皖西地区贫困空间分异的影响机制

区域性贫困是当前中国社会经济和区域发展不平衡的核心表现。以大别山连片特困区的皖西地区为例,以乡镇贫困发生率为贫困空间分异指标,以地理环境、经济环境、社会环境的20个因素为自变量,综合运用相关分析、空间回归、地理加权回归等方法,探究各因素对贫困空间分异的影响。结果表明：平均坡度、人均规模以上工业总产值、二三产业收入占纯收入比例、医疗卫生机构床位数是导致皖西地区贫困空间分异的核心因素,且其影响具有较强的空间异质性;地理机制、经济机制、社会机制是皖西地区贫困空间分异的主要机制,其中,地理环境是基础影响,经济环境的影响较强,社会环境影响广且大多与地理环境相关。研究结果对贫困干预的地理瞄准具有较强的借鉴意义。     

基于Elman神经网络的流体管道泄漏点检测定位

目的通过Elman神经网络预测对泄漏点进行过检测定位。方法基于流体压力波的负压波法及反馈型Elman神经网络方法,开展水力输运管道的泄漏定位研究。利用Flowmaster仿真软件中的水力输运模型建立长度为1100 m的一维管路系统,针对此系统开展不同管路状态参数下的数值仿真计算。结果通过小波变换技术实现了数据降噪与奇异点捕捉,完成了泄漏点位置的估算。同时,借助反馈型Elman神经网络,开展了不同泄漏工况下的网络训练和预测,利用经过训练的神经网络对所选取的5组泄漏点完成了定位预测,最大测试误差为1.83%。结论通过Elman神经网络预测得到的结果与实际泄漏位置进行对比,验证了反馈型神经网络方法在管路泄漏智能定位问题中的准确性与有效性。     

基于大数据的无线传感网络环境可靠性测试分析

目前无线传感器广泛应用于各种领域,网络数据呈现爆发式增多状态,而基于大数据的无线传感网络环境可靠性与无线传感网络环境的安全性以及使用效率具有高度关联性。因此,需要对基于大数据的无线传感网络环境可靠性进行测试。测试步骤为:先采用基于大数据的无线传感网络环境恶意节点识别方法,识别无线传感网络环境中是否存在恶意节点,再构建基于大数据的无线传感网络环境可靠性测试模型,测试存在恶意节点的无线传感网络环境可靠性。经研究结果表明,本文模型测试结果和实际情况几乎一致,可在较低冗余度上高精度测试基于大数据的无线传感网络环境可靠性,且在具备不同数量恶意节点的网络环境中,本文模型测试后的无线传感网络丢包率仅有1.22%,对网络数据破坏力较低。     

基于BP神经网络的空调性能预测研究

针对空调系统传统设计所需的匹配试验量大,严重浪费公司水电以及人力资源的问题,本文提出BP神经网络对空调系统的性能进行预测的方法,以设计参数压缩机冷量、冷凝器和蒸发器面积和实验参数室内外环境温度、负荷量等为输入,以空调的能力和能效比为输出,对BP网络进行训练、测试。结果表明:BP神经网络算法的均方误差为0.005 8,预测结果的总相关系数为0.974 47,可用于空调系统的设计选型,减少实验成本。     

基于卷积神经网络的红外图像去噪方法研究

为了更有效地去除红外图像中的噪声,提出一种基于卷积神经网络的红外图像去噪方法。该方法构建了一个由卷积子网和反卷积子网构成的网络结构,卷积子网提取图像的特征,反卷积子网通过特征图重建原始图像。对无噪声图像通过加噪的方式得到含噪声图像,由此构成训练集和测试集,通过Tensorflow对训练集中的红外图像样本进行训练,拟合出含噪声图像和无噪声图像的映射关系,并利用学习到的映射关系对测试集进行去噪。实验结果表明,与传统的去噪方法相比,随着噪声强度的增大,本文方法能更有效的去除红外图像中的噪声,获得更好的视觉效果和更高的峰值信噪比。     

石化港区油品管道安全风险评估技术研究

为了合理、精确地评估石化港区油品管道安全风险,结合港区油品管道的现实情况,提出了管道风险评估指标体系,并分别构建了港区油品管道安全风险BP神经网络评估模型和支持向量机评估模型。通过选取两类模型不同关键要素分别试算,达到了优化风险评估模型关键要素、提高评估精度的目的。在案例研究中,通过模型计算,找到了预测误差最小的模型,其累积相对误差仅为0. 76%,可以用来预测港区油品管道安全风险。     

中国居民直接生活能源消费碳排放区域差异及影响因素分析

基于2003-2015年中国30个省份的居民直接生活能耗碳排放数据,利用空间自相关分析其空间格局变化,并利用地理加权回归模型分析了居民消费所产生的二氧化碳排放影响因素。结果表明,中国省域的碳排放空间依赖作用较为显著;居民消费水平、居民直接生活能耗碳排放强度、劳动年龄人口比重对居民人均直接生活能耗碳排放量的增加具有促进作用;家庭规模对人均碳排放的影响呈现较强的负向抑制作用。中国经济发展的区域不平衡在碳排放方面凸显为居民直接生活能源消费碳排放的差异,并在集聚格局上表现出多种类型。     

基于IPSO-BP的受损钢结构改造施工安全预警评估研究

为研究受损钢结构改造施工安全预警状况,建立受损情况下钢结构改造施工安全预警指标体系,并针对BP神经网络算法易陷入局部最优的问题,提出了用改进粒子群算法（IPSO）对BP神经网络权重及阈值进行调整的IPSO-BP安全预警评估模型。通过分析某单层重钢厂房受损现状,针对其结构损伤情况和已构建的安全控制指标体系进行数值模拟分析。研究结果表明:与传统的BP模型相比,IPSO-BP模型具有更好的预测能力,构建的安全预警指标体系及预警模型可以很好地对受损钢结构改造施工过程安全状况进行综合评估,对受损钢结构改造施工安全控制具有一定的参考价值。