基于RBF神经网络方法的铀尾矿坝稳定性分析

为研究分析我国某铀尾矿坝的稳定性,以影响尾矿坝稳定性的14个指标为参数,运用MATLAB实现RBF神经网络的方法,采用实际数据对网络进行训练,结果得出了该铀尾矿坝的稳定性参数为3,属于一般安全铀尾矿坝,这对研究尾矿坝稳定性提供了重要的参考作用。     

尾矿料的渗透性试验

渗透系数是直接影响尾矿坝浸润线埋深及稳定性的重要参数之一.分别对取自尾矿坝区的4种尾矿料进行颗粒分析试验、原状土与重塑土渗透试验、尾矿浆水渗透试验,分析了颗粒级配、孔隙比及时间对尾矿料渗透系数的影响.试验结果表明,由于重塑土不再具有分选性,其渗透系数比相近孔隙比的同类原状土大;经过80 min后,4种尾矿浆的渗透系数K20都趋向于同一个值.     

基于多算法耦合的水电站自主智能优化调度应用

中、大型水电站的水位预测以及优化调度是水库防洪和发电能力的重要问题,目前对水库水位预测以及水库调度主要采用算法预测水位与人工设置调度模式相结合的方式,使得水库智能调度模式在实际的调度过程中实用性不强。为满足水电站能自主智能优化调度,脱离人工设置,利用大渡河流域某电站水库水位数据建立了基于BP(back propagation)神经网络水库水位预测模型。采用C4.5算法模拟调度人员对水电站调度模式选取规则,再利用POA(逐步优化)算法模型通过耦合BP神经网络水位预测模型,对电站水库预测的水位以及C4.5机器算法选取调度模式的规则,以达到对水电站自主智能优化调度。解决了POA算法须人工设值调度期末控制水位与调度过程优化模式的缺陷,使得多算法耦合模型可以脱离人工设值自行执行符合电站运行策略的优化操作,同时验证了多算法耦合的可行性和有效性。     

基于MATLAB的BP神经网络模型在矿井涌水量预测中的应用

指出了矿井涌水量预测问题受到多种因素的共同影响,具有非线性和高度复杂性。分析了利用BP神经网络预测矿井涌水量的可行性,首先收集了淮南新集二矿2009年12个月份的涌水量数据,然后通过这些数据对已经构建好的神经网络进行训练并用训练后的结果对该年11月和12月的矿井涌水量进行了预测,最后用预测结果同实际值进行了比较。结果表明:该模型收敛性能良好,预测精度高,可操作性强。     

不同水位作用下堆石坝坝坡有限元强度折减法分析

以某加固后的堆石坝工程为例，采用有限元强度折减法，研究了在不同水位组合和坝顶通车条件下的坝坡稳定性。计算结果表明：高水位对应侧的坝坡稳定性相对较高；水位越低，上下游水位差越大，坝坡的安全系数越大，反之则越小；坝顶通车对坝坡的稳定性不利，尤其是水位组合173.67～143.30 m 和152.00～167.30 m时；该堆石坝在加固后的坝坡稳定性系数基本满足相关规范要求，最小安全系数出现在水位组合152.00～167.30 m时的上游坝坡，此时坝坡属于稳定状态，但安全储备较小。     

泡桐属植物育种值预测方法的研究

分别用最佳线性无偏预测和最佳线性预测方法预测了泡桐属植物的育种值。结果表明，根据亲缘相关距阵对育种值的最佳线性无偏预测结果没有显著影响：数据量较大时，可用小区平均值取代单株值，同时也可用最佳线性预测代替最佳线性无偏预测方法预测育种值；预测育种值与真正育种值之间的相关系数与预测育种值之间的方法或误差方差存在极显著的相关关系，可用前者作预测育种值的精度指标。通过比较毛泡桐种源所预测育种值之间的方差和误差方差可以得出：在对研究材料评选时，最佳线性预测比最小平方估算法具有优越性，但当重复数大于5次，每个小区内的植株多于6时，这两种预测方法的精度非常接近。     

关于正确解决水筏道消能技术的浅见

水筏道是南方木材过坝的主要方式。文章论述解决水筏道水流消能必须保证木排顺利安全过坝,并应以河道的水文特点、库区水位变化和排型结构情况进行具体分析,针对不同情况采用不同的加糙措施与形式,并介绍了水筏道出口段的水力消能的措施。     

丛状造林预防水库淤积泥砂的研究

水土流失淤积水库、塘坝,是历史上一直未能解决的成为世界关注的问题。为寻求防治水土流失,减缓库坝淤积速度,延长水库使用寿命的办法,笔者于1983—1986年进行了试验,取得良好的效果。现将试验情况总结如下。     

基于加权Logistic回归模型的森林火灾预测

林火预警是保障超高压输电网安全的重要工作,是森林防火部门和电网公司深度关注的领域。 研究以 2007—2017 年广东省超高压输电网线路途经地区的气象数据和林火监测的数据为基础,通过加权 Logistic 回归分析方法构建了广东省超高压输电线路区域森林火险预警模型,并用 2017 年实际林火发生 数据对该模型进行检验。模型预测准确率达到 92.6%,证明该模型具有良好的预测效果,反映了广东省区 域森林火险等级与相关气象因子的密切关系。     

基于LSTM的活立木茎干水分缺失数据填补方法

【目的】研究植物茎体水分数据,针对相同数据段上的缺失数据,对比不同数据填补方法,验证LSTM模型填补茎干水分数据的有效性及准确性。【方法】选取2017年6月份栽种在北京市海淀区的紫薇树茎体水分完整数据,人工删去部分数据作为缺失数据,分别使用插值方法、RNN神经网络、LSTM神经网络对缺失部分进行填补,填补结果与原始数据比对并分析结果。基于神经网络预测值误差随预测时刻推后而增大的误差分布情况,本文提出了在神经网络预测值基础上加入对数据后期处理的方法:从缺失数据的正向和反向进行预测,将2个方向的预测值各自乘以一组按照预测时刻递减的权重值并相加,结合2个预测方向的优势,进一步提高预测准确度。【结果】3种方法中,RNN与LSTM神经网络方法较传统的插值方法优势明显:插值方法准确度在缺失值增多时迅速下降;神经网络方法下降速度较慢。当填补值与真实值误差在2%以内作为准确时,插值方法的填补准确率不足50%,RNN方法达到50%且不足60%,LSTM方法达到80%以上;当填补值与真实值误差在4%以内作为准确时,插值方法填补准确率为60%,RNN方法准确度最高达到90%,LSTM方法准确率在95%以上。在此基础上加入权重处理,对LSTM预测结果处理后误差在2%以内准确率达到97%,误差在3%以内准确率达到100%。选取一组测试数据代入模型,预测结果比训练数据预测结果精度有所下降,但双向预测方式优势更加明显。【结论】采用基于LSTM模型的双向综合预测法,可显著减小长期预测中的累计误差对预测结果的影响,提升了预测数据的准确度。与其他两类数据填补方法相比,基于LSTM神经网络的数据填补方法在长期缺失的时间序列数据填补上有较大优势。     

紫外光谱结合间隔偏最小二乘法测定短程硝化过程中硝酸盐氮和亚硝酸盐氮的含量

采用序批式活性污泥反应器(SBR)研究了短程硝化反应系统启动过程中,紫外光谱预测反应器出水中硝酸盐氮和亚硝酸盐氮的含量可行性。利用实验室配制不同浓度梯度的硝酸盐氮和亚硝酸盐氮混合溶液,以及反应器出水样品,采用间隔偏最小二乘法建立了样品中紫外光谱与硝酸盐氮和亚硝酸盐氮含量的定量分析模型。结果表明:采用实验室配制硝酸盐氮和亚硝酸盐氮混合溶液时校正集相关系数分别达到0.9993、0.9283,校正均方根误差分别为0.0257、0.3596,预测值与真实值的误差范围为-6.672%~9.097%和-21.839%~17.645%。采用反应器出水时校正集相关系数分别达到0.9799、0.9750,校正均方根误差分别为2.8847、4.5015,预测值与真实值的误差范围为-4.445%~5.505%和-7.791%~14.484%。模型总体预测效果较好,说明紫外光谱可以实现对生物短程硝化出水样品进行快速定性和定量分析。     

小型水库建设中土石坝施工与管理措施

指出了土石坝是众多大坝中比较普遍的坝型之一,该坝型广泛应用于各类水库的建设当中。水库建设其施工过程非常复杂,并且其地势较为危险,所以说进行实际施工时,施工过程易被各类问题干扰,从而使该项工程不能达到其最佳效果,降低水库的实际作用。因此,在土石坝工程进行施工时,应依照各类规范规定,将现场施工管理与施工操作巧妙的进行融合,从而确保施工过程安全顺利的实施。基于此,探讨了小型水库建设中土石坝施工过程中的管理措施与施工措施。     

广东南昆山毛竹林结构Weibull分布模型研究

在机械抽取的37块毛竹(Phyllostachys Pubescens)林样地(面积为0.06ha)的基础上,分别建立37个Weibull分布模型:并对模型拟合值和实际值进行误差分析及灰色关联分析,其结果表明模型的拟合效果良好。     

大兴安岭林区森林蓄积量预测模型的研究

将灰色系统理论应用于大兴安岭林区森林蓄积量的预测,建立了灰色系统模型,在建立不同数量原始数据的模型基础之上,比较其模型精度,优选出最佳模型,用于森林蓄积量模拟与预测。模拟值与实际值的误差均符合精度要求。将模型用于森林蓄积量预测,结果表明预测精度达到了99．54％。本研究成果可作为大兴安岭林区森林经营管理的理论参考。     

广东省GDP时间序列预测——基于神经网络与ARIMA模型

文章通过收集1978-2007年的广东省实际GDP,运用ARIMA对广东省GDP进行时间序列预测,为提高预测的精确度,同时采用BP神经网络对ARIMA模型下的误差进行预测,并结合BP神经网络的误差预测值对实际GDP预测值进行修正,从预测结果表明:BP神经网络与ARIMA的组合预测明显优于单一方法的预测。还在组合预测模型下给出了广东省2008-2012年的实际GDP预测值。并将其转化为名义GDP,其中2008年的名义GDP为35597.10亿元,2009年为40591.12亿元和2010年为46537.22亿元。     

某有色金属尾矿及其污染土壤的原位风险管控处置

为降低某尾矿堆对周边土壤和地下水环境造成的重金属污染风险,对该尾矿堆河堆场之下的污染土壤进行了原位封闭阻隔处置。综合考虑尾矿堆的安全稳定性、环境污染现状、水利防洪等因素,提出了采取阻隔屏障、临空面支护隔离及防渗膜+黏土+种植植物覆盖等一系列风险防控措施,从而达到污染源头削减与生态恢复协调控制效果,为尾矿和污染土壤的环境原位风险防控工作起到积极的示范意义。     

基于主成分分析的BP神经网络在电力系统负荷预测中的应用

电力系统负荷预测是电力生产部门的一项重要工作,通过引入BP神经网络算法建立相应的模型,可以提高电力系统负荷预测的精度。BP网络是一种按误差逆传播算法训练的多层前馈网络,是目前应用最广泛的神经网络模型之一,文章利用主成分分析方法对原有的输入空间进行重构来改进模型的预测精度。     

基于GM(1,1)模型群内蒙古森林资源的动态预测

以内蒙古自治区1976-2013年间森林资源连续清查一类数据为基础,通过灰色系统理论与方法,分别建立了内蒙古自治区森林蓄积量GM(1,1)模型群与内蒙古自治区森林面积二阶弱化缓冲GM(1,1)模型群。用其对内蒙古自治区的森林资源蓄积量和面积进行宏观时间序列预测,同时对预测结果进行了综合分析。由于基础数据具有连续性、可比性特征,模拟值与实际值的误差均符合精度要求,切合该自治区森林资源发展变化实际,因此可作为其森林资源监测体系的组成部分,为内蒙古自治区制定林业宏观决策、编制林业发展规划提供理论参考与科学依据,以期实现科学经营森林的管理模式以及森林资源的可持续发展。     

基于混合效应模型及EBLUP预测美国黄松林分优势木树高生长过程

【目的】基于加拿大哥伦比亚省美国黄松79株解析木数据,研究如何用经验线性无偏最优预测法( EBLUP)预测优势木树高生长过程,并分析预测精度与观测次数、观测间隔和预测时长的关系。【方法】随机抽取49株解析木数据拟合树高生长混合效应模型,30株解析木数据用于 EBLUP 的预测分析。树高生长模型以Richards,Logistic,Korf等为基础模型,选用AIC,BIC及Loglik 3个统计量评价模型的拟合效果。模型拟合用R软件的 nlme函数实现,预测分析以预测误差均方( MSPE)为评价标准。在分析观测间隔、观测次数和预测时长对 MSPE的影响时,为分离出1个因素的影响效果,将2个因素保持不变,以分析第3个因素的影响作用。在 R 软件拟合结果的基础上,用SAS的IML过程进行EBLUP预测分析。【结果】拟合结果表明,Logistic方程的拟合精度最高,选为EBLUP预测分析的基本模型。预测分析结果表明,观测次数、观测间隔和预测时长对预测精度均有显著影响。随着观测次数的增加,MSPE一般表现出减少的趋势,但下降幅度与观测间隔有关：当间隔较大时,不同的观测值可以提供更充分的生长过程信息,因而可以显著降低 MSPE 值;但当间隔较小时,观测值所提供的生长信息相互重叠,对提高预测精度的增益有限。从预测时长角度看,在观测值附近一定区域内,EBLUP预测结果非常精确,但随着预测时长增加,预测误差呈逐渐增加的趋势。【结论】EBLUP 预测相当于两阶段拟合过程的第二阶段。第一阶段拟合为估计混合参数模型确定参数的过程,而第二阶段则是在第一阶段拟合结果的基础上,依据一个特定林分的若干树高观测值用 EBLUP法预测此林分的随机效应值,并进一步预测树高生长过程。     

水位趋势法在西苕溪横塘村站的应用

指出了西苕溪流域横塘村站水位受上游洪水及下游回水顶托的双重影响,水位流量关系曲线呈不规则绳套曲线,水位预报难度较大。从实际情况出发,采用简单且效果明显的水位趋势法预报横塘村站水位过程,取得了较为满意的效果,可以作为其他预报方法的重要补充和参考。