基于BPNN-EMD-LSTM组合模型的城市短期燃气负荷预测

城市短期燃气负荷具有高随机性和复杂性特征,利用单一的模型难以做出准确预测。以某城市民用类燃气日负荷为研究对象,在分析该市两年多燃气日负荷特征的基础上,建立了基于BP神经网络(BPNN)-经验模态分解(EMD)-长短期记忆(LSTM)神经网络的组合预测模型,对该市短期燃气日负荷进行了预测。首先通过BPNN模型学习温度、日期属性影响下燃气负荷的主要特征,增长趋势等次要特征则体现在BPNN模型预测产生的残差中;然后采用EMD算法分解残差得到有限个本征模函数(IMF),并利用LSTM模型学习各IMF分量的短期时序规律,将各IMF分量的预测值相加得到残差预测值;最后将两部分预测值代数相加得到最终的预测结果。实证结果表明:与单一的LSTM模型和BPNN-LSTM模型相比,该组合预测模型半月步长的平均绝对误差为3.4%,预测精度更高,是一种更为有效的城市短期燃气负荷预测方法。     

邻苯二甲酸二异癸酯联合甲醛致小鼠学习记忆障碍的氧化损伤机制研究

为了探究邻苯二甲酸二异癸酯(Diisodecyl Phthalate,DIDP)、甲醛(Formaldehyde,FA)二者联合暴露致小鼠学习记忆障碍的氧化损伤机制,以及维生素E(Vitamin E,Vit E)对二者所致氧化损伤的保护作用,将80只SPF级3周龄雄性KM小鼠随机平均分为8组:(A)阴性对照组;(B)0.15 mg·kg~(-1)·d~(-1)DIDP组;(C)1.5 mg·kg~(-1)·d~(-1)DIDP组;(D)15 mg·kg~(-1)·d~(-1)DIDP组;(E)150 mg·kg~(-1)·d~(-1)DIDP组;(F) 1 mg·m~(-3)FA组;(G)1 mg·m~(-3)FA+15 mg·kg~(-1)·d~(-1)DIDP组;(H)1 mg·m~(-3)FA+15 mg·kg~(-1)·d~(-1)DIDP+100 mg·kg~(-1)·d~(-1)Vit E组.连续染毒3周.于染毒第13 d开始进行水迷宫实验,末次给药后24 h内取小鼠脑组织制作切片和组织匀浆,检测脑组织匀浆中活性氧(ROS)、还原型谷胱甘肽(GSH)、丙二醛(MDA)、8-羟基脱氧鸟苷(8-OHdG)的含量.结果表明,(A)组～(E)组小鼠脑海马组织氧化损伤逐渐加重,小鼠学习记忆能力逐渐下降;(G)组较(F)组小鼠脑海马组织氧化损伤加重,小鼠学习记忆能力下降;(H)组较(G)组小鼠脑海马组织氧化损伤减轻,小鼠学习记忆能力有所提高.研究显示,DIDP可通过氧化应激作用,引起脑海马组织损伤,导致小鼠学习记忆能力下降.     

环境检索:那些被照亮的记忆

对环境事业的回顾,是为了自省和更好地前行。半年来,我们见证了环境事业少有的高调和激情,见证了公众对环境事业的热忱。我们关注环境事业诸多亮点的同时,也关注环境巫待解决的问题。为此,本期专题将从环境执法、环保植术、城市治理等三个层面来探讨,以期在总结经验的同时,找到解决环境问题的思路。     

警营里的歌声

我曾是一名消防兵,永远都不曾忘怀警营里的那些歌声。一棵呀小白杨,长在哨所旁。根儿深,杆儿士,守望着北疆,暖风吹,吹得绿叶沙沙响罗喂……每当这歌声响起时,所有官兵就都知道,又是那个胖乎乎的事务长在洗澡了。那首歌,是他洗澡时的必唱之选!那事务长,人挺幽默。特别是,他还是整个支队的篮球高手!可谓是,人虽胖却不失细腻。     

基于STL的海表面温度预测算法

海表面温度是海洋科学研究中重要的参数之一,有效预测海表面温度对海洋灾害预警、海洋经济以及海洋生态环境研究具有重大意义。针对海表面温度具有周期性、持续性、非平稳性和非线性的特性,首先利用基于局部加权回归的周期趋势分解方法将原始海表面温度序列分解为周期项、趋势项和余项,挖掘海表面温度的潜在信息并去除序列中的随机噪音,再结合长短期记忆网络模型的优点,搭建神经网络来预测未来5天内的海表面温度。通过与其它模型的预测效果进行对比,实验结果表明,本文方法在预测海表面温度时具有较好的预测精度,能够实现海表面温度的有效预测。     

基于LSTM的跨海桥梁危化品车辆行驶轨迹预测

我国沿海地区气象环境复杂,跨海桥梁上车辆混杂密集,车流量大、车辆混杂和侧风环境等因素都对跨海桥梁危化品车辆的安全行驶产生了极大的影响,因此跨海桥梁危化品车辆行驶轨迹研究对于加强危化品运输安全管理具有重要的现实意义。针对跨海桥梁危化品运输车辆的轨迹预测问题,利用深度学习方法,建立了一种基于长短时记忆网络(LSTM)与注意力机制的跨海桥梁危化品车辆行驶轨迹预测模型,该预测模型包括信息输入模块、注意力层和轨迹输出模块,并利用沿海一座跨海大桥上危化品车辆行驶环境实测轨迹数据对预测模型的预测性能进行了分析与验证。结果表明：LSTM能适应长时域的车辆行驶轨迹预测,注意力机制提高了预测模型的训练速度;由于考虑了车辆间交互影响因素,该预测模型具有更高的准确性和计算效率,同时LSTM也减少了预测模型在时域较长情况下车辆行驶轨迹预测的误差。     

基于信号改进深度学习网络的京津冀城市群二氧化氮浓度预测

在中国华北地区,二氧化氮污染仍旧不容忽视,尤其是在机动车辆密集和工业生产相对集中的京津冀城市群。运用小波分解(WD)和长短期记忆(LSTM)神经网络建立了W-LSTM组合模型,用于预测未来京津冀地区二氧化氮日均浓度和分指数。使用2014年1月—2018年5月主要大气污染物数据对组合预测模型进行训练试验,在获得最优模型参数后,使用2018年6月—2019年6月数据进行模型预测性能测试试验。结果表明,相较于传统的LSTM预测模型,W-LSTM组合预测模型具有更好的预测性能,预测结果的平均绝对百分误差为9.21%。在此基础上,使用最优预测模型对京津冀城市群2019年7月—2020年12月二氧化氮日均浓度进行了预测,并描绘了时空分布图用以表征其时空变化特征。     

飞行员记忆与安全绩效的关系研究

为了探究飞行员记忆与安全绩效的关系,提高优秀飞行员选拔的有效性和飞行排班的科学性,对飞行员记忆进行测试,结合其近6年的飞行品质(QAR)数据,系统分析了记忆与安全绩效的关系及各因素对飞行员记忆的影响情况。结果表明:飞行员形象记忆、情景记忆、运动记忆、语义记忆与安全绩效呈正相关关系,情绪记忆与安全绩效呈“n”型关系;情景记忆主要受不良情绪波动的影响,语义记忆主要受对大脑缺乏开发应用情况以及压力的影响,情绪记忆主要受不良嗜好和年龄的影响,形象记忆主要受睡眠和疾病的影响,运动记忆主要受用脑过度和年龄因素影响。     

故乡的塘

故乡,一个温暖又熟悉的名字。它总是能唤醒我们心中最美好的回忆,勾动起我们内心最柔软的地方。每个人的故乡各不相同,每个人对于故乡的记忆也不尽相同。在我的记忆里,故乡,是由一个个清澈美丽的塘组成的。     

故乡的四口塘

正故乡的四口塘,伴随了我整个的童年,带给我无数的欢乐,也留给我难忘的记忆。不久前,一个散淡的日子,我回到故乡,走访了这四口塘。这四口养育我及村人的塘,荒凉,潦倒,病入膏肓。我站立塘埂,感叹、悲伤,我希望它能逃脱死亡的命运,重新造福故乡人民。长塘长塘,故乡的一口长方形的塘。长塘埂种有乡村最廉价的杨树,树身粗糙,树顶撑起来如一把伞。