灰色关联分析在道路交通事故中的应用

全国或某一地区的道路交通安全系统是一个灰色系统,可应用灰色关联分析法方便地确定影响交通安全的主要相关因素。由灰色关联度导出灰色关联序,以进行优势分析,从而得到交通事故的最(准)优因素及最(准)优特征。根据1990—2000年全国道路交通事故以及全国人口、机动车、公路里程和客货运输量等主要相关因素统计资料可知,货运量、货运周转量和客运量是影响交通安全的主要相关因素,死、伤人数是交通事故的主要特征和指标。由哈尔滨市2000年道路路段交通事故与交通组成统计资料可知,城市道路交通事故的主要影响因素是各类货车、摩托车和大型车。因此,加强货车和货运管理对提高我国交通安全水平具有重要意义。     

努力防治煤矿水害

防治煤矿水害的十六字原则针对我国煤矿水文地质复杂和煤矿水害事故频发的实际情况,国家煤矿安全监察局在认真总结各方面教训、归纳提炼各地成功经验、组织专家广泛论证基础上,提出了煤矿水害防治“预测预报,有疑必探,先探后掘,先治后采”的十六字原则和“防、堵、疏、排、截”五项综合治理措施。“十六字”原则和“五项”措施体现了我们对煤矿水害防治规律性认识的深化,具有十分重要的现实意义。     

融合拓扑信息与气象信息的空气质量预测网络

通过空气质量监测数据对正在形成或即将到来的空气污染进行预测是一项具有重要意义的工作,而空气质量监测站只能检测其周围一定范围内的空气污染情况。为了衡量整个城市的空气污染情况,获取任意时间、任意位置的空气质量信息,结合交叉注意力机制,提出了一种融合拓扑信息与气象信息的空气质量预测网络(CGMIM)。将西安市空气质量监测数据与气象数据转换为图像拼接起来,作为输入信息。在高阶非线性时空动态神经网络(MIM)的基础上引入注意力机制,并增加拓扑图编码器模块,提高模型提取能力以及对空气质量监测数据中的空间特征的利用率。最后,使用时空损失函数替代传统的均方误差损失函数,提高模型对空间关系的关注。结果表明：CGMIM网络模型能够在准确预测的同时,对位置区域合理填充,能够有效提升空气质量监测数据的空间分辨率。     

香溪河库湾水质特征与非回水区水华响应关系

为探究香溪河在受倒灌影响较弱的河段水华暴发征兆及机理,于水华高发期5~8月对香溪河进行监测,分析电导率、水温、叶绿素a（Chl-a）以及流速.结果表明,在6~8月,香溪河倒灌现象于XX05点（峡口镇）处基本结束,XX06~XX09受倒灌来水影响较弱;香溪河于7月暴发水华,各个监测点位上Chl-a含量均值达到100μg/L以上,XX05~XX06与XX07-XX09点位上暴发不同种水华;在水华暴发前后,水体温度无显著变化,且并无明显分层现象,说明水温分层是水华暴发的主要原因这一理论并不能很好的适用于非回水区;通过对电导率数值的研究发现,数值在垂向上出现显著拐点,而拐点出现在临界层与光补偿层之间,同时与叶绿素a含量分布呈现显著负相关性.香溪河总氮（TN）、总磷（TP）平均值为1.849mg/L和0.157mg/L,均超过富营养化的阈值,水体氮磷含量与Chl-a浓度无显著相关性,水体中除N、P营养盐外的其它离子对香溪河水华的暴发起着重要作用.在水华消退后,电导率数值又逐渐恢复表层高底层低的垂向线性分布特性,与水华的暴发、消退有着明显的响应.     

基于缓冲区重采样的LSTM林火预测模型*

为提高林火风险预测精度,挖掘地图上隐含的空间信息、时间序列上隐含的长期趋势和循环波动,提出1种基于缓冲区重采样的长短期记忆（LSTM）林火预测模型,选取15个与林火相关的影响因素,以方差膨胀因子为评价指标对其进行多重共线性检验,方差膨胀因子大于10的因素具有共线性,并采用信息增益率验证筛选结果的合理性。考虑到火灾的空间聚集特性,采用缓冲区分析与过采样相结合方法减少样本不均衡现象的影响,最终得到176 732条样本。对12个影响因素和研究时间段的火点建立LSTM预测模型,对森林火灾发生风险进行预测。研究结果表明:基于缓冲区重采样的LSTM林火预测模型有效考虑时空上隐含的信息,预测模型准确率为87.06%,特异性为97.99%,敏感度为76.12%,阳性预测率为97.43%,阴性预测率为80.41%,ROC曲线与AUC值均优于随机森林（RF）和支持向量机（SVM）这2种基准算法。维尔克松秩和检验发现,本文提出的模型与基准算法结果具有显著性差异。研究结果可为提高林火风险预测精度提供参考。     

AERMOD模型在大气环境影响评价中的应用——以某水泥窑处置固废危废项目为例

以某水泥窑处置固废危废项目为例,应用AERMOD模型,以PM₁₀、PM_2.5、TSP和二噁英为模拟因子,定量分析该水泥窑处置固废危废项目对区域大气环境质量的影响程度和对周围敏感点居民的健康风险。研究结果表明：PM₁₀、PM_2.5、TSP和二噁英的日均浓度模拟值占标率均小于1,均满足相应的环境质量标准限值要求;该项目周围所有敏感点的HI均远远小于EPA推出的可接受风险水平(HI<1),且LCR低于EPA推出的可接受风险水平(LCR<1×10^-6),即该项目生产过程排放的二噁英对周围敏感点的居民既不会造成致癌风险,也不会引起慢性健康风险。     

动态残差修正LSTM算法的突发型滑坡位移预测

针对突发型滑坡存在位移趋势突变性,传统长短时记忆(LSTM)神经网络方法存在位移预测精度不足的困难,提出一种基于动态残差修正LSTM算法的突发型滑坡位移预测方法。首先,采用动态流转训练,将由累计位移得到的变形速率通过经验模态分解(EMD)得到周期项及趋势项;其次,通过多项式预测趋势项、动态LSTM预测周期项,并由2项之和得到主预测变形速率;随后,通过对比实测速率与主预测变形速率,得到残差项,并建立动态流转训练的残差LSTM网络预测残差速率;然后,由主预测变形速率与残差预测变形速率之和得到最终预测速率,并进一步得到累计位移预测值;最后,以某突发型滑坡为例,验证该方法的科学性、有效性,以及预测精度和优势。结果表明：将变形速率序列作为预测对象并进一步得到累计位移预测值,比直接预测累计位移值具有更高的准确性;而基于动态残差修正LSTM算法预测的MAE、MAPE、RMSE及R²指标分别为43.843、1.901%、79.394和0.960,相比于传统LSTM预测方法具有明显优势。     

煤氧化放热特征及影响因素的关联分析

为研究煤在低温氧化过程中的放热特征,确定影响煤氧化放热强度的主要因素,以4种不同煤化程度煤样为研究对象,采用封闭式煤氧化试验方法,结合键能平衡法计算煤在25～70℃、氧气体积分数0～21%范围内的氧化放热强度,获得煤氧化过程中氧氧气体积分数、温度和氧化放热强度三者间的关系表达式;运用灰色关联法分析挥发分、水分、含硫量、灰分、氧气体积分数和温度与煤氧化放热强度的关联度。结果表明,煤耗氧速度、CO释放速率和CO₂释放速率随温度升高呈指数增长趋势。通过比较挥发分、水分、含硫量、灰分、氧气体积分数和温度与煤氧化放热强度的关联度可知,影响不同煤化程度煤样氧化放热强度的主要因素是煤自身的挥发分质量分数,而外部因素中的温度对同一煤样氧化放热强度的影响要强于氧气体积分数。     

基于ADPSO-FNN算法的催化再生烟气二氧化硫预测方法

为了解决催化裂化装置再生器出口烟气二氧化硫质量浓度难以实时预测的问题,提出一种基于自适应粒子群优化-模糊神经网络(Adaptive Particle Swarm Optimization-Fuzzy Neural Network, ADPSO-FNN)算法的催化再生烟气二氧化硫质量浓度智能预测方法。首先,针对数据来源多,且来自数据采集系统(Data Collection System, DCS)与实验室信息管理系统(Laboratory Information Management System, LIMS)中多维数据时间尺度不匹配的问题,利用基于自适应回归算法实现多时间尺度的数据清洗;其次,建立基于模糊神经网络算法的二氧化硫质量浓度预测模型,提取再生烟气产排过程中的动态特性;然后,提出基于动态惯性权重和学习因子机制的自适应粒子群算法,平衡全局探索能力及局部开发能力,实现再生烟气二氧化硫质量浓度的预测;最后,利用炼厂检修前、后的数据分别建立二氧化硫预测模型并进行测试。结果显示：该预测方法实现了催化再生器出口二氧化硫的准确预测,解决了现场多时间尺度数据难以建模的问题。     

初值修正和函数变换的改进灰色模型在管道腐蚀深度预测中的应用

为了准确预测管道的腐蚀深度,借助灰色理论建立了改进GM(1, 1)模型。针对传统灰色模型的不足,引入反双曲正弦函数变换方法建立了改进模型一,并在此基础上提出了一种基于初值修正结合反双曲正弦函数变换的改进模型二,通过实例对比分析了改进模型和传统模型预测管道腐蚀深度所得结果的差异。室内试验测试数据和实际管道检测数据的计算结果表明：传统模型预测所得的平均相对误差(分别为5.300%和13.617%)均较大,因此模型的精度较差;改进模型一预测所得的平均相对误差分别为2.345%和2.639%,其预测精度较传统模型有大幅度的提高,因此该模型适用于腐蚀深度的准确预测;对改进模型一采用初值优化方法后,所得改进模型二的预测精度进一步提高,其提高的程度较为有限;总体来看,所建改进模型能够满足管道腐蚀深度预测的精度要求,具有较强的推广应用价值。