城市建筑安装涂料VOCs排放量模拟预测研究

通过建立灰色离散分数阶预测模型GM(1,1)、BP和RBF神经网络预测模型,以西安市建筑安装涂料产生的VOCs为例,将用于建筑安装的涂料量以及其驱动因子数据作为模型的输入值,用收集整理的2004—2011年16组西安建筑安装涂料消耗量数据进行BP和RBF神经网络训练模拟,2011—2014年5组年数据进行检验预测,采用曲线拟合度和相对误差2个评价指标对3种预测模型结果进行比较分析。结果表明,灰色预测、BP和RBF神经网络预测模型的样本训练及预测的平均误差为:-16.53%,、7.05%,和4.73%,,结合真实值与预测值的曲线拟合和误差下降曲线来看,RBF神经网络的预测结果优于BP神经网络预测结果,采用RBF神经网络预测模型对城市建筑安装VOCs的排放量进行预测具有模拟效果好和预测精度高的优势,对城市VOCs的治理有一定的参考价值。     

基于聚类分析和神经网络的高炉焦比预测模型

为降低高炉生产焦炭的消耗,对高炉操作参数和燃料比指标进行关联性分析,提出了一种组合聚类分析与神经网络进行高炉焦比指标预测的方法。聚类分析将数据集聚划分为几类,数据的相似度比较高,分类训练相应的神经网络模型,实现高炉焦比指标的预测。结合聚类分析构建的神经网络模型,用某高炉生产数据进行仿真学习,并跟传统的神经网络模型进行比较。结果表明,加入聚类分析的神经网络模型平均绝对误差降低3.13 kg/t,平均相对误差降低5.19%。     

基于聚类分析和神经网络的高炉焦比预测模型

为降低高炉生产焦炭的消耗,对高炉操作参数和燃料比指标进行关联性分析,提出了一种组合聚类分析与神经网络进行高炉焦比指标预测的方法.聚类分析将数据集聚划分为几类,数据的相似度比较高,分类训练相应的神经网络模型,实现高炉焦比指标的预测.结合聚类分析构建的神经网络模型,用某高炉生产数据进行仿真学习,并跟传统的神经网络模型进行比较.结果表明,加入聚类分析的神经网络模型平均绝对误差降低3.13 kg/t,平均相对误差降低5.19%.     

BP神经网络在围岩变形预测中的应用

利用神经网络，建立了围岩变形预测的BP神经网络模型，采用围岩变形的实测数据对网络进行了训练，以此训练好的BP神经网络对围岩变形进行了预测。预测结果表明，该模型具有很高的预测精度，为预测围岩变形提供了一种新的方法。     

单输出径向基神经网络在烟叶品质预测中的应用

提出了利用三层单输出径向基神经网络预测烟叶品质的方法。首先对由实验得到的常规化学指标和烟叶评价指标数据进行归一化处理；然后通过教师样本数据对网络进行充分的训练，获得适宜的参数矩阵；最后用训练好的网络对检验样本进行预测。     

燃煤循环流化床锅炉模型化的人工神经网络方法

采用多层前向型神经网络，对燃煤循环流化床锅炉模型化进行了研究。以机理数学模型产生的数据样本对神经网络进行训练，结果表明，训练后的神经网络不仅可以精确地再现机理数学模型现有计算结果，而且可以比较精确地和机理模型一样对锅炉的性能进行预测。由于神经网络模型预测时间极短，并且可以不断随着新的数据样本进行自适应学习，从而为循环流化床锅炉的模型化及其实时应用（如实时训练仿真器、模型预测控制等）提供一个有效的新途径。     

基于BP神经网络客运量的分析及预测

客运量分析预测是一个复杂的非线性系统，针对传统分析预测方法的不足，采用BP神经网络对客运量进行分析及预测，通过对1990—2002长江三角洲地区社会经济数据与客运量数据的处理，建立了客运量的神经网络预测分析模型，借助MATLAB7．0软件，进行网络学习与训练仿真实验，与线性回归模型分析预测结果进行对比，结果表明应用BP神经网络对客运量的分析预测精度更高、效果更好。     

基于相空间重构及Elman网络的停车泊位数据预测

针对停车诱导系统（PGIS）中短时空余停车泊位时间序列数据预测问题，提出应用相空间重构与Elman神经网络相结合的方法来进行预测．首先分析了相空间重构的技术原理，在此基础上导出时间序列预测模型，并以Elman神经网络训练模拟该模型．介绍了相空间重构与Elman神经网络相结合的预测方法的具体实现过程与步骤，提出了短时空余停车泊位数据的预测效果评价指标．通过预测实例表明，该方法用于停车诱导系统中短时空余停车泊位数据的预测具有较好的预测准确性和有效性．     

基于深度学习的城市区域短时交通拥堵预测算法

城市的交通拥堵已经成为了各个城市中的普遍现象，严重影响了城市日常交通以及人们的出行。针对城市区域交通流的研究与分析，本文为了准确的对城市交通状态进行预测，通过网格划分的方法，把城市区域划分为多个区域，根据城市交通数据流的时空特征，提出了一种基于深度学习的城市交通拥堵预测模型（CS-Transformer）。该模型通过使用卷积神经网络(CNN)提取基于网格划分的城市区域交通数据的空间特征，然后采用全连接神经网络增强模型的表达能力，再通过相似性位置编码机制(SPEM)把位置信息加入交通数据中，最后运用Transformer网络捕捉交通数据的时间依赖特征。用成都市出租车GPS数据对模型进行验证，结果表明该模型预测结果优于卷积神经网络（CNN）、Transformer和CNN-Transformer等模型，以均方误差（MSE）为评价指标，将测试集中交通路网的平均预测精度分别提高了 19.6%、26.3%和10%。     

城市用水量预测模型及其应用

利用径向基函数神经网络,建立了城市用水量预测模型,并根据阜新市近些年来影响城市用水量的主要影响因素的数据对该网络进行训练,用训练好的网络模型预测今后的城市用水量,拟和预测结果表明该模型有较高预测精度,并具有一定的通用性和客观性等优点.     

科技情报与阳泉资源型城市转型的关系探讨

阳泉作为山西省资源型城市转型、城乡一体化发展的试点城市,要求以可持续发展、科学发展的理念推进资源型城市的转型。科技情报机构要在资源城市经济转型中开展经济转型的目标、战略定位、城市结构、经济结构、主导产业以及转型的政治体制和社会机制的研究,从而为各级领导进行转型决策提供支持。     

基于能值理论的资源型城市生态经济系统质量评价

资源型城市是依托当地自然资源的开发利用而兴起或发展壮大起来的、具有特殊发展演变规律的城市.能值分析理论为资源型城市生态经济系统的定量研究开拓了新的途径.通过2007年金昌市生态经济系统能值指标的计算分析,结果显示金昌市的环境压力非常大,远远超出系统的环境承载力.全市经济发展程度较高,人民生活质量较好,但与发达国家相比还有差距.在对外贸易中,对资源的需求量较大,能量、货币流通较快,能值交流中处于有利地位,但必须不断地优化投资环境才能保证系统在对外贸易中的获利地位.     

资源型城市：平顶山可持续发展评估及对策

在我国社会、经济可持续发展中,矿业资源城市作为一种特殊的城市类型具有特别重要的地位和作用.今天资源型城市已成为我国重要的能源、原材料基地,为国民经济和社会发展做出了重大贡献.但是资源的不可再生性决定了资源型城市必须走可持续发展之路,资源型城市能否可持续发展直接关系到我们国家的可持续发展大局.评估典型的资源型城市平顶山市的可持续发展程度,分析其可持续发展中存在的问题,提出资源型城市可持续发展的对策.     

我国资源型城市经济转型路径探索

分析了我国资源型城市经济转型面临着重大的经济、社会和资源环境问题,阐述了资源型城市的经济成功转型应以社会福利均等化、经济持续发展、生态环境整治与社会经济协调发展为目标,提出了＂十二五＂时期我国资源型城市转型的创新路径。     

经济转型期耒阳城市规划建设可持续发展的探索

对资源型城市而言,经济转型势在必行.在转型期,城市发展既面临许多机遇,也将遭遇产业转型、结构重组和资源环境等多方面的压力和问题.本文根据耒阳城市发展的历史与现状,分析了资源型城市经济转型的必要性;提出了转型期城市规划建设的目标;探讨了转型期城市规划建设可持续发展的有效措施.     

基于能值理论的城市生态经济系统可持续发展研究——以山东省威海市为例

近年来,关于城市复合系统的可持续发展研究一直以来是人文地理学研究的重要领域.但基于能值理论对城市可持续发展能力的定量研究多集中在某一年度或某不连续的几个年度,缺乏对某一地区的持续动态研究,使得研究具有很大偶然性和预见性[1].以2005年～2014年的威海市生态经济系统为研究对象,运用能值理论对其可持续发展能力进行定量分析.从系统能值流10 a的动态变化中发现：1)生态经济系统的能值总量、经济反馈输出能值、不可更新资源能值总体呈现快速增加的态势,可更新资源能值和经济反馈输入能值变化不大;2)环境负载率从2005年的1.21上升到2014年2.11,2008年达到十年中环境负载率的最大值2.18,总体呈现不断上升的趋势;3)ESI的数值在3.5～7.5之间波动,EISD的数值在1～3之间波动,两个指标在数值上总体波动较大,并且总体态势呈现下降的趋势.上述发现表明：1)威海市生态经济系统中的高品质的能值不断流出,虽然整个系统的能值总量在增加但是系统真正获得能值财富在相对减少;2)威海市在社会经济快速发展的同时自然生态系统正在承受着越来越大的环境压力,应该引起重视;3)威海市生态经济系统可持续发展能力一般并且在反复波动中呈现减弱的趋势.     

基于主成分分析的资源型城市经济社会发展综合评价研究——以嘉峪关市为例

科学地评价嘉峪关市经济社会发展状况是制定发展战略的基础.本文通过资源型城市指标体系的建立,采用主成分分析对嘉峪关市1997-2005年13个经济统计数据进行了时间序列分析,根据计算结果,对资源型城市发展程度和存在的主要问题进行了具体分析和评价,并提出了相应的对策措施.     

基于遗传神经网络的北京市能源可持续发展能力评价

为了对北京市1995-2006年间的能源可持续发展能力进行评价,找到影响能源可持续发展的主要因素,利用国际原子能机构2005年开发完成的可持续发展能源指标体系,建立了包含16个指标的北京市能源可持续发展指标体系,将遗传神经神经网络模型应用在能源可持续发展评价中.结果表明:除1997年之外,北京市的能源可持续发展水平整体呈现上升趋势:能源消费结构对能源可持续发展的影响最大,大气污染的影响次之,能源利用效率的影响最小.利用遗传神经网络模型评价能源可持续发展能力,是一种有效的方法.     

基于因子分析法的我国石油城市经济转型评价

构建了一套较为合理的衡量资源型城市转型能力的评价体系,以便有针对性地实施相应的发展战略,顺利实现这些城市的转型及可持续发展.     

神经网络预测系统中的输入输出指标研究

建立了一个用一串ＢＰ网络组成的、用于地区主要经济指标预测的人工神经网络系统,给出了该模型在两个地区应用中得出的不同结果;在分析这两种预测结果的基础上讨论了预测模型中输入输出指标变化对预测结果的影响．说明在神经网络预测模型中,输入输出指标的选择起着不可忽视的作用．