基于IAOA-KELM的储气库注采管柱内腐蚀速率预测

针对储气库注采管柱的内腐蚀速率预测问题,建立了基于阿基米德优化算法(Archimedes Optimization Algorithm, AOA)与核极限学习机(Kernel Extreme Learning Machine, KELM)相结合的模型提高腐蚀速率预测精度。通过引入佳点集、改进密度降低因子、采用黄金正弦算法缩小搜索空间,提高局部开发能力,利用改进阿基米德优化算法(Improved Archimedes Optimization Algorithm, IAOA)优化KELM正则化系数(C)和核函数参数(γ),进而建立IAOA-KELM储气库注采管柱内腐蚀速率预测模型;使用MATLAB软件运用该模型对某注采管柱内腐蚀数据集进行学习与预测,将IAOA-KELM模型与KELM、粒子群优化算法(Particle Swarm Optimization, PSO)-KELM、AOA-KELM结果进行预测误差对比。结果表明,IAOA-KELM模型的预测值与实际值较为拟合,其E_RMSE为0.65%,E_MAE为0.39%,R²...     

热电池失效分析及等效加速贮存试验技术

目的 建立基于实测环境载荷的热电池等效加速贮存试验技术,掌握其在环境载荷作用下的性能退化规律。方法 在分析热电池组成和所受环境载荷情况的基础上,分析热电池的主要失效模式,设计基于实测环境数据的等效加速贮存试验,开展热电池等效加速贮存试验,分析热电池性能和热图像的变化情况,利用粒子滤波算法对电池剩余电容量进行预测。结果 随加速循环次数（时间）的增加,热电池的电容量下降。热图像表明,热电池经过等效加速贮存试验后,其放电过程表面温度要高于初始放电表面温度。粒子滤波算法能够有效模拟电容量的退化过程,电池剩余电容量预测结果与试验结果误差在10%以内。结论 等效加速贮存试验得到了热电池的性能退化规律,从而为热电池的贮存试验提供一种解决方案。     

基于链式多重插补的WOA-ELM煤与瓦斯突出预测模型

为了提高缺失数据下煤与瓦斯突出预测准确率,提出1种基于链式支持向量机多重插补(MICE＿SVM)的鲸鱼优化算法(WOA)-极限学习机(ELM)预测模型,以淮南朱集矿区为例,选取5个煤与瓦斯突出影响指标作为模型特征,采用提出的MICE＿SVM算法插补突出事故数据中缺失值,利用WOA优选ELM输入层权值及隐含层阈值,构建煤与瓦斯突出预测模型,将插补后数据用于WOA-ELM模型的训练与测试,并与其他模型的预测效果对比。研究结果表明：MICE＿SVM插补前、后的有突出数据预测准确率分别为83.02%,90.41%,MICE＿SVM显著提高了有突出预测准确率,对无突出和整体的预测准确率提高不明显;数据插补后WOA优化ELM对无突出、有突出和整体的预测准确率分别为97.94%,96.25%,96.48%,较优化前分别提高了5.79%,5.84%,5.55%,数据插补后WOA-ELM为最佳预测模型。     

城市景观格局时空特征的热环境效应研究——以广州市花都区为例

1999-2009 年,广州市花都区经历了经济腾飞的10 a,不断变迁的城市景观格局时刻影响着热环境的分布.论文基于Landsat TM/ETM+遥感数据,获得地温反演图和土地利用类型图.采用均值-标准差法划分热力等级以分析热力重心变化,并与建设用地重心变化作对比.通过移动窗口得出可视化的景观指数,指数刻画包括景观多样性和建设用地密度、形状和分布状况,进而分析景观指数与地温间的相关性.研究结果表明:区内南部受人类活动影响最为剧烈;土地利用类型并非是影响地温分布的唯一因素;区内城市景观格局多样性与地温虽存在正相关关系,但随着多样性程度加剧且各组合面积比例均匀,降低了两者相关程度;建设用地面积比例、分离度与地温的相关关系较为稳定,且比例较高或分离度较低的所在区域通常为高温区;建设用地平均分维指数与地温的相关性随着其形状的复杂性加剧和分布范围扩大而降低,即影响了高温形成的程度.     

基于数据挖掘算法和数值模拟技术的大气污染减排效果评估

近年来,京津冀地区采取了大量污染减排措施进行大气污染治理,如何客观评估减排效果是目前大气环境领域的研究难点.为准确评估大气污染过程的减排效果,本文利用北京地区常规气象资料、国控站PM_(2.5)浓度资料,遴选了北京地区2018年3月11—14日和2013年3月14—17日两次空气污染过程,计算了大气容量系数、静稳指数,并利用KNN数据挖掘算法和WRF-Chem模式,对比分析了有无减排条件下的PM_(2.5)日均浓度.结果表明:两次空气污染过程的天气形势和局地气象条件较相似,就大气热力和动力的垂直结构来看,2018年空气污染过程比2013年空气污染过程的大气稳定性更强、边界层高度更低、环境容量更小,但PM_(2.5)峰值浓度却显著下降,平均浓度明显降低,PM_(2.5)小时浓度的增长趋势相对平缓,重污染持续时间缩短.KNN数据挖掘算法减排评估结果显示,该方法能够较好地预测PM_(2.5)日均浓度的变化趋势,2018年3月11—14日,在减排和不减排情景下PM_(2.5)日均值分别为171和229μg·m~(-3),减排使得污染过程PM_(2.5)平均浓度下降了25.3%.数值模拟结果与KNN数据分析结论吻合,进一步验证了减排措施的有效性.综合看来,2018年空气污染过程中PM_(2.5)浓度相比历史相似气象条件下的污染过程显著降低,这是长期大力度减排效果的体现.     

推进环境污染责任保险 有效遏制环境群体性事件

党的十八大报告提出了经济建设、政治建设、文化建设、社会建设、生态文明建设＂五位一体＂的总布局,首次单篇论述生态文明,提出把＂美丽中国＂作为生态文明建设的宏伟目标。把生态文明建设摆在＂五位一体＂的高度来论述,充分彰显了中华民族对子孙、对世界负责的精神,注重生态文明建设是新时代我国发展的必然要求。在当前环境污染事故频发,环境群体性事件不断增加的背景条件下,提出建设＂美丽中国＂,不应当只是一个口号。只有有效解决环境问题,才能维护当前社会的稳定,从而实现建设社会主义和谐社会的目标。     

思明区安监局:沉心静气,真抓实干

在落实安全生产各项任务方面,厦门市思明区安监人向来敢想敢干,富有创新精神.在刚刚结束的"安全生产月"活动中,思明区安监人又向社会交出了满意的答卷. 思明区今年的安全生产月活动分为全区性、行业性和区域性等三个大类,共105个项目.其中,宣传咨询、讲座培训、应急演练、知识与技能竞赛等合计84场,同时还开展了安全生产事故警示教育周、安全文化周、安全生产应急预案演练周,以及"安康杯"、"平安家庭"、"平安校园"等主题活动,突出群策群力、齐抓共管、群众参与,充分发挥安全生产月的载体作用,广泛传播安全生产知识,普及安全生产法律法规.     

从文化角度给烟花爆竹产业定位

2011年3月11日,日本本州东海岸附近海域发生世界有观测史上最大震级9级地震并引发海啸,造成日本多个城市数百万户断电、断水、断燃气、断交通、断通讯,致使城市生命线几乎瘫痪。这场灾难检验了城市抵御大灾的综合能力,他让我们看到了日本防灾减灾体系的完善和日本国民防灾自救的能力。可以说日本用了2万多人的性命和今后数十年恢复建设的成本为全世界的人们做了一次从立法到管理、从政府到公众、从技术装备到应急预案的实战演练。日本之殇,人类之痛。我们必须反思,在当今城市发展追求高度舒适、繁荣的同时我们又为自己留下了什么或是多少自我"毁灭"的隐患。如何规避风险,寻找发展与风险的平衡点,为此本刊邀请各领域专家学者对安全生产在城市运行中的定位;安全生产与公共安全的关系;应急救援在公共安全中的作用进行专题讨论,欢迎大家踊跃参与!     

基于SA-ELM的爆破震动速度预测

针对爆破震动速度与其影响因素之间的复杂非线性,结合模拟退火算法(SA)的全局寻优性,提出了一种新的SA-ELM算法.以矿山周边建筑物爆破震动实测数据作为训练样本,选取总药量、最大段药量、测点与爆破点距离、地面震动特性、建筑物震动特性等8个影响因素作为输入变量,建立了爆破震动速度预测的SA-ELM模型.模型训练值和预测值与实测值的均方误差(MSE)分别为0.20和3.26,平均相对误差控制在5％以内,显示出该模型具有良好的训练精度和泛化能力.对比传统ELM模型,SA-ELM模型不但提高了精度和泛化能力,而且降低了隐层节点数变化对训练结果的影响,提高了模型的稳定性.     

PSO-RBF耦合神经网络在水质评价中的应用

径向基函数神经网络(RBF)中,连接输出单元的权重是影响径向基函数神经网络学习精度的主要参数,采用粒子群算法(PSO)对模型参数(权值)进行优化,建立了PSO-RBF耦合神经网络模型,避免权重的人为设定,具有客观性。并在Matlab环境下编程计算,构建了用于地下水环境质量评价和海水富营养化评价的径向基函数网络评价模型。将模型应用于黑龙洞泉域5个地下水监测点和某海水富营养化评价。评价结果和其他方法的评价结果一致,与实际情况符合,评级结果是合理的。评价结果表明,RBF网络简便有效,收敛速度快,有较强的分辨能力,优化确定模型参数后,便可对评价样本进行评价,具有较好的实用性和通用性。