基于AGA-BP神经网络的采空区危险性评价

针对采空区危险性评价的影响因素众多且关系复杂的特点,提出了基于AGA-BP神经网络算法评价采空区危险性。将岩体结构、地质构造、岩石抗压强度等13个影响因子作为神经网络输入,采空区危险性等级作为输出,建立一个采空区危险性评价的BP神经网络模型;采用自适应遗传算法(AGA)对BP网络的初始权值和阈值进行全局寻优,将寻优结果回代入网络中进行训练并预测得出采空区危险性等级;利用其它智能算法与该预测结果做出比较,以验证AGA-BP算法的有效性及优越性。结果表明:该算法的优化效果明显,同时在训练时间与预测精度上较其它智能算法有突出的优势,是一种在采空区危险性评价方面值得推广的新方法。     

污水生化处理系统中的智能算法及其应用

污水生化处理过程机理复杂,具有强耦合性、非线性、时变性等特征,传统的优化控制方法难以有效应用,智能算法的引入有力推动了污水生化处理研究的发展。本文综述了智能算法在污水生化处理系统中的应用研究进展,概述了智能算法在污水生化处理系统中的应用现状及其存在的问题,主要包括异常数据检测、水质预测、模型参数估计和解耦控制四个方面,并指出了今后进一步研究的方向。     

仿生智能算法在突发环境污染事件应急响应中的应用

近年来随着中国工农业生产和经济建设的快速发展,中国已经进入突发环境事件频发期。然而,中国的突发环境污染事件应急体系仍处于初级应用阶段,不能满足事故频发期事故应对的要求。因此,建立科学的应急决策支持系统具有重大的意义。在决策支持系统中,智能算法处于核心地位。文章对人工智能领域的仿生智能算法在环境应急领域的应用作简要介绍,并明确了多技术集成化应用的研究方向,以期对今后的研究有所启发。     

智能算法及其在环境预警中的应用

智能算法具有学习非线性问题的能力,可有效优化环境模型结构与参数,是环境预警的重要工具。重点分析了遗传算法和人工神经网络的相关特征,并以太湖蓝藻水华预报预警为例,介绍其在提高环境模型精度中的应用。     

基于智能算法的大气污染防控知识图谱：研究方法、演化路径与应用展望

大气污染防控是保障人民健康与生命安全重要的研究课题，智能算法是大气污染防控及预测预警的重要工具手段。通过Citespace对Web of Science核心数据库中1998—2021年智能算法在大气污染防控中应用的文献进行可视化分析。结果表明：(1)智能算法在大气污染防控应用历经“数理统计-遥感监测-数字模拟-神经网络算法”四个阶段；(2)研究主题集聚为“神经网络模型”“智慧健康检测系统”和“城市空间的大气污染”三个核心聚类演变路径；(3)应用方式包括“大气污染时空分布”“大气污染因素相关性”“大气污染事件预测”“空气质量优劣评估”与“健康韧性城市应用”五个方面。未来智能算法在大气污染防控中的应用趋势，将体现“高精度预测-全周期评估-健康化理念”的特点。