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。     

基于模拟-优化方法的地下水污染源溯源辨识

以抚顺市某煤矸石堆放场为研究区,根据研究区的实际条件建立地下水污染质运移模拟模型,预测地下水污染质未来时空变化特征.基于正演预报结果构建了假想例子,应用模拟-优化方法对地下水污染源源强及场地的渗透系数进行反演识别.为减小优化模型反复调用模拟模型所产生的计算负荷,分别采用Kriging方法和BP神经网络方法建立了模拟模型的替代模型.最后运用模拟退火法求解优化模型,得到反演识别结果.研究表明：应用Kriging方法建立的替代模型输出结果的平均相对误差为0.3%;应用BP神经网络方法建立替代模型的输出结果平均相对误差为1.5%,应用两种替代模型对污染源源强识别的相对误差均小于0.5%,对场地两个参数分区渗透系数识别的相对误差均不大于5%.综上,应用Kriging方法建立的替代模型精度高于BP神经网络方法,利用基于两种替代模型的模拟-优化方法对污染源源强和渗透系数进行同步识别精度可以满足实际需求,是有效可行的.     

基于贝叶斯网络分类的土壤盐渍化遥感监测

贝叶斯网络是一种将贝叶斯概率方法和有向无环图的网络拓扑结构有机结合的概率模型。采用贝叶斯网络分类对具有典型干旱特征的库车县土壤盐渍化情况进行监测，首先应用条件独立性测试原理建立贝叶斯网络结构，把研究区遥感数据进行离散化，然后应用贝叶斯定理作为分类原则，将每个像元分为像元最大概率的类别。研究结果表明该方法分类6种地类的整体分类精度达到96％，为该区盐渍地面积、空间分布等特征监测提供了较好的依据。     

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。     

海洋环境中材料腐蚀数据采集处理网络系统的研究

介绍了利用电话公网为传输栽体建立以海洋腐蚀与防护国防科技重点实验室为中心辐射青岛、厦门和三亚3个海水试验站的材料腐蚀数据采集计算机网络平台。研发了具有自主知识产权的多通道电偶腐蚀数据自动采集系统,将该系统与网络平台相结合可实现远程实验数据自动采集。同时为了有效地管理、存储和实现数据的共享,研究建立了海洋环境材料腐蚀与防护数据库,收集和整理了大量的材料腐蚀数据。在分析研究大量腐蚀数据的基础上建立了误差反传（BP）人工神经网络预测模型和灰色GM（1,1）腐蚀预测模型。从而形成一套较完整的数据采集、处理和分析网络系统。     

基于贝叶斯网络模型的船舶搁浅事故分析

根据海上交通安全事故统计数据显示,船舶搁浅事故是主要的海上交通安全事故之一。为了研究船舶搁浅事故的发生机理,收集了我国东部海域部分海事局辖区的船舶搁浅事故样本。首先从人为因素、环境因素和船舶因素三方面分析导致船舶搁浅事故的原因,确定网络节点。然后找出每起搁浅事故的事故链,并建立船舶搁浅事故贝叶斯网络模型。再对建立的贝叶斯网络模型进行仿真,选取21起船舶搁浅事故对建立的模型进行验证,确定模型的有效性。最后,利用HUGIN软件找出船舶搁浅事故各影响因素的致因概率,得到导致船舶搁浅事故的致因链。在人为因素方面,瞭望不当和不熟悉航道情况占据的比例最高;在船舶因素方面,舵机设备故障对船舶搁浅事故影响最大;在环境因素方面,风/浪/流对船舶搁浅事故影响最大。     

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。     

社会—生态系统适应性治理视角下绿地空间恢复力的演化——广州旧城区更新案例

旧城区绿地作为关键的社会—生态系统载体,是城市高质量发展与转型治理亟需关注的问题。构建广州旧城区绿地服务基本单元,引入适应性循环理论的潜力—连通度—恢复力三维框架,构建表征生态、社会与经济服务的绿地景观指标体系,综合评估2000—2018年广州旧城区绿地的空间恢复力水平及适应性转化特征。研究结果显示：旧城区绿地的恢复力演化具有明显的核心区与外围区的时空分异,在拆除重建阶段呈现快速开发—快速释放—重组的转化,在微更新阶段主要呈现开发—保护的提升,并具有提升型、稳定型和更替型的社会—生态系统服务适应性。由此说明,城市更新具有调节社会—生态系统服务治理的效果。其中,绿地形状指数、5 min可达绿地率以及土地利用混合度对核心区绿地恢复力具有显著的促进作用,为外围区治理提供参考。同时,进一步探讨了更新政策与城市绿地空间恢复力演化的关系,为促进旧城区绿地空间更新治理提供社会—生态系统适应性的理论与实证案例研究。     

基于人工神经网络的莺落峡月径流模拟预测

莺落峡是黑河干流出山口径流量的重要控制站,莺落峡径流量的多少直接影响着该流域经济、社会的发展和生态环境保护,水资源分配和调度的管理和决策。论文基于人工神经网络,对莺落峡径流进行了模拟预测。将月径流分为汛期和非汛期,分别建立BP人工神经网络,通过对径流分类前后的模型进行比较,发现分类后的月径流BP模型的性能显然优于未分类的模型,故此设计了4种不同气候情景,采用分类后的模型对莺落峡2030年的径流量进行了预测。即,在降水量不变、气温增加0.5℃,2030年莺落峡年径流量将增加8.92%;气温增加1℃、降水量不变,年径流量将减少5.414%;气温不变、降水量增加10%,年径流量将增加9.905%;气温增加0.5℃、降水量增加10%,年径流量将增加8.98%。