GRNN模型在煤与瓦斯突出及瓦斯含量预测中的应用

煤与瓦斯突出的作用机理非常复杂,是诸多因素如地应力、煤层瓦斯、煤体物理力学性质等共同作用的结果。在分析广义回归神经网络(GRNN)的基本原理和算法的基础上,建立煤与瓦斯突出等级以及基于构造复杂程度定量评价的瓦斯含量GRNN模型。然后用收集到的工程实例样本训练和检验该模型。结果表明,GRNN模型具有很好的预测能力和泛化能力,能较好揭示瓦斯含量和诸影响因素间的关系,可用于煤与瓦斯突出判别以及瓦斯含量预测。同时可以看出,光滑因子的合理选取对于提高GRNN模型的预测精度非常重要,因此,在以后的实际应用中需要不断尝试,找出最合理的光滑因子。     

基于神经网络模型的燃料空气混合物爆炸威力预测研究

燃料空气混合物爆炸威力准确预测研究是学术界的一个难题。针对燃料空气混合物爆炸威力有效预测问题,采用神经网络方法,设计多层神经网络模型,进行实际预测应用。应用结果表明,采用的预测方法简便、可行,可以为燃料空气混合物爆炸威力预测提供一种新途径。相比3层BP模型,设计的预测模型可以减少训练次数,缩短训练时间,提高预测正确率,应用优势较明显。     

白洋淀养殖区春季沉积物垂向微生物群落特征及驱动因素

结合16S rRNA高通量测序技术,对春季白洋淀养殖区（后塘和西李庄）沉积物垂向细菌群落演变特征及影响因素进行解析.结果表明：春季白洋淀沉积物环境因子（硝态氮、铵态氮、溶解性总磷、紫外光谱指数、三维荧光光谱指数和荧光组分强度）均呈现显著差异（p<0.05）,后塘采样点的硝态氮和铵态氮含量明显高于西李庄采样点;高通量测序得到23527个OTU,共分为11个主要门类,其中,变形菌门占比最大,达到15.33%~50.59%;α-多样性显示除辛普森指数和覆盖率外,ACE指数、Chao指数及香农指数呈现显著差异（p<0.05）,并且在后塘采样点高于西李庄;主坐标分析表明,后塘与西李庄采样点沉积物细菌群落存在显著差异,与Adonis分析的结果相一致（p<0.01）;RDA分析发现,硝态氮和铵态氮是驱动沉积物细菌群落结构演变的主要环境因素;物种间网络分析显示,春季后塘和西李庄都为8个主要的模块,西李庄正向相关的边所占比例高达84.79%,明显高于后塘的62.82%;西李庄有244个关键物种OTU,也高于后塘的59个关键物种OTU;相关性分析得出两个采样点在主要属和模块上都存在差异,硝态氮、铵态氮、腐殖化指数（HIX）及生物源指数（BIX）是其主要环境因子.综上,通过对该时期养殖区沉积物垂向细菌群落演变特征及影响因素进行研究,可为白洋淀养殖区的污染控制提供技术支持.     

黄土高原两种针叶树种不同器官水碳氮磷分配格局及其生态化学计量特征

植物不同器官水、碳、氮、磷等元素含量及其生态化学计量特征能够反映植物的生态策略及其环境适应性。本研究以黄土高原两种乡土树种油松(Pinus tabulaeformis)和柴松(Pinus tabulaefirmis f.shekanensis)为研究对象,分析了研究区两种树种水、碳、氮和磷在不同器官的含量及其生态化学计量特征,探讨了两种树种基于水、碳、氮和磷分配格局的生态适应策略。结果表明:(1)油松和柴松对水分和碳素的分配格局总体表现为根和叶最大,其次为枝和干,树皮最小;对氮、磷的分配格局则表现为叶片显著高于其他器官。(2)油松将更多的水和氮分配给叶、根等生产性器官,而柴松将更多的水和碳分配给枝、干等防御性器官,反映了柴松较油松具有更加保守的生长策略,能够更好适应逆境条件。(3)植物器官不同元素间通过相互耦合后可以表现出较好的相关性,反映了植物元素之间具有高度复杂的协同关系,这种协同关系的体现形式可能与植物类型及其对外界环境变化的生长适应策略密切相关。     

给水管网建设工程对环境的影响与污染防治措施研究

管网工程对环境的影响主要表现为施工期。施工过程将对声环境、环境空气、生态环境、社会环境等产生不同程度的影响。供热管网施工过程中,由于管网铺设、开挖将可能破坏地表植被。同时,施工产生的临时弃土,若处理不当,将可能产生水土流失;同时工程拆迁及施工期各类污染物的排放影响居民生活质量,以及管线敷设管沟填埋前将对居民出行产生一定影响。结合给水管网建设工程的特点,从施工期分析给水管网建设项目对环境的影响及需采取的污染防治措施。     

GANN模型在十溴联苯醚分散液液微萃取中的应用

文章研究目的在于用遗传神经网络模型(GANN模型)快速优化水样中十溴联苯醚分散液液微萃取的萃取条件。以水样中十溴联苯醚分散液液微萃取的正交试验为训练样本,建立十溴联苯醚分散液液微萃取条件的遗传神经网络模型。比较遗传神经网络模型和BP神经网络模型的学习速度、学习精度及网络泛化能力。采用Matlab遗传算法工具箱运用遗传神经网络模型对影响萃取回收率的因素进行优化求解,获得了水样中十溴联苯醚分散液液微萃取优化后的萃取条件,并进行实验验证。文章建立的遗传神经网络模型得到的预测值与实验值平均偏差为14.41%,R2为0.8887;最佳DLLME萃取条件为10μL四氯乙烯、0.71mL丙酮、pH=5、离子强度为20%NaCl、萃取时间10min;优化后十溴联苯醚分散液液微萃取的萃取回收率和富集因子比优化前分别提高了54%和580。     

赤潮藻类的适应与竞争策略

赤潮藻类的生活策略与赤潮发生的机理紧密相关。在漫长的自然进化过程中,赤潮藻类发展出一系列独特的生活策略以适应环境的变化。赤潮藻类可以在不良环境下形成孢囊以度过寒冷的冬季或者营养缺乏时期并在条件合适时萌发。甲藻可以通过主动迁移或者产生粘液的行为来适应水流和光照,甚至有时能够改变藻细胞周围的微环境。赤潮藻类采用多种营养方式如自养、异养或混养进行生长和繁殖,这对我们就赤潮与富营养化的关系的研究带来了全新的理解。赤潮藻类与其他生物存在复杂的相互关系,某些蓝绿藻可以与细菌或病毒共生,而有毒藻类也许可以通过抑制捕食或者植化相克为自身获利。最后,我们提出了赤潮藻类的形态结构上的不同也许可以解释某些生态策略的差异。     

基于灰色神经网络的腐蚀损伤模型

为在小样本情况下对腐蚀损伤进行预测,结合灰色系统与神经网络,提出了灰色神经网络模型,利用该模型对已知腐蚀损伤数据进行了预测检验。为对比研究,同时采用灰色系统与神经网络方法预测了损伤值。结果表明,3种预测模型中,灰色神经网络预测精度最高,能够满足工程使用要求。     

用TM图象估算海表面叶绿素浓度的神经网络模型

叶绿素浓度是衡量海洋水体质量的重要参数之一。本文以大连湾为示范区于1999年5月10日进行了现场卫星同步实验，采用神经网络模型技术模拟了TM1、TM2两个波段的辐射亮度值与在该湾海域现场获得的叶绿素浓度数据之间的传递机理。结果表明，使用TM图象的两人可见光波段作为输入，采用两层神经网络结构能建立比多回归分析更高的海水表层叶绿素浓度模型。回归分析的相关系数为0.49，神经网络分析的相关系数为0.87.     

基于人工神经网络的Ni-ZrO2纳米镀层耐腐蚀性能预测

目的 对Ni-ZrO2纳米镀层的耐腐蚀性能进行预测,优化电镀工艺参数.方法 采用磁力搅拌辅助电沉积法,在钴镍基模型合金试样表面制备Ni-ZrO2纳米镀层,针对电镀工艺条件,设置正交实验,对每组实验镀层进行电化学测试,分析不同工艺条件下镀层的耐蚀性能.将ZrO2粒子浓度、电镀液温度和电镀电流密度作为神经网络的输入层,将自腐蚀电流密度作为输出层,运用GRNN神经网络和BP神经网络模型,对Ni-ZrO2纳米镀层进行耐腐蚀性能的预测研究.结果 当ZrO2粒子质量浓度为6 g/L、电镀液温度为60℃、电镀电流密度为5 A/dm2时,Ni-ZrO2纳米镀层的性能良好,表现出较小的自腐蚀电流密度.影响Ni-ZrO2镀层自腐蚀电流密度的因素满足ZrO2粒子浓度>电镀液温度>电镀电流密度.运用GRNN神经网络和BP神经网络对4组非正交实验预测的平均相对误差分别为5.30％与10.74％.结论 运用神经模型可以有效地预测不同工艺参数下镀层的耐腐蚀性能,从而优化工艺参数,提高实验效率.在训练样本较少的情况下,GRNN神经网络的预测性能更加精确.