三峡库区泥沙对磷吸附热力学实验及模型研究

利用三峡库区原状水沙开展泥沙吸附磷的热力学实验,以获得泥沙吸附磷的热力学方程和临界平衡磷浓度(EPC0)。结果表明,吸附平衡时磷在水沙之间的分配关系符合Langmuir吸附等温式,并且不同泥沙含量对应于不同的等温式。基于实验数据,对传统的Langmuir吸附等温式进行了改进,建立了反映泥沙含量影响的吸附等温式,并且得到了河流原型观测数据的验证。基于实验数据得到不同泥沙含量相应的临界平衡磷浓度,结果显示相同泥沙背景吸附条件下的EPC0同样与泥沙含量相关。     

利用天然泥沙去除水体中重金属影响因素分析

重金属在水体中有很强的吸附性,可利用天然泥沙的吸附作用去除水体中重金属,但吸附剂、吸附质以及环境介质条件对吸附量和去除率(K)有很大影响.本文利用相关文献数据,进行标准化处理后,采用曲线拟合的方法,分别分析了污染物初始浓度、泥沙含量、泥沙粒级、pH值、温度、离子强度等影响因素对K的作用规律,结果显示:(1)初始浓度、泥沙颗粒粒径、离子强度值越大,K越低;(2)泥沙含量越高,K越高,并存在最佳泥沙含量值;(3)pH增大,K增大,曲线分快、平、快三阶段;(4)温度越高,K呈线性增长.在此基础上本文建立了影响因素与K间的综合模型,验证结果显示计算值与实测值间相对误差为0.21%—3.57%.该模型可为去除水环境中重金属的工程条件优化提供参考依据.     

河流泥沙图像获取装置的研制

针对水流泥沙含量的测定,所需测量周期长,检测过程繁琐、水文工作人员取样过程劳动强度大,并且不利于含沙量数据的连续测量与实时检测的现状,提出了一种利用在线技术获取中小河流截面视频图像,进行水文含沙量分析研究的方法.这种方法首先需要获取河流泥沙图像.我们研究制作了一种河流泥沙图像获取装置,该装置可让泥沙成薄层流过磨砂玻璃面,光线均匀,可以提供适合图像处理的图像.     

基于小波神经网络的水库泥沙预测

针对水沙机理复杂,水文预报中泥沙难以预测的问题,将小波神经网络应用到水库入库含沙量、泥沙淤积量预测,计算简便,预测结果可为水库短期调度运行和长期运行管理提供依据.采用梯度修正法修正网络权值和小波基函数参数,通过分析影响水库入库含沙量、泥沙淤积量的主要因素,分别建立小波神经网络预测模型.以某水库为例,对其入库含沙量及泥沙淤积量进行了预测.与实测结果的对比分析表明,预测结果的确定性系数分别达到0.70及0.97,且入库含沙量的预测结果较BP神经网络预测结果好.该方法预测精度较高且计算方便.     

利用地面光谱数据反演悬浮泥沙质量浓度

为研究用高光谱数据反演悬浮泥沙质量浓度的方法,以近海悬浮泥沙为实验材料,配制了不同质量浓度悬浮泥沙样品,利用2种方法对样品进行建模:一种是将可见光和近红外光谱进行小波变换并将小波低频系数以偏最小二乘回归建模,另一种为波段组合法.利用交叉检验方法,分析了交叉检验结果,并将2种方法建立的模型进行了比较.研究表明:波段组合法中,TM4与TM1波段反射率比值的指数模型效果最好;在预测能力上,小波偏最小二乘模型总体上比波段组合模型精度高并且稳定性好,适用于悬浮泥沙光谱定量分析.     

河流泥沙图像获取装置的研制

针对目前水流泥沙含量测定时,所需测量周期长,检测工程繁琐、水文工作人员取样过程劳动强度大,并且不利于含沙量数据的连续测量与实时检测的现状,提出了一种利用在线技术获取中小河流截面视频图像,进行水文含沙量分析研究的方法。这种方法首先需要获取河流泥沙图像。我们对河流泥沙图像获取进行了分析,提出一种装置设计方案,在实验室通过实验可让泥沙成薄层流过获取图像,为进一步研究提供了经验和条件。     

基于BP算法的泥沙含量预测研究

长江口北槽是长江的主航道，泥沙的淤积对航运和河道治理有着极为重要的影响。根据ADCP资料，应用BP算法对长江口的泥沙含量进行了研究，建立了泥沙含量预测模型并根据实例资料进行了验证，实现了根据ADCP资料推求泥沙含量，其结果满足精度要求。     

紊动对黏性泥沙絮凝沉降影响的实验研究

在圆柱形沉降筒中利用多层格栅产生近似各向同性紊流场,研究盐水和淡水中紊动对黏性泥沙絮凝沉降的影响,分析絮团粒径、体积含量和泥沙浓度变化.研究结果表明:在相同剪切率条件下,和在淡水中相比,盐水中黏性泥沙絮凝时间缩短,絮团粒径增加,然而盐度对絮团体积含量影响并不明显;最大絮团粒径随着紊动剪切率的增加先增大后减少,最大絮团粒径对应的紊动剪切率在盐水中为20.8,s-1,淡水中为15.6,s-1;随着紊动剪切率的增加,水体中泥沙平衡浓度增大,达到平衡所需要的时间缩短.     

基于小波算法的中小河流泥沙含量检测研究

利用计算机图像处理技术,对河流泥沙含量进行在线检测.利用水下摄像方法 摄取过流断面影像信息素材后,利用小波算法对图像进行处理和分析,测量水体中泥沙颗粒的个数、每一泥沙颗粒形状和尺寸,进而得到水体中泥沙颗粒的总体积、总重量和单位体积的泥沙重,即河流在该点的含沙量.该方法 将计算机图像识别技术与中小河流泥沙监测有机的结合起来,达到准确、动态、实时、在线跟踪河流泥沙含沙量的效果,为中小河流泥沙含沙量的检测开辟了新途径.     

河流泥沙图像获取系统的研究

针对目前水流泥沙含量测定时,所需测量周期长,检测过程繁琐、水文工作人员取样过程劳动强度大,并且不利于含沙量数据的连续测量与实时检测的现状,提出了一种利用在线技术获取中小河流截面视频图像,进行水文含沙量分析研究的方法。这种方法首先需要获取河流泥沙图像。我们对河流泥沙图像获取进行了分析,提出一种装置设计方案,在实验室通过实验可让泥沙成薄层流过获取图像,为进一步研究提供了经验和条件。     

基于主成分分析法优化广义回归神经网络的地震震级预测

为科学有效预测地震震级,提出了基于广义回归神经网络(general regression neural network, GRNN)的地震震级预测模型。选取地震累计频度、累计释放能量、b值、异常地震群数、地震条带个数、活动周期、相关区震级等7个指标作为地震震级影响因子,利用主成分分析法(principal component analysis, PCA)对7个影响因子进行降维处理,以新生成的4个主成分作为模型输入变量,地震震级为输出变量,运用粒子群算法(particle swarm optimization, PSO)寻优得到GRNN模型最优光滑因子,最终建立基于PCA-PSO-GRNN的地震震级预测模型,利用建立的模型对训练样本进行回判检验,并对测试样本进行预测,并同传统反向传播(back propagation, BP)神经网络模型和单一GRNN模型预测结果进行对比,结果表明：PCA-PSO-GRNN模型预测结果的平均误差为5.17%,均方根误差为0.100 0,决定系数为0.986 8,均方相对误差为0.007 3,平均绝对误差为0.100 0,运行时间为5.2 s,预测精度和运...     

基于机器学习方法的地震破坏预测

地震破坏预测研究对于建筑结构减灾规划、震前风险预测、震后应急评估有着重要意义。传统的方法因为受到震害资料数量的限制以及计算精度和能力的制约,一般基于经验只考虑少数因素对结构破坏的影响。通过使用随机森林算法,设计了一个综合考虑地震动、结构和场地等多维度信息的分类方法,用以预测建筑物的地震破坏程度。本文研究框架基于新西兰国家地震委员会所收集的27次地震详细破坏资料,处理得到14.2万条高质量建筑物损失数据,考虑了谱加速度、建筑形状、层数等16个影响因素,将4种不同的损伤状态作为模型的学习标签进行地震破坏预测训练。结果表明,随机森林算法在6种分类算法中性能最佳,经过学习曲线法调参、代价敏感学习之后,经过优化得到的随机森林模型对于测试集的整体预测精确率可以达到75.4%,对4种损伤标签的召回率分别达到了88.2%、55.0%、60.7%和70.8%,远好于其他方法。当只考虑对结果影响最重要的前12个因素,该模型的预测精度仍然能够达到73.7%。可见,基于此框架所训练的预测模型具有良好的精度与适用性,同时该框架对于中国震害资料大数据库的研究具有较高的参考价值。     

The control of moldy risk during rice storage based on multivariate linear regression analysis and random forest algorithm

Clarifying the mechanism of fungi growth is of great significance for maintaining the quality during grain storage. Among the factors that affect the growth of fungi spores, the most important factors are temperature, moisture content and storage time. Therefore, through this study, a multivariate linear regression model among several important factors, such as the spore number and ambient temperature, rice moisture content and storage days, were developed based on the experimental data. In order to build a more accurate model, we introduce a random forest algorithm into the fungal spore prediction during grain storage. The established regression models can be used to predict the spore number under different ambient temperature, rice moisture content and storage days during the storage process. For the random forest model, it could control the predicted value to be of the same order of magnitude as the actual value for 99% of the original data, which have a high accuracy to predict the spore number during the storage process. Furthermore, we plot the prediction surface graph to help practitioners to control the storage environment within the conditions in the low risk region.     

基于改进G-K算法的多节点网络安全态势预测模型研究

影响多节点网络安全态势的因素有很多,传统方法未考虑影响因素,导致预测精度低。为此,构建一种新的改进G-K算法的多节点网络安全态势预测模型。通过灰熵均衡关联度实现关联分析,通过关联分析法对影响多节点网络安全态势的因素进行研究,按照关联程度大小获取重要因素。依据多节点网络日志信息,从主机层、服务层和系统层对多节点网络安全态势值进行计算。分析改进G-K算法预测基本思想:通过多节点网络安全态势重要影响因子值与安全态势值计算状态向量,利用当前状态矢量观测向量对多节点网络安全态势在下一段时间的值进行描述。在此基础上,构建改进G-K算法的多节点网络安全态势预测模型。实验结果表明,采用构建的模型对多节点网络安全态势进行预测,有很高的预测精度,对突变态势也可有效预测。     

基于BP神经网络的电解加工精度预测模型

为精确地预测电解加工精度,采用了BP神经网络的方法进行建模．在分析影响加工精度主要因素的基础上,确定了BP神经网络模型的特征参数,并根据实际情况,确定了输入层和中间隐层的维数,从而确定了模型的结构．用试验参数对模型结构进行训练,最终建立了一个用于电解加工精度预测的BP神经网络模型．利用该模型进行的精度预测结果表明,该模型的预测误差可以控制在10％以内,具有很高的精度预测能力．     

紫外-可见光去浊度反演水体叶绿素a含量

城市景观水体的叶绿素a含量可直接反映其水质。紫外-可见光谱方法可快速低廉反演叶绿素a的含量,但城市水体水深较浅、浊度较高,容易对该波段光谱产生干扰。采用实验室培养的螺旋藻水样和浊度水样的混合水样来模拟城市景观水体环境,并使用UV—2600分光光度计获取混合水样的吸光谱数据;对吸光谱数据分别建立一元线性回归模型、偏最小二乘算法(PLS)模型和BP神经网络模型,以寻找降低水体浊度干扰的办法,为水体水质评价提供可靠参考数据。结果显示,BP神经网络预测模型可以同时预测混合水样中叶绿素a的浓度和浊度的浓度值,模型预测值与样本测量值之间的R~2为0. 997 2,并且模型的预测误差在5%以内。去浊度反演水体叶绿素a含量的能力最高;偏最小二乘算法模型测量值与预测值的R2为0. 999 4,模型的预测误差小于4%,但该模型在预测叶绿素a浓度时不能同时预测浊度值,去浊度反演叶绿素a含量的能力次之;一元线性回归模型的去浊度反演叶绿素a含量的能力最差。     

机会认知网络中基于社会关系的节点位置预测算法

移动节点位置预测是机会认知网络进行有效数据采集和消息转发的基础,提出了一种基于社会关系的移动节点位置预测算法.该算法基于位置对应用场景进行建模,通过节点的移动规律挖掘节点之间的社会关系.该算法以1阶Markov模型为基础对节点的移动性进行初步预测,然后,利用与其社会关系较强的其他节点位置对该节点的预测结果进行修正.最后,基于UCSD WTD数据集对算法进行仿真实验.结果表明,基于社会关系的移动节点位置预测算法与1阶Markov预测模型相比获得了更好的预测精度,并且算法具有较好的可扩展性.     

基于定量递归特征提取的流量监测方法

提出一种基于定量递归特征提取的流量预测算法,构建了网络端到端路由缓冲区短时网络流量的时间序列分析模型.采用虚假最近邻点算法和平均互信息算法对网络流量时间序列进行相空间重构,计算递归图平面中时频特征点占平面总点数的百分比,实现网络流量的时频熵特征提取,有效反应流量时间序列的内部结构特征和变化趋势,实现对流量的准确预测和监测.仿真结果表明,采用该算法能准确实现对网络流量相轨迹的预测判断,预测过程具有较好的抗干扰能力,预测精度较高.     

基于PCA-SVR的池塘DO预测模型

为解决传统水质预测模型泛化能力低、预测精度差等问题,提出了基于主成分分析和支持向量机相结合的养殖池塘溶解氧预测模型.该模型通过主成分分析筛选反映池塘水体溶解氧信息的关键指标,减少模型输入变量,采用支持向量机算法建立水质预测模型,并用于长沙市乔口镇与望城区池塘养殖溶解氧预测中.结果表明,该模型预测精度高,同时具有很强的泛化能力与适应数据变化的能力,可用于池塘溶解氧预测.     

露天煤矿边坡稳定性的随机森林预测模型

 边坡工程是露天煤矿中的重点工程,边坡的稳定性关系着煤矿的安全生产。边坡稳定性预测是边坡防治工作的前提,针对煤矿边坡工程稳定性预测的复杂性,为了快速、有效地判别煤矿边坡稳定性,利用随机森林算法建立煤矿边坡稳定性预测模型。通过选取与煤矿边坡工程密切相关的岩石重度、黏聚力、内摩擦角、边坡角、边坡高度、孔隙水压力6 个指标作为边坡稳定性的影响因素,即为随机森林预测模型的输入,边坡稳定性状态作为随机森林预测模型的输出,通过随机森林算法建立边坡稳定性影响因素与边坡稳定状态之间的非线性关系。利用煤矿实测30 组边坡稳定性数据作为随机森林预测模型的训练数据集,进行模型的学习训练;另用12 组边坡稳定性数据作为预测模型的测试数据,通过训练好的边坡稳定性预测模型进行测试;为了验证随机森林预测模型的准确率,同时与SVM 和BP 神经网络的测试数据进行比较。结果说明,选取煤矿边坡稳定性的6 个指标建立的随机森林预测模型,人工控制参数较少、结构简单、容易实现,且具有较高的准确度,边坡稳定状态预测结果与煤矿边坡工程实际状态相吻合,能有效预测边坡稳定性状态,指导煤矿边坡防治工作的开展。