基于DPA-BP神经网络的地下水质综合评价

为了提高地下水质量的预测精度,提出了一种由海豚群算法与BP神经网络结合的水体质量评价方法(DPA-BP)。算法的主要思想是将求解BP神经网络最优权值和阈值的过程转化为海豚群捕食寻求最优位置的过程,通过逐代寻优,确定BP网络评价水环境质量的最优权值、阈值。并对文献[9]中8个采样点地下水的数据与其他算法进行对比评价。结果表明,DPA-BP算法对地下水质评价的精确性高、稳定性好,具有较好的鲁棒性和实际工程实用价值。

铁路出租房屋场地存在的主要消防安全隐患及其成因和整改对策

本文基于对铁路物业租赁活动中存在消防问题的分类排查,从管理主体权责、物业功能与设施条件、联动监管效度、相关人员消防素质等方面进行了成因分析,提出了健全铁路物业消防联控机制、完善对租赁双方的现场管控手段、提高消防隐患整改效率、严格合同管理和风险控制、增强铁路出租房屋场地火灾防御和处置突发事件能力等对策。

铁路机车燃油库防雷接地系统的安全措施

机车燃油库是雷击、静电防护的重要目标 ,应设置整体防雷接地系统 ,确保消防安全。由于该系统接闪、引下、接地、分流及静电导除、电源防雷等方面的设计均有特殊要求 ,因此应加强施工质量监督 ,认真组织竣工验收。

DPO—BP在电力负荷短期预测中的应用

电力系统运行过程中,负荷的短期预测具有十分重要的意义。可以将影响负荷的多种因素如气象,待预测日前几天的负荷数据,以及日平均负荷等作为BP神经网络的输入节点,输出负荷值作为网络的输出。本文先将BP神经网络运用到电力负荷的短期预测中,但网络的训练效果受其初始权值、阈值的影响较大,预测效果并不理想。鉴于海豚群算法(DPO)具有收敛速度快、鲁棒性好等优点,将其运用到BP神经网络的权值、阈值优化问题上,并与PSO-BP算法相比,证明了其在短期负荷预测中优越性。

论铁路旅客列车火灾控制

旅客列车火灾控制是旅客列车消防工作的关键,本文从研究旅客列车火灾的特殊危害性剖析主导车型火险致灾因素入手,进而阐明了强化消防安全意识、整改重点火灾隐患、加强日常检查考核绝三品进入站车、提高防御控制能力的控制对策。

加强铁路危险货物运输消防安全工作的思路

随着经济的快速发展,加强铁路危险货物运输消防安全工作的意义更加突出。开展务实有效 的专项整治活动,规范、拓宽危险货物运输安全管理,加强危险货物管理设施建设,提高从业人员业务素质, 逐步形成与社会发展相适应的危险货物运输消防安全管理机制,是当前加强铁路危险货物运输消防安全工 作行之有效的举措。

基于BAPSO-PNN神经网络算法的空气质量评价研究

针对空气质量级别的影响因子较多,存在实时性、非线性和随机变化的特点,提出一种基于频率粒子群优化概率神经网络的算法(BAPSO-PNN)来对空气质量状况进行评价。文章利用改进粒子群算法能够有效调节全局和局部搜索平衡性的优点,对PNN网络中的spread参数进行优化,从而建立BAPSO-PNN算法,并从数据分析的角度来对空气质量状况进行评价,最后与经典算法PSO-PNN的仿真结果进行对比。结果表明,BAPSO-PNN算法具有较高的评价精度、运算和收敛速度,具有较高的实际应用价值。