基于用户水质投诉信息的供水管网污染源追踪定位

突发性水污染事故事发突然,污染物扩散迅速,对供水管网水质安全危害巨大.在缺乏足够水质监测设备的城市,用户对管网的水质投诉信息可及时反映管网水质情况.根据用户水质投诉的位置信息,利用改进的污染矩阵法查找管网候选污染源节点,再通过概率理论分析各候选污染源节点中是污染源的可能性,最后采用波达法则和数据标准化法两种方法评价最具可能性污染源.该方法的可行性和有效性通过某市管网实例进行了验证.     

支撑向量机在给水管网故障诊断中的应用

针对城市给水管网运行故障诊断问题,构造一个给水管网室内实验模型,通过测试节点水压变化,利用建立在结构风险最小原理基础上的支撑向量机(SVM)模式分类功能,确定相应的特征向量和核函数参数;选取样本进行训练和测试,在小样本情况下对管网故障点进行判决.在多次实验模型测试数据的基础上, 对基于SVM的给水管网故障诊断方法进行测试,并在相同实验测试数据的前提下与神经网络(ANN)法进行比较,实际算例表明,SVM方法的诊断精度优于神经网络法.     

基于径向基神经网络的污水管网堵塞诊断方法

为了对城市污水管网堵塞故障进行准确诊断,提出了基于径向基神经网络的污水管网堵塞故障诊断方法.采用节点液位高度为输入变量,构造了径向基神经网络故障诊断模型.基于管网水力模型构造了故障训练集,应用于某典型环状管网故障训练与诊断,采用训练后的模型对5组数据进行故障识别,均准确预测定位了堵塞故障管段,验证了方法的有效性.     

基于模式识别神经网络的重力匹配算法

为了提高重力辅助惯性导航系统在重力异常明显区域内的定位精度和匹配率,用模式识别神经网络的方法进行了重力匹配.在匹配时刻,根据惯导指示位置确定在一定的网格点范围内搜索载体真实位置,以每个网格点为终点把惯导指示航迹放置到重力图上,由此提取一系列的参考重力图上数据,并把它和对应网格点的位置定义成一个模式类,把所有的模式类作为概率神经网络的样本训练一个模式识别神经网络,然后把重力仪测量数据使用该神经网络识别到某个模式类,对比模式类的定义可以确定此时的载体位置.计算仿真研究表明,该算法的重力匹配率优于通常的相关匹配算法,其组合导航系统的定位误差在1个重力图网格左右.     

基于关键节点子团的乳腺癌候选疾病模块挖掘算法

为解决乳腺癌疾病模块挖掘方法中基因表达谱样本数量少、数据不完整、存在噪声和偏差的问题,提出了一种基于关键节点子团和局部适应度的候选疾病模块挖掘算法——KNGLF算法.该算法首先将候选基因与致病基因间的重叠相似性得分和功能相似性得分进行融合,通过比较融合得分与阈值,筛选出关键节点,并构建关键节点子团;然后,基于局部适应度及不同节点对应的不同判定标准,扩展挖掘候选疾病模块;最后,根据富集分析结果确定候选疾病基因模块.实验结果表明,与现有其他乳腺癌模块挖掘算法相比,KNGLF中关键节点选择算法所得平均排名较小,曲线下面积较大.KNGLF算法挖掘出15个具有较显著生物意义的乳腺癌候选疾病模块.此外,KNGLF算法还可扩展至其他疾病候选模块.     

基于图论的复杂交通环境下车辆检测方法

目前现有的基于图像的车辆检测系统大多数是利用滑动窗口法来确定车辆候选区域.为了提高车辆检测的速度并减少计算量,提出了一种新的基于图论的车辆检测方法.该方法针对每幅图像通过简单线性迭代聚类(SLIC)算法得到含有若干个超像素节点的图像,分析节点间的相互关系最终确定车辆候选区域.在检测阶段,本文把大量不同视角的车辆图片作为正样本进行训练,得到多视角的分类器;基于候选区域的几何信息,选择适当的多视角分类器进行检测.由公共交通分析数据集(KITTI)检测结果表明:与目前最新的、具有相同提取特征和分类器的算法相比,本文的方法具有更好的检测精度,在复杂的背景下也能取得很好的检测结果.     

污水管网中雨水混接来源的高效诊断方法

污水管网中雨水混接不仅会导致雨天污水厂运行受到影响,而且产生管网污水冒溢.针对在大范围污水管网中同步安装管道流量计识别雨水混接点位难以操作的问题,提出了基于管网节点水质特征因子监测的低成本雨水混接来源诊断技术方法.具体以总氮和电导率分别作为指示生活污水和雨水的特征指标,并结合污染源地理信息系统、管网节点化学质量平衡和入流水质特征因子浓度数据库,有效解析污水管网中各管段的旱天入流水量和雨天雨水混接量.对安徽省巢湖市城区污水管网雨水混接来源的解析证明了该方法的可靠性,提出了雨水入流来源解析的基本原则.     

基于负梯度法的供水管网污染源识别

利用负梯度法研究供水管网突发污染事故时污染源识别问题.首先针对供水管网的污染源识别问题构建最优化问题数学模型,然后用EPANET作为内嵌的水质模拟计算引擎,沿着目标函数的负梯度方向进行问题的最优解搜索,并针对管网算例,对污染源侵入时间、地点和侵入过程进行计算求解.分析差分步长、梯度求解方法等因素对问题求解效率的影响,结果表明采用基于水质模拟的差分法求解梯度向量并以水质公差作为差分步长,具有最好的求解效果.     

基于遗传自适应RBFN的歼击机故障分类方法

在模式识别领域中,如何实现更高精度地分类一直是个核心问题.提出了将自适应RBF神经网络与遗传算法相结合的方法,其中自适应RBF神经网络通过对样本判断,自动实现对RBF网络添加新的隐层节点,或者将样本归于已存在的隐层节点所属的类.遗传算法用于寻找最优的网络宽度值.两者相结合最后确定一个隐层节点数与类别数相同的简省的网络.用歼击机故障数据进行仿真,比较结果表明此方法能实现更高精度的分类.     

基于水力模型的多因子水质监测点优化布置方法研究

随着城市快速的发展,城市供水管网的规模也在不断的扩大,其拓扑结构也越来越复杂,增加了供水安全的难度。其中供水水质安全最为迫切,因此需要在供水管网中设置一定数量的水质监测点对供水水质进行监测。在前人研究的基础上,针对供水管网水质监测点优化布置的问题,在单一的节点水龄法的基础上综合考虑其他影响因素对管网水质的影响,利用北方某市供水管网水力模型进行水质监测点的优化布置方案设计,通过水力模拟软件,优化节点水龄法,设计出了基于多因子优化法的水质监测点优化布置程序。并对北方某市供水管网进行计算,结果表明,基于水力模型的多因子水质监测点优化布置方法计算出的水质监测点位置与实际位置有43.75%的重合度,不仅覆盖了在常规管网运行中水厂及加压泵站等重点水质监测位置,也在供水分界线、管网中以及管网末梢增加了部分监测点,同时对污染事故的预警时间也比优化前短,效果明显。因此,在人工经验的基础上,以多因子法为补充加强,理论与实际相结合,使布置方法更有科学依据,考虑因素更加全面,布点更加合理。利用该方法分析供水管网工况,可为水质监测点优化布置工作提供较好的实施方案。     

基于模式识别的供水管网污染源追踪分析方法

针对供水管网单点源污染问题,建立了一种污染源定位分析方法,通过识别监测数据与模拟数据两系列之间的变化模式,求得污染物投加点、投加时间、投加浓度三者的信息．同时,针对可能存在的误差问题,提出了确定误差限的方法,进而保证最终求解结果包含真实污染源点．以某地区供水管网系统进行实例验证,结果表明,对于管网单点源连续注入式的污染事件,本方法可以较为快速而准确地定位出污染情况．对于实际供水管网污染的污染追踪,该方法具有一定的理论指导意义和应用价值．     

有机灰色神经网络模型在河流水质预测中的应用

针对灰色预测对波动较强的序列只能预测大致变化的缺陷,在分析河流水质动态变化的基础上,结合灰色理论中的GM(1,1),无偏GM(1,1)和RBF神经网络的特点,提出有机灰色神经网络预测模型,将灰色模型得到的数值作为神经网络的输入,原始数据作为神经网络的输出,训练得到最佳神经网络结构.以某地区河流水质为例,根据其变化规律,应用有机灰色神经网络模型进行预测,结果表明,该模型拟合误差小,预测精度高.     

径向基函数神经网络在多河段水质模拟中应用

为了更好地模拟与预测河流水质,运用人工神经网络的原理与方法,在分析河流多河段水质模型基础上,建立了RBF人工神经网络水质模型,应用滏阳河邯郸市区段实测水质数据对模型进行训练与检验,结果表明,该模型应用于水质模拟精度高,是可行的.     

人工神经网络模拟反应精馏过程的研究

提出了用BP(误差反向传播)神经网络模拟计算合成乙酸甲酯的新思路,模拟过程中采用学习速率可变的动量BP算法训练神经网络。结果表明:只要有充足可靠的数据为基础,采用学习速率可变的动量BP算法训练的神经网络的预测精度比普通BP算法的预测精度高10倍左右,且训练时间显著下降,是一种具有广泛应用前景的模拟方法。     

基于BP神经网络模型的水质评价方法探讨

运用人工神经网络理论和方法,建立了水质评价的BP神经网络模型,并对长治市10眼水井的地下水水质进行了评价,并与综合指数法、模糊综合评判法的评价结果进行了比较。结果表明,用BP神经网络模型评价水资源水质是可行的,为水资源水质评价提供了一个新的方法。     

基于信令分析的移动数据网络业务投诉系统的实现

【目的】针对中国移动运营商面临的客户投诉难定位、投诉现象难复现、投诉发生时信令难回溯等难点问题,研发一个基于信令分析的移动数据网络业务投诉系统。【方法】系统通过设计包括网络质量监控、投诉处理等功能的关键性能指标(Key Performance Indicators,KPI)系统及投诉分析和处理机制,从业务数据中挖掘网络隐患,深入分析数据业务网络性能,快速准确定位影响用户感知和网络性能的异常原因,帮助工作人员有针对性地对不同区域进行网络优化工作。【结果】性能测试结果表明,系统可以快速地感知客户上网的情况,通过优化网络的性能来提升客户的满意度。【结论】从系统运行的结果来看,本研究设计和实现的系统基本达到了预定的效果。     

水电机组效率的神经网络算法

水电站优化运行要求具有连续水位和导叶开度下的效率特性曲线。对此提出用BP神经网络方法计算机组效率，并建立了BP神经网络模型，以现场效率试验数据作为样本进行训练，并用训练好的网络计算该机组的效率。网络的训练速度及计算结果表明，该算法收敛速度较快，精度高，为计算水电站任意水头及导叶开度下的机组效率提供了新思路和新方法，可用于指导水电机组的优化运行。     

用人工神经网络方法评估桥梁缺损状况

针对现有桥梁评估方法存在的不足,介绍了一种应用神经网络进行桥梁缺损状况评估的方法,并对几种常见的人工神经网络模型的评估效果进行了比较．利用广东省内1018座桥梁的养护数据,对神经网络进行训练和测试,发现使用神经网络对桥梁进行评估,能够取得比较好的评估效果．使用神经网络方法对桥梁“等级”进行评估,其;位确率超过60％．平均每座桥的评估误差为0．25个等级。     

基于径向基函数神经网络的水轮发电机组效率曲线计算方法

提出用径向基函数(RBF)神经网络进行水轮发电机组效率曲线计算的方法，并建立了径向基函数神经网络模型，以有限水头下原型效率试验数据为样本进行训练，所得的网络可快速准确地计算任意水头下的效率特性曲线。与BP神经网络模型的对比结果表明，该方法避免了BP神经网络的局部极小及收敛速度慢等缺点，在精度、训练速度等方面优于BP神经网络。