基于BP神经网络的矿车运行时矿井摩擦阻力的预测*

为了快速有效地确定矿车等运输设备在巷道内运行时矿井摩擦阻力的变化情况,克服模拟软件计算量和现场实测工作量大的问题,以巷道风流速度、矿车运行速度、阻塞比、矿车长度4个矿车运行时巷道摩擦阻力的影响因素作为切入点,采用动网格技术模拟得到矿车在巷道内运行时有关矿井摩擦阻力的数据,以此为样本构建基于BP神经网络的矿井摩擦阻力预测模型,运用MATLAB软件进行网络训练,并将BP神经网络预测值与FLUENT模拟值进行对比。研究结果表明:BP神经网络结构比较简单,能以较快速度收敛,预测值与模拟值最大误差在7%以内,该神经网络模型用于求解矿车等运输设备在巷道内运行时摩擦阻力的变化情况是可行的。     

基于变量重要性评分-随机森林的溶解氧预测模型——以深圳湾为例

运用Pearson相关性分析,变量重要性评分和随机森林方法构建了溶解氧（DO）实时预测模型,并以深圳湾为例采用浮标资料预测1,3,6和12h的溶解氧.模型预测结果表明,模型最优的输入条件为pH值,水温,叶绿素a,氧化还原电位和蓝绿藻5个水质指标,1h预报的相关系数在0.9以上,6h预报结果一定程度上可以满足工程要求,但对低溶解氧事件的预报必须在3h以内.     

基于BP神经网络的天线识别

本文比较研究了BP神经网络中的几种常用算法,针对这些不同算法下的BP神经网络进行训练,并得出了各自网络的性能。在此基础上,针对经典BP算法和LM算法进行对比研究,找到LM算法的改进之处。此外,在实际的应用中表明,不仅不同的BP算法对网络的运算速度、泛化能力等有较大的影响,而且BP神经网络对隐含层神经元数目也很敏感。我们希望在BP神经网络的基础上,构建一种合适的天线模型,来应用于天线的分类识别,这将具有很大的现实意义。     

虎跳峡水库蓄水对水温的影响分析

虎跳峡坝址为金沙江流域上下游鱼类的分界处,水生生境敏感而脆弱。科学预测水库蓄水对水温的影响,对于研究水库兴建对水生生物的影响,保护金沙江流域鱼类资源,探讨水库泄水对下游农田灌溉作物的影响具有重要意义。综合应用多种水库水温预测模型和方法,对虎跳峡水库蓄水后对库区和下游河道水温的影响进行了预测,并分析了水库泄水对下游灌溉作物的影响。结果表明,虎跳峡水库蓄水后库区水温比蓄水前明显升高,正常蓄水位1 950 m和2 010 m两个方案库区年均水温分别增加5.9℃和5.6℃,且6月～次年1月水温增幅较大;4～9月水库泄水水温比天然河段水温分别低3.5～6.2℃和3.3～7.1℃,两个方案都将对坝下采用干渠取水灌溉的农田作物带来一定的影响。     

经度、纬度及时差设置对AERMOD预测结果的影响

为了验证经度、纬度和时差参数对AERMOD模式预测结果是否有影响,假设在某气象条件下存在一个点源,利用AERMOD模式计算该点源排放的污染物的浓度分布.保持气象条件和污染源参数不变,仅改变点源所在地的经度、纬度或时差,重新利用AERMOD模式进行了预测,比较预测结果的差异.结果表明,经度、纬度和时差参数对白天时段行星边界层参数的计算值有影响,受影响的参数包括地表热通量、摩擦速度、Monin-Obukhov长度、对流速度尺度、温度尺度和混合高度.经度、纬度和时差的不同取值对AERMOD计算出的污染物小时平均浓度最大值和浓度分布影响明显.根据AERMOD公式的描述和能量变化得出,经度、纬度和时差的改变引起了项目所在地白天太阳高度角的变化,进而改变了地表热通量.地表热通量的改变,造成了行星边界层参数的变化,最终影响了浓度分布的计算值.     

基于SOM和多元分析的滇池沉积物污染特征空间模式研究

联合运用层次聚类分析(HCA)、判别分析(DA)和自组织映射神经网络(SOM)3种数值方法,对滇池2008—2010年17个底泥监测点位(10个常规点位及7个新增点位)9种污染物进行空间差异性和相似性分析,并评价各指标在空间的分布特征及监测点代表性.结果表明:滇池沉积物整体污染程度为草海>外海中部及南部>外海北部.As、Hg、Pb、Cd、Cu和Zn污染最严重的点位是断桥;草海中心的凯氏氮污染最严重,其他指标污染水平仅次于断桥;Cr和TP污染最严重的点位是新增点位盘龙江2;海埂是全局污染最轻的点位.现有的常规监测点位对整体污染特征的代表性较弱,建议取消异质性最低的白鱼口、观音山西、观音山东和罗家营站点;考虑污染特征和监测点位空间分布的均匀性,建议将盘龙江2、海埂和马料河设为常规监测点位.     

道路交通噪声不同预测模型之比较

目前,我国在进行道路交通噪声环境影响评价工作中主要使用的预测模型有2009声导则模型、2006规范模型,此外,也有部分噪声评价工作采用了德国的CadnaA软件。因各种模型在使用条件和参数选取等方面存在不同,导致预测结果存在差异。如何选取合适的预测模型,一直是国内学者不断研究想解决的问题。本文对已有道路交通噪声进行现场实测,通过设计不同的预测模式进行模型验证,将预测结果与实测值进行比较,结果表明这五种噪声预测模式中,模式一、模式四、CadnaA软件的噪声预测值与实际情况最相符,模式一绝对预测误差昼间在3.3-6.0 dB(A)之间,夜间在-3.4-0.2 dB(A)之间。使用2009声导则模型、2006规范模型相结合的预测模式更为准确。     

智能化有害有毒气体污染源监测仪的研究

为了快速寻找有害有毒气体污染源,利用8个红外激光气体传感器,分别安装步进电机驱动旋转的圆盘圆周上在不同的方向上对污染气体进行数据采集。同时与二维热差式风速风向传感器采集到的风速风向数据,一并送入MSC1210单片机进行数据处理和运用智能人工神经网络进行模式训练与模式识别,从而识别出污染源的位置、浓度和种类。通过GPS全球卫星定位系统和GPRS无线传输网络,把监测到的信息发送给相关部门早做处理,并报警,避免污染进一步扩散。实验表明,该智能化追索气体污染源监测仪具有良好的可靠性、安全性和实用性。     

基于裂区设计的大气能见度拟合及预测模型

通过收集分析广州能见度及影响因子数据的特征,使用R-project统计软件作为建模工具,采用多层裂区实验构建模型基本框架,选择影响显著的因子进行变量变形处理,对年、月、日、小时的数据特征进行层层分割设计,并在对应层次引入代表时间含义的虚拟变量以提高模型的表征水平,加入二次项、交叉项等提高模型的精度,得到拟合度高、适用性强的能见度拟合及预测模型。     

基于数据分解的AQI的CEEMD-Elman神经网络预测研究

针对Elman神经网络在预测空气质量指数（AQI）时易受到数据非平稳性的影响导致预测趋势良好但准确度较低的问题,提出以互补集合经验模态分解（Complementary Ensemble Empirical Mode Decomposition,CEEMD）为基础的CEEMD-Elman模型.应用CEEMD对AQI序列分解成不同时间尺度上的本征模态函数分量和剩余分量,进而首次将对非平稳的AQI序列的预测研究转化为对多个平稳的本征模态函数分量的研究.分别与Elman单一模型、EMD-Elman模型、BP单一模型及CEEMD-BP模型进行实验对比.结果表明：应用该方法建立的模型的均方误差、平均绝对误差和平均绝对百分比误差分别为4.80、0.71、1.84%,均小于其他模型结果;对应空气质量等级预报正确天数的频率为94.12%.该模型能有效的降低非平稳性对实验预测结果的影响,实现对空气质量等级的准确预报;该研究为进一步预测AQI的走向提供了有效依据,也为政府决策和管理部门制定空气污染控制提供了更充分的参考.