螯合柱撑有机膨润土同时吸附去除冶炼废水中的镉和苯酚

采用表面活性剂十六烷基二甲基苄基氯化铵(HDBAC)和螯合剂四乙烯五铵(TEPA)复合改性制备成螯合柱撑有机膨润土(MB),通过批量试验研究MB对冶炼废水中镉和苯酚的去除效果。结果表明,(1)当HDBAC载入量为80%膨润土阳离子交换容量(CEC),螯合剂和膨润土的配比为0.4 mL/g,吸附时间为60 min,pH=7.0的条件下,MB对镉和苯酚的去除率分别可达85.1%和89.6%;(2)采用MB处理同时含镉和苯酚的模拟冶炼废水,镉的去除率随着苯酚浓度的增大而增大,而苯酚的去除率受镉浓度的影响较小;(3)MB对实际冶炼废水中镉和酚类物质的去除率分别为88.0%和99.9%,采用生石灰预处理后投加0.01 g MB,废水中苯酚和镉的质量浓度分别为0.001 mg/L和0.01 mg/L,均达到污水综合排放标准(GB 8978-1996),其中镉的排放浓度达到铅、锌工业污染物排放标准(GB 25466-2010)。

改进量子粒子群算法的模糊神经网络水质评价

传统的粒子群算法训练神经网络的水质评价模型有学习速度慢,容易陷入局部最优和精确性不高的缺点。为了克服模型的缺点,提出了利用改进的自适应量子粒子群算法训练T-S模糊神经网络的新模型,新的自适应量子粒子群算法通过在算法中引入聚集度的概念,使得算法可以在迭代中自适应地调整收缩扩张系数,让算法更具动态自适应性。新的模型结合了量子粒子群算法和T-S模糊神经网络的优点,提高了模型的泛化能力。通过对东江湖流域站点2002到2013年的水文数据进行实验,结果显示,该模型比其他神经网络模型的评价结果具有更高的效率,适合被用于日常水质评价工作。

自适应局部半径的DBSCAN聚类算法

经典的基于密度的聚类方法 DBSCAN算法需要指定邻域半径和最小数据点阈值两个基本参数.这两个参数的确定对聚类结果的影响非常大.目前缺少有效的参数选择确定方法,同时DBSCAN算法在聚类过程中,使用统一的邻域半径参数,使得密度不均匀集上的聚类质量不高.本文提出一种自适应选择局部半径的密度聚类算法(SALE-DBSCAN),通过确定密度峰值点,自适应选择聚类的局部邻域半径,简化了参数选择的过程;通过使用自适应选择的局部邻域半径扩张密度峰值点的邻域进行聚类,提高了聚类结果质量.实验结果表明,本SALE-DBSCAN算法相较其他密度聚类算法的聚类结果更加准确.

融合分类优化与拓展策略的粒子群优化算法

针对传统的粒子群算法易陷入局部最优、后期收敛速度慢、精度低等缺点,提出了一种融合分类优化与拓展策略的粒子群优化算法.该算法对易陷入局部最优的粒子群采用分类优化拓展策略,淘汰劣质解,并采用拓展策略生成新的优质解,以提高粒子群优化算法的收敛精度,同时通过采取一种正态演化变异策略,搜索当前最优粒子的邻域空间的方式增强局部开采能力,以尽量避免算法陷入局部最优.实验针对6个经典函数利用智能优化搜索算法对其求最小值问题上进行仿真测试,结果表明本文提出的改进算法在解的精度上明显优于一些知名的改进粒子群优化算法,尤其在多峰函数上表现更为突出.

一种基于密度峰值的高效分布式聚类算法

基于密度峰值的聚类算法(DPC)是最近提出的一种高效密度聚类算法。该算法可以对非球形分布的数据聚类,有待调节参数少、聚类速度快等优点,但在计算每个数据对象的密度值和高密度最邻近距离时,需要进行距离度量,其时间复杂度为。在大数据时代,尤其是处理海量高维数据时,该算法的效率会受到很大的影响。为了提高该算法的效率和扩展性,利用Spark在内存计算以及迭代计算上的优势,提出一种高效的基于E2LSH分区的聚类算法ELSDPC(an efficient distributed density peak clustering algorithm based on E2LSH partition with spark)。算法利用DPC算法的局部特性,引入局部敏感哈希算法LSH实现将邻近点集划分到一个区域。通过实验分析表明:该算法可在满足较高准确率的同时有效提高聚类算法的扩展性和时间效率。

具有适应度选择调整策略的混沌遗传算法及其应用

针对遗传算法在非线性系统优化问题中易陷入局部最优,且大量研究改进后仍存在不足的问题。根据混沌运动的结构特点,提出了一种解决非线性系统优化问题的混沌遗传算法(CGA,ChaosGeneticAlgorithm)。该算法将混沌变量引入遗传算法的优化变量中,使两者的取值范围相互映射,利用更新后的混沌变量转换为“染色体”进行遗传操作,同时根据适应度大小选择需要附加混沌扰动的群体,使变异操作具有导向性,经过多次进化,得出问题的最优解。仿真实验利用多种测试函数和相似的智能优化算法进行对比验证。结果表明,该算法保证了非线性系统优化问题动态响应的速度和寻优结果的精度,定量的评价了混沌遗传算法的优化效果。