基于自适应调整蚁群-RBF神经网络模型的中长期径流预测

径流预测历来是水利部门的一项重要工作,针对水库和河流中长期径流预测精度不高,提出了自适应调节人工蚁群算法(ARACS),对RBF神经网络参数进行优化,建立了自适应调节人工蚁群-RBF神经网络组合算法(ARACS-RBF)预测模型,综合考虑影响径流预变化因素,对安康水库进行中长期径流预测。对预测效果进行检验,结果证实该模型可真实地反映河川径流变化的总体趋势, 并为判断时间序列数据的非线性提供了一种新方法。与RBF神经网络模型、人工蚁群-RBF神经网络模型预测结果进行对比,结果表明,应用ARACS-RBF模型对中长期径流量进行预测,预测精度更高、效果更好。该方法克服了RBF神经网络和人工蚁群算法易陷于局部极值、搜索质量差和精度不高的缺点,改善了RBF神经网络的泛化能力,收敛速度快,输出稳定性好,提高了径流预测的精度,置信度为98%时的预测相对误差小于6.5%。可有效用于水库和河川中长期径流预测。     

基于GA-BP算法的含油污泥处理 工艺参数优化

在含油污泥进行资源化处理过程中,针对处理目标受多个因素影响的实际,为了解决工艺之间的耦合问题,采用正交实验的方法来解决,并把主要参数作为优化对象,把含油污泥的脱水率作为评价目标,通过采用GA-BP算法对含油污泥耦合工艺正交实验参数进行了线性与非线性分析.在采用遗传算法优化神经网络的权值和阈值的基础上,用优化后的权值和阈值对测试样本和训练样本进行了预测.预测结果表明,预测误差都有明显减小,分别由0.34211减少到0.031549和0.15476减少到0.040682,可见耦合参数趋向于非线性优化.     

汽车油罐车爆炸燃烧特性的数值模拟分析

汽车油罐车爆炸燃烧是一种发生在受限空间内的燃烧情形,研究汽车油罐车爆炸燃烧过程中湍流速度场和温度场的分布和发展对爆炸冲击波形成与传播的作用规律,对于加强汽车油罐车安全设计和防灾减灾具有积极作用。为探究汽车油罐车在爆炸燃烧时油罐内部的火焰变化情况,建立了汽车油罐车爆炸燃烧模型,通过数值模拟分析得到油罐爆炸燃烧时的温度场和燃气速度场分布情况,以此研究油罐内部爆炸燃烧的发展过程。模拟结果与已有文献试验数据存在较好的吻合性,对汽车油罐车油气爆炸燃烧特性规律的进一步研究及汽车用油罐防爆抑爆设计优化具有参考意义。