基于多元混合时序分析及灰色理论的水华藻类生长阶段多因素预测方法

在水华防治工作中,水华预测一直都是1个难点,由于藻类水华整个生成过程各阶段的变化机理不尽相同,现有预测方法采用某1个模型对水华生成的全过程进行建模预测并不合理。因此本文针对水华生成过程中持续时间最长且变化规律明显的藻类生长阶段,采用多元时序分析技术,通过对藻类生长阶段中的多特征因素时序建模分析,以影响和表征藻类生长的特征因素作为模型输入和输出,考虑藻类生长阶段的趋势性、周期性、随机性变化规律,建立多元混合时序模型,并结合灰色理论思想,改进模型预测算法,从而提出基于多元混合时序分析及灰色理论的水华藻类生长阶段多因素预测方法,以实现对包含影响因素在内的特征因素变化特性的全面描述和预测以及对模型预测精度的进一步提高。采用本文方法及传统方法分别对江苏太湖水华特征因素监测数据进行建模预测,结果表明,基于本文方法的水华特征因素预测结果与实测结果更相符、预测平均误差绝对值更小。     

基于Bagging集成学习的水华预测方法研究

随着经济社会的高速发展和工业化建设程度不断提高,水环境问题已经严重影响甚至威胁了人类的健康。近年来,国家大力推行水环境的预测预警,许多专家学者利用人工神经网络等智能方法在富营养化评价及水华预测中得到了较为广泛的运用,也取得了一定成效。然而,人工神经网络的性能受到样本训练算法等方面的影响,在选取合适的神经网络模型、算法以及设置参数麻烦、耗时。随着问题复杂程度的增加,单个网络的隐层节点数将增加很多,训练时间将大大增加,从而造成训练困难。且由于训练过度或不够,往往导致泛化能力较差。为解决此问题,本文在对湖库水华形成机理深入分析的基础上,建立了BP网络的水华预测模型,并利用Bootstrap采样技术获取不同的数据集,分别训练多个BP网络,最终将多个网络进行集成用于建立太湖流域水华预测模型。通过基于Bagging算法的集成学习,可以对样本包含的信息进行充分挖掘,更全面的刻画因素之间的相互联系和变化规律。实验表明基于Bagging算法的BP网络集成模型预测结果与单个BP网络模型预测结果对比,具有较高的预测能力,从而获得了相对理想的预测效果。     

岸站式河湖水质远程监控柜设计与开发

随着我国工业化进程的加速,河湖水体污染现象日益加剧,已经严重威胁到我国的经济和社会发展。鉴于目前河湖水质监测手段落后和水质评价困难的现状,本文设计了岸站式河湖水质远程监控柜。该监控柜主要安放于河湖岸边,利用水质传感器实时采集河湖的水质信息参数,连同监控柜的状态信息等通过无线网络上传至上位机监控平台,对采集到的水质信息进行分析处理,实现了对河湖水质状况的有效监测,且兼具门禁指纹认证、枯水检测等功能。同时,为了对河湖水质状况做出及时、客观的评价和分级,结合改进层次分析法与熵权法的特点,提出一种水质参数权重确定算法。该算法既兼顾了决策者的偏好,同时又尽量减小了赋权的主观随意性,促使主观与客观评价相统一,且计算较简便、可操作性好。将上述算法嵌入到监控柜上位监控系统中,在唐山青龙河水域进行了系统测试,测试结果表明该监控柜系统运行正常,可以实时获取青龙河的水质信息参数,对河湖水质状况做出及时、客观的评价和分级,实现对河湖水质的综合分析与管理,进而为河湖水环境保护提供一种有效地辅助决策平台。     

基于蒙特卡罗仿真的湖库水质预测及富营养化风险评估方法

已有的水质预测研究通常是单值预测,并以此为依据分析富营养化状态,具有一定的偶然性和不确定性。结合水质动力学模型,提出了一种基于蒙特卡罗仿真的湖库水质预测及富营养化风险评估方法。在已知水质动力学模型水质指标和模型参数的先验分布基础上,利用蒙特卡罗仿真预测水质指标的演化过程,获得未来时刻水质指标取值的概率分布,实现水质预测。进一步,构造综合营养状态指数,结合水质指标预测结果,计算综合营养状态指数的概率分布和处于不同营养程度的概率,实现富营养化风险评估。仿真结果表明,该方法能够有效实现水质预测和富营养化分析,且考虑更加全面、准确,克服了单值预测结果带来的偶然性。     

永磁同步电机转子初始位置检测算法研究

针对永磁同步电机在启动时如果无法准确检测出转子的初始位置,导致在进行矢量控制时无法准确实现磁场定向,从而严重影响定位精度,同时也会对启动时的电流控制性能造成一定影响的问题,提出了一种采用有限状态机的转子初始位置检测算法,通过有限状态机控制转子位置自学习的流程,实现转子初始位置的读取.实验结果表明,使用上述算法进行初始定位,可以精确检测出转子的初始位置,且具有初始定位不存在抖动,易于编程实现等优点,提高了永磁同步电机启动时的电流控制性能.     

基于图像的皮肤纹理评价算法研究

皮肤表面纹理或微轮廓的量化评价对抗皱宣称的化妆品功效评价有重要意义。基于皮肤美容领域的应用需求和日常生活的实际需要,结合图像处理领域的相关算法,对皮肤的基础纹理特征展开了研究。首先,将实验实测的皮肤图像转为灰度图像,再通过对比度受限的自适应直方图均衡化对图像进行增强,之后通过高斯滤波去除图像的噪声,再采用维纳滤波对纹理的细节信息进行增强,得到纹理清晰的皮肤图像。通过实验确定适合于皮肤纹理评价的灰度共生矩阵的灰度级数和距离,基于灰度共生矩阵算法对皮肤纹理进行统计分析,提出了基于4个纹理特征参数的综合指标数学模型,并应用该模型对全部皮肤图像进行了纹理特征定量评价,同时也由专家对这些皮肤图像进行视觉盲评,2种评价方法一致性良好。     

加工过程对稻麦重金属含量影响研究进展

稻麦是我国的主要粮食作物,其在生长过程中易富集重金属元素,稻麦中的重金属元素通过供应链进入人体,摄入过量的重金属元素会对人的健康造成极大损害。由于我国部分种植地区的土壤或灌溉水源存在受工业排放废弃物污染的现象,使农作物的重金属含量超标,从而对食品安全造成很大威胁。目前研究表明稻谷和小麦中的重金属含量受加工过程和方法的显著影响,稻谷的砻谷、碾米等工艺可以不同程度地降低大米的重金属含量,小麦的制粉工艺也有降低小麦粉重金属含量的效果;加工中机械设备可能对产品造成二次重金属污染。明晰加工过程对稻麦重金属含量的影响对稻麦加工环节设计与控制有着重要的指导意义。本文简单介绍了重金属在稻米和小麦中存在的化学价态以及在各部分结构中的分布规律,并重点评述了典型加工环节对大米和小麦中重金属含量的影响,并对其研究现状进行了总结梳理与分析,以期对稻麦加工中重金属污染的防治起到借鉴作用。     

基于优化的灰色关联分析-极限学习机食用油污染物风险评价模型研究

近年来食用油安全事故频发,为降低这类事件的威胁,对其风险评价模型进行研究有着极其重要的意义。针对目前食用油检测数据高维性、非线性、离散性和含噪声的特点,现有风险评价模型存在噪声抑制能力差、评价不准确和模型参数调整主观性强等问题。对此,本实验提出一种食用油污染物风险评价模型。首先进行风险指标筛选以及数据预处理,然后将处理后的数据输入到基于小波阈值法的滤波模块中进行滤波,随后通过灰色关联分析计算各风险指标的权重来制定多指标综合风险值标签;由极限学习机(extreme learning machine,ELM)对综合风险值进行预测,在上述过程中利用实用贝叶斯优化算法分别来优化滤波模块和ELM网络的参数;最后利用模糊综合分析对预测综合风险值进行风险等级划分。本研究依托150组食用油数据进行分析,详细阐述了该模型的使用流程,通过不同模型对比实验,本研究模型决定系数R²和均方根误差分别为0.056 3和0.946 1,进一步验证了方法的优越性和有效性,可以为相关部门制定风险控制策略、抽检策略以及优化加工链提供更为合理的依据。     

基于跟踪微分器的永磁同步电主轴电流控制算法

永磁同步电主轴电流PI调节器存在阶跃响应超调与跟踪速度之间的矛盾,造成电流跟踪过程出现超调,增加了PI参数的整定难度。其原因主要是,控制的“快速性”与“超调”之间的矛盾是PI调节器的固有属性,为此,根据自抗扰控制理论,提出采用跟踪微分器为d轴和q轴电流指令安排过渡过程的方法,使PI调节器对输入电流阶跃信号的跟踪更加平滑。仿真和实验结果表明：相比于采用积分分离设计的PI调节器,该方法使电流更快速、平滑地跟踪指令值,且跟踪过程无超调,增强了电主轴电流控制的鲁棒性。