电晕放电辐射信号的特征提取和模式识别方法研究

目的研究电晕放电辐射信号的特征提取和模式识别方法。方法在分析信号特征提取方法的基础上,对实测的电晕放电辐射信号特征提取,利用概率神经网络开展电晕放电辐射信号目标识别,检验特征提取的有效性。结果以奇异值作为输入特征量的PNN在整体上效果更优,稳定性好,对两类不同放电辐射信号的正确识别率均可达到80%以上,并且当输入特征量个数达到10个时,对实测样本的正确识别率均达到了最高值。电晕放电的正确识别率为96.7%,火花放电的正确识别率为93.3%。结论该方法能基本满足实际放电信号的识别应用。     

基于WebGIS的水环境模拟关键技术研究

近年来随着水环境模拟领域的发展出现了较多水环境数学模型,目前日益成熟的WebGIS技术是使模型使用变得简单化和直观化的一大途径.是在通过Flex和ArcGIS Server搭建WebGIS系统平台的基础上,利用PHP进行WebGIS和水环境模拟模型的数据交互,实现系统平台和数值模型的松散耦合.用户在浏览器端进行模型输入条件的设置,模型在远程服务器端进行运行计算,反馈的模拟结果通过RIA在WebGIS中进行多元化动态展示.该方法对一般模型具有适用性,可降低模型使用门槛,提高模拟结果展示和分析能力.     

基于T-S模糊神经网络的大沽河水质变化特征分析研究

基于T-S模糊神经网络,利用大沽河2010年-2015年水质监测数据,选取溶解氧、化学需氧量、高锰酸盐指数、氨氮、总氮、总磷对水质具有重要影响的6项指标,建立适用的水质评价模型,对大沽河水质变化特征进行分析.结果显示:上游水质评价结果明显优于中游、下游水质评价结果,网络评价水质等级变化趋势同真实指标数据变化趋势一致.验证结果充分表明了T-S模糊神经网络用于水质变化特征分析是可行、有效的.     

活性污泥模型参数实际可识别性研究方法

可识别性研究是参数估计的第一步。对目前应用于活性污泥模型参数实际可识别性研究的三种方法进行了综述,根据模型的复杂程度以及所要研究的参数数量,研究者可选用不同的方法。     

基于不变矩理论的腐蚀等级评定方法研究

基于腐蚀图像包含大量腐蚀信息的客观现实,将数字图像技术和不变矩理论应用于腐蚀图像预处理和特征提取,用腐蚀图像的7个不变矩特征值来描述腐蚀形貌特征,利用概率神经网络模式识别技术,建立了以不变矩为特征参数的概率神经网络模式识别模型,实现了金属材料腐蚀等级的评定。以铝合金材料在EXCO溶液中加速腐蚀等级评定为例,分析表明,不变矩作为一种高度浓缩的图像特征,能够表示腐蚀形貌与腐蚀特征的映射关系,该方法简单易行,识别率可达到87.95%,满足工程应用要求。     

异构环保信息资源整合及归档系统的开发与应用

随着环保信息资源的不断丰富,不同应用系统生成的各种异构数据日益增多,信息孤岛现象十分严重。异构环保信息资源整合及归档系统将分散的信息系统进行有效整合,在异构平台上实现了信息收集、流转及共享利用,全面提升了环保档案的信息化建设水平,为新时期下环保档案信息管理工作提供了一条新途径。     

北运河下游典型河网区水体中氮磷分布与富营养化评价

选择北运河下游典型河网区(闸坝多、水流慢和湖库化)为研究对象,通过为期1 a的水质监控,阐述了河网区氮、磷的时空变化特征,并利用对数型幂函数普适指数公式对其水体营养状态进行了评价.结果表明,河网区水体中TN平均质量浓度为12.50 mg.L-1(NH4+-N占67.41%),TP为1.45 mg.L-1(SRP占80.81%).河网区水体中氮、磷的时空分布特征明显,TN和NO 3--N质量浓度随季节变化特征趋于一致,NH 4+-N稍有不同;TP和SRP质量浓度随季节变化特征基本一致.从河网区进水带至出水带,水体中氮、磷质量浓度均呈逐渐下降趋势,其中TN、NH4+-N和NO3--N平均质量浓度分别从19.30、13.22和2.19mg.L-1降至7.98、4.45和1.50 mg.L-1;TP和SRP分别从1.95和1.59 mg.L-1降至1.11和0.91 mg.L-1.富营养化评价综合指数表明,河网区水体在时空尺度上均处于"极富"营养状态.     

辽河保护区治理与保护能力建设研究

辽河保护区治理与保护能力的建设,通过界碑、围栏、标示牌、宣传牌等设施建设,重点区域的水质、生态监测站点建设,保护区综合管理平台建设,应急保障体系建设,形成保护区完善的综合监控网络体系,全面提高保护区基础设施与监控能力。同时,应使全民参与对＂母亲河＂的保护。     

基于BP神经网络的煤层自燃预测

在全面分析影响煤层自燃因素的基础上,建立了煤层自燃预测的人工神经网络模型.应用该模型对某煤田的多个煤层样本进行了训练和预测,网络经过10次训练后,误差达到设定的最小值,6次预测测试中最大误差仅为0.027 8,最小的为0.000 1.研究表明,该模型精度较高,可用于预测煤层自燃的实际应用.     

基于BP神经网络的上市公司CEO报酬实证研究

近年来的研究表明,CEO报酬不仅受公司业绩的影响,还受到其他诸多因素的影响,而且,CEO报酬与其决定因素之间往往存在着非线性关系。本文以2003-2005年沪深股市的A股上市公司为样本,采用BP神经网络对CEO总报酬、CEO年薪、CEO持股价值及其决定因素分别进行训练和学习,结果表明：（1）网络训练输出值与实际值的拟合度分别达到91.09%、97.23%和78.44%;（2）网络的预测能力相对于传统的线性回归模型分别提高了92.72%、92.08%和53.89%。因此,本文认为在分析和确定CEO报酬水平时引入神经网络模型是可行的。