小波网络在大气污染物浓度预测中的应用

提出一种“分解-重构-预测”小波网络的大气污染物浓度的预测方法。通过小波分解,把浓度序列分解为不同频段的小波系数序列,再对各层的小波系数子序列重构到原尺度上,然后对小波系数序列采用相匹配的BP神经网络模型进行预测,最后合成浓度序列的最终预测结果。经对二氧化硫浓度预测证明,该方法预测模型推广能力强,预测精度高。     

基于模糊均生函数和最优子集回归的飞行事故率预测

为有效预防飞行事故的发生,针对飞行事故率具有随机波动性和趋势性的特点,采用模糊均生函数(FMGF)和最优子集回归(OSR)建立飞行事故率预测模型。该方法把FMGF延拓序列作为预测因子加入OSR方程,将FMGF分析和因子筛选相结合作OSR,进而对飞行事故率进行预测。通过对美国空军1988—2004年的飞行事故率进行拟合预测,结果表明:将FMGF模型和OSR模型有机结合,能够有效刻画飞行事故率的随机波动特性,并且其预测结果的相对误差也较小。     

基于MMAS-BP的煤与瓦斯突出强度预测

为提高煤与瓦斯突出强度的预测精度及预测速度,用最大最小蚂蚁系统和BP神经网络相结合的方法进行预测模型设计。根据煤与瓦斯突出强度及其主要影响因素之间的关系数据,建立其神经网络的预测模型。以网络的权值和阈值为自变量,网络误差为目标函数,通过蚁群算法的迭代运算,搜索出误差的全局最小值,以实现BP神经网络的初始权值、阈值优化,并用优化后的网络进行瓦斯突出强度的预测。实例结果表明,MMAS-BP算法的预测值均方差为0.089,约为BP神经网络的0.1倍,且输出稳定性好,适用于煤与瓦斯突出强度的预测。     

粒子群优化的RBF瓦斯涌出量预测

瓦斯涌出量是煤矿瓦斯灾害的主要来源,它直接影响煤矿安全生产和经济技术指标。瓦斯涌出量的传统预测方法是将其影响因素线性化后提出的,具有一定的局限性。本文基于群体智能理论,提出了一种基于粒子群算法优化的RBF神经网络瓦斯涌出量预测模型。研究表明RBF神经网络预测精度与网络权值和RBF参数初始值有很大关系,因此本文采用粒子群算法优化RBF网络权值和其他参数,形成PSO-RBF预测模型。该模型通过计算种群粒子的适应度,确定全局最优值,寻找网络参数的最优值。实验结果表明PSO-RBF优于传统的RBF预测模型,训练速度和预测精度显著提高。     

大气环境质量预测与计算机技术的结合--"大气污染扩散空间信息系统研究"小论

简述了在“大气污染扩散空间信息系统研究”项目中 ,大气环境质量预测的理论和计算机技术有机结合起来 ,达到了取长补短的目的     

一种预测左半部成形极限图的简单方法

板材成形性能的评价一般基于成形极限图(FLD)。然而，无论是经由理论计算还是实验方法来获得成形极限图依然很困难而且很耗时。提出了一种预测深拉延部分成形极限图的新方法。假设对所有钢板来说其成形极限图的形状几乎都是一样的，而深拉延变形区域内其失效厚度应变也几乎一样，据此可利用体积不变原理推导出主应变和次应变之间的关系。结果表明，根据此方法计算的左半侧(拉深应变区)成形极限图与实验获得的FLD基本一致。     

非线性灰色模型在污染物总量预测中的应用

在前人工作的基础之上介绍了几种修正的ＧＭ（１，１）非线性模型，并以衡阳市１９９０～１９９６年城区污染物总量（ＣＯＤ）的预测为例，探讨了各种模型的应用效果。结果表明：非线性模型的拟合精度更高，具有更加广阔的发展前景。     

区域环评中废水排放量的预测方法研究

阐述了区域环评污染物排放源强的预测原则,对区域开发活动中废水量和COD排放量的预测方法作了详细论述,并以温州滨海新区环评为例作了实证研究.     

地表水中BOD5的快速预测

应用日常监测地表水得到的大量BOD5、IMn和DO数值,根据最小二乘法原理,可寻求地表水中BOD,与IMn、BOD5与DO的一次线性函数关系,并建立直线回归方程。由此通过短时间内测定地表水中UMn。或在现场使用溶解氧测定仪测定的DO,以及其已建立的直线回归方程,可快速预测地表水中的BOD5。     

新亚欧大陆桥新疆段环境灾害的灰色拓扑预测

基于灰色系统理论中拓扑预测的理论方法 ,对新亚欧大陆桥新疆段环境灾害造成的受损长度进行了分析预测 .在对受损长度时序分布特征分析的基础上 ,给定一组阈值 ξi,并按不同的时间序列分别建立 GM(1.1)模型而得到模型群 .然后应用新亚欧大陆桥新疆段 38年(1959～1997年)的受损长度统计资料 ,对所建模型群进行了检验 ,并用此模型群对未来可能出现一定阈值范围内受损长度的年份进行了预测 .经检验 ,该模型群的原点误差范围为 0.090～6.520 ,精度范围为 72.658～ 97.134.结果表明 ,所建模型群精确度高 ,科学性较强 ,具有比较好的实用性 .