关键词： 多体分离   轨迹预测   安全评估平台   嵌入式神经网络   遗传算法  

摘要： 针对高速飞行器头罩分离等高动态多体分离问题，开展气动特性智能预测与分离轨迹仿真模拟研究，为分离系统设计、分离窗口选择、分离方案优化与评估提供技术支撑。选取典型状态点进行数值模拟计算和网格测力风洞试验，建立气动数据库。采用融合高、低保真度数据的嵌入式神经网络进行学习训练，并结合遗传算法对神经网络结构进行优化，得到的气动力系数预测结果相较网格测力试验结果误差小于5%。在此基础上，采用四阶龙格-库塔法求解飞行器六自由度运动方程，建立了基于神经网络训练结果的分离轨迹仿真模拟方法。通过在不同初始分离条件下开展蒙特卡罗分析和灵敏度分析，评估了影响分离安全的主要因素。研究结果表明，与风洞CTS模拟轨迹结果相比，平台分离轨迹预测可靠，成本代价较低，可快速提升轨迹模拟能力，为分离方案设计提供有力支撑。

关键词： 微敞开体系   快速全消解   ICP-MS   总砷   土壤   多元素同测  

摘要： 利用本课题组研发的一种新型消化管，探索了一种土壤总砷测定的微敞开体系快速全消解前处理方法，并将该方法与传统前处理方法-王水水浴法（GB/T 22105.2-2008）进行对比.结果显示，8种国家土壤标准物质经过王水消解后提取的砷含量符合标准参考值范围，但仅为快速全消解法测定的总砷含量的31.2%-60.2%.快速全消解法测定的砷含量基本相当于王水消解后溶液的砷含量与残渣中砷含量的总和.该结果表明王水消解后仍然有大量砷残留在未完全消化的土壤残渣中，王水水浴法提取的砷并非土壤中的"总砷".通过美国土壤标准物质SRM 2710a验证，微敞开体系快速全消解法能满足土壤"总砷"日常检测需求，配合ICP-MS的使用可以实现土壤中"总砷"与其他元素一次消解同时检测.

关键词： 污泥厌氧消化   BP神经网络   日产气量  

摘要： 基于污泥固体停留时间(SRT)为20 d的污泥中温厌氧消化实验,建立一个3层BP神经网络,以前1~20 d的进泥挥发性悬浮固体(VSS)、当天消化罐pH值和碱度共22个参数为输入,预测污泥消化系统日产气量,结果表明,网络具有良好的学习能力、泛化能力和辨识能力,能够较为准确地预测出系统日产气量。此外,根据进泥VSS不同,利用网络预测能力,调节pH值和碱度到合适的值,系统日产气量有明显提高,进一步证明了网络具有良好的预测能力和实用性。

关键词： 含油污泥   处理工艺   优化   BP神经网络   遗传算法  

摘要： 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。

关键词： 混沌粒子群算法   水污染控制系统   遗传算法  

摘要： 针对常用的最优化方法解决水污染控制系统规划问题运算过程较复杂，容易陷入局部极值，且优化解精度不高的情况，尝试利用混沌方法和粒子群算法相结合的混沌粒子群算法 (chaos particle swarm optimization，CPSO)求解此类问题。CPSO算法具有原理简单，且能快速获得最优解的特点。在实例应用中与遗传算法和MATLAB优化函数的优化结果做了比较，CPSO算法的性能以及得到的解明显优于后两种方法，验证了该方法的可行性和有效性。

关键词： 多元回归   BP人工神经网络   混合厌氧消化   产气预测模型  

摘要： 对脂肪类单基质和城市污水厂剩余污泥混合厌氧消化过程的产气阶段进行基于多元回归和BP人工神经网络的产气量预测模型比较研究。实验数据分别取自反应过程的第1~16天和第17~70天。结果表明:多元回归模型的预测平均准确率分别为75.69%和79.29%;BP神经网络模型的预测平均准确率为79.05%。通过对比2种模型的预测结果可知,两种模型都有较高的预测准确率,但BP模型的预测准确率更高,更适用于混合厌氧消化产气量预测。

关键词： 高碱度钢渣   铁尾矿   矿物组成  

摘要： 高碱度钢渣掺唐山石人沟铁尾矿重构，两者在高温环境下熔融反应消解高碱度钢渣中f-CaO。采用正交实验法设计实验方案，考察了铁尾矿掺入量（分别为3%、5%和9%）、反应温度（分别为1 500℃，1 550℃和1 580℃）及恒温反应时间（分别为10 min、20 min和30 min）对消解高碱度钢渣中f-CaO的效果。实验结果表明，铁尾矿能有效消解钢渣中f-CaO，重构渣中f-CaO含量平均值为1.17%，消解率为76.27%。且由正交方法测出了铁尾矿掺入量对f-CaO的消解影响较大，极差值为0.41%；反应温度次之，极差值为0.32%；恒温反应时间影响较小，极差值为0.06%。利用X射线衍射方法测定重构渣中矿物组成，主要为磁铁矿、钙镁橄榄石、硅酸二钙、硅酸三钙、镁铁尖晶石、铁酸钙及铁铝酸钙。

关键词： 能见度   遗传算法   BP神经网络  

摘要： 由于雾霾导致的空气能见度降低,给人们的出行带来很多不便。针对这一现象,构建基于遗传神经网络算法的空气能见度预测模型。将与空气能见度相关的7种气象因子和6种污染物浓度因子经过主成份分析后作为输入数据,输出8:00能见度和14:00能见度。该模型能够克服BP神经网络易陷入平坦区域和局部最优解的问题。以西安市2013-1-1—8-16的数据训练遗传神经网络,通过使用灰色模型获得预测时间段8-17—23的输入数据,可以得到这段时间能见度的预测值。通过与BP神经网络模型的比较,发现遗传神经网络预测模型在预测结果的相关性和绝对误差方面均优于BP神经网络模型,因此,可以更准确地预测空气能见度。

关键词： 神经网络   深圳市   空气污染物   预测  

摘要： 利用深圳市2006至2013年的大气污染物监测浓度数据和气象资料,分析深圳市空气质量的逐月分布变化特征。采用Pearson相关分析,选择显著相关因子,分别以BP神经网络和RBF神经网络构建空气质量预测模型,对该市2013年SO2、NO2、PM10 3种空气污染物的月均值进行预测。实验结果表明,通过Pearson相关分析建立的预测模型有更高的预报精度。BP和RBF 2种网络预测效果都比较理想,对不同污染物的预测精度各有高低。但BP网络的构建和参数优化过程较为复杂且网络训练结果不稳定,而RBF网络构建和训练简单,时间短而结果稳定。在综合性能上,RBF网络用于环境空气污染物浓度的预测具有更强的适用性。

关键词： 混合厌氧消化   半连续   BP神经网络   模糊神经网络   产气预测模型  

摘要： 研究采用BP神经网络和模糊神经网络(FNN)模型对逐步提高有机负荷的半连续式餐厨垃圾和猪粪混合厌氧消化试验进行日产气量预测。结果表明,BP神经网络模型的预测准确率为77.63%,FNN模型为82.33%,2种模型均可用于产气预测,但FNN模型在传统神经网络模型基础上加入了模糊控制,可提高其准确率,更适用于混合厌氧消化产气量预测。