（SVM）方法对矿井通风系统进行故障诊断,存在惩罚系数（c）和核函数系数（g）,通过人工方法选取效率低、难以达到较高准确率并且出现过拟合的问题。为了提高矿井通风故障诊断的效率、准确率,同时避免过拟合现象,提出了一种改进遗传算法（GA）,在故障诊断过程中对支持向量机的c,g参数进行优化。经过多组试验分析,研究结果表明:用遗传算法优化的SVM矿井通风故障诊断系统相比于未优化系统的故障诊断准确率有所提升,参数未优化前故障诊断的准确率为60%,优化后的准确率为97.894 7%,并且优化参数经过大数据样本验证,未出现过拟合现象,证明了本文提出方法的有效性。     

基于风险的化工园区供热工程布局优化

为从风险角度对化工园区枝状热网的布局进行优化,运用风险评估理论,首先建立了枝状热网的风险评估模型;然后建立了基于风险的热网布局优化模型和基于当量费用长度的热网投资模型;最后,应用遗传算法进行枝状热网布局优化,并根据优化目标函数设计了适应度函数,采用单亲进化策略中的交叉和变异算子来保证有效个体的数量。在遗传进化过程中,输出每一代风险最小个体的投资,作为选择最终布局方案的一个参考。结合具体例子,得到了风险最小的较佳热源位置和相应的管网布置方案;输出了不同热源位置下每一布局方案的当量费用长度,分析了不同布局方案的风险和投资分布情况;定义风险和当量费用长度的比值为R/E,用来判断各布局方案的风险和投资的合理性。将遗传算法与Dijkstra和Kruskal算法进行比较,结果表明,遗传算法能够得到风险最小的布置方案,且具有更好的寻优效果。     

基于遗传算法的神经网络及其在洪水灾害承灾体易损性建模中的应用

洪水灾害承灾体易损性模型一般是非线性的、动态的。人工神经网络具有逼近任意非线性映射的特性。本文给出了用于洪水灾害承灾体易损性建模的基于遗传算法的神经网络模型，阐述了其基本原理和算法，并结合实例说明了其应用。     

基于成本-效益准则的高层RC框架结构优化设计(Ⅰ)——方法

成本-效益准则是基于性能的抗震设计的重要原则,该准则在设计中除了考虑技术要素外,还考虑经济、社会等诸多因素,它所追求的设计目标为结构在其寿命周期内的总造价最小.因此,结构全寿命造价评估是基于性能的抗震设计的基本问题.在已有全寿命造价优化模型的基础上,提出了三目标函数全寿命造价优化模型.与已有的全寿命造价模型相比,该模型除考虑结构初始造价、损失期望外,还考虑了反映结构设计与施工复杂性的构件截面类型数量;另外,还将结构在其运行期间的检查、维护费用及由于优化导致建筑使用面积变化所引起的租金收益影响也列入到结构全寿命造价中.最后,基于所提出的优化模型,给出了以多目标遗传算法为搜索引擎、运用MATLAB语言开发的高层RC框架结构基于成本-效益准则的自动优化程序流程图.     

基于变权重RBF组合模型的煤与瓦斯突出强度预测

为更准确预测煤与瓦斯突出强度,在组合算法和径向基函数(RBF)神经网络的基础上,建立变权重RBF组合模型。首先,选取最具代表性的3种单项模型:BP神经网络、支持向量回归机(SVR)、免疫遗传算法(IGA),分别建模后对样本序列进行预测,并重构预测结果数据。以重构后的预测序列为输入层,突出强度为输出层,对变权重RBF组合模型进行训练,获得各单项模型的动态权值,从而建立动态变权重RBF组合模型,最后对突出强度进行预测。结果表明:变权重RBF组合模型预测结果的平均相对误差为2.621 2%,优于各单项模型、定权重组合模型以及数据不重构组合模型。     

乙酸仲丁酯生产过程的集成设计与优化

以乙酸和混合C_4反应过程作为考察对象,利用过程强化技术为指导方法,研究热泵与反应分隔壁塔集成制备乙酸仲丁酯的可行性与先进性,并建立过程模拟流程;然后,以经济效益、环境效益和系统鲁棒性为优化目标函数,利用多目标遗传算法获取该强化构型的最优工艺设计参数,得到最小年总费用、二氧化碳排放量和条件数分别为4.338×10~5$·a~(-1)、499.020 kg·h~(-1)和13.786。该研究可为乙酸仲丁酯生产过程提供一种新的设计思路和数据参考。     

基于GA-BP神经网络的化工园区应急救援能力可靠性分析

提出一种基于遗传算法优化的BP神经网络(GA-BP)的化工园区应急救援能力可靠性分析模型。通过事故树分析对16家化工园区应急救援能力的可靠性进行量化,并作为GA-BP神经网络模型训练的输出值;以事故树中的28项基本事件为依据进行分类总结,建立化工园区应急救援能力层次分析评估指标体系,在日常生产状态下的应急系统维护与事故时的应急处置能力这两个准则层下分为要素层,包括应急系统硬件维护、应急救援人员管理、应急管理机构、应急预案与演练和信息传递、应急人员动员、现场处置、事故后恢复能力,指标层元素分别对应事故树的基本事件,并计算指标层元素相对于目标层的复合权重,再以调查问卷的方式邀请专家对化工园区的指标层元素进行打分,将每一园区的各项要素得分与复合权重相乘作为GA-BP神经网络模型的输入值;从样本组中选取12组作为训练样本、4组作为测试样本,验证建立的GA-BP神经网络模型的可行性,并与传统BP神经网络的分析数据进行对比。结果显示:GA-BP神经网络输出数据的平均误差为3.83%,均方误差为0.002;而BP神经网络输出数据的平均误差为8.13%,均方误差为0.004;GA-BP神经网络的分析结果与事故树的分析结果更为接近,且相对于事故树分析减少了复杂的建树过程,具有更高的易用性。     

气象灾害应急管理能力评价体系研究

针对现有应急管理评价体系研究的不足,以《中华人民共和国突发事件应对法》为依据,从监测与预警、预防与应急准备、应急处置与救援、事后恢复与重建4个方面构建气象灾害应急管理评价指标体系,并运用投影寻踪评价模型对2008年全国31个省(市、自治区)的气象灾害应急管理能力进行实证分析.结果表明,东、中、西部地区气象灾害应急管理能力存在明显差异,与各地区经济发展水平有较强的正相关性.     

基于参数不确定性的地下水污染治理多目标管理模型

引入随机Pareto控制排序和随机小生境技术,提出基于参数随机变化的改进小生境Pareto遗传算法,用于求解不确定性条件下地下水污染治理多目标管理模型.同时,利用顺序高斯条件模拟的蒙特卡罗方法,结合不确定性分析和风险评估,分析不同渗透系数条件点数对污染物运移结果不确定性和污染风险评价的影响.最后将该方法应用于一个考虑渗透系数为随机变量的二维地下水污染修复算例中.结果分析表明,该方法可为地下水污染治理提供变异性较小的Pareto管理策略,是一种稳定可靠的多目标随机优化方法.