-
公开(公告)号：CN118396816A
公开(公告)日：2024-07-26
申请号：CN202410556772.7
申请日：2024-05-07
Applicant: 东莞理工学院
IPC: G06Q50/26 , G06N5/04 , G06F18/20 , G06Q10/063
Abstract: 本发明属于大气治理技术领域，具体公开了一种城市大气污染物与二氧化碳协同控制关系评估方法，首先确定影响大气污染物和二氧化碳排放的影响因素；将各影响因素分别与大气污染物排放浓度进行相关性分析，分别计算其Pearson相关系数，以确定代表性指标；构建城市大气污染物与二氧化碳协同控制关系评估的贝叶斯网络模型，将代表性指标输入为城市大气污染物与二氧化碳协同控制关系评估的贝叶斯网络模型的网络节点；通过其正向推理功能计算目标节点的发生概率分析大气污染物与二氧化碳的协同关系，并建立协同控制坐标系；进而确定具备协同控制潜力的关键节点并采取协同控制措施；本发明可为城市的大气污染物与二氧化碳协同控制潜力评估提供新方法和新途径。
-
Patent Agency Ranking
公开(公告)号：CN114781538B
公开(公告)日：2024-08-23
申请号：CN202210493233.4
申请日：2022-05-07
Applicant: 东莞理工学院 , 中科云遥(东莞)科技有限公司
IPC: G01W1/10 , G06F18/2135 , G06F18/241 , G06N3/0499 , G06N3/084 , G06N3/086 , G06N5/01 , G06F18/243
Abstract: 本发明提供了一种GA‑BP神经网络耦合决策树的空气质量预测方法，首先获取大量气象数据以及污染物排放数据，随后进行主成分分析，确定主要影响因子；构建一种8‑6‑5结构的BP神经网络模型，引入遗传算法进行优化，获取神经网络最优初始权值和阈值，进而对训练数据集进行学习，预测未来污染物排放浓度并进行准确度检验，其次运用基尼指数法确定空气质量指数级别预测决策树模型的根结点、内部结点和叶节点，构建决策树模型，对未来空气质量指数级别进行预测分类。本发明提供了一种预测速度快、系统性强、精确度高的空气质量预测方法，为区域的空气质量预测、空气质量指数等级分类预测开辟新途径，同时可为区域采取空气污染预防措施提供指导和参考。
-
公开(公告)号：CN114881470A
公开(公告)日：2022-08-09
申请号：CN202210493232.X
申请日：2022-05-07
Applicant: 东莞理工学院
Abstract: 一种基于数据的垃圾焚烧发电污染物排放风险诊断预警方法，其特征在于，包括如下步骤：S1：确定烟气污染物排放不稳定的垃圾焚烧发电厂作为目标电厂；S2：获取目标电厂变量数据样本，识别强相关的变量；S3：利用PC结构学习算法进行变量数据的深度挖掘；S4：利用MLE算法处理步骤S2产生的数据样本，进一步对烟气污染物不稳定排放的贝叶斯网络模型进行样本训练；S5：验证准确率是否大于90％；S6：基于目标电厂“烟气污染物不稳定排放”贝叶斯网络模型的风险量化评估；S7：确定关键风险因子，采取关键防控措施；本发明可实现垃圾焚烧发电厂烟气污染物排放浓度波动情况预测以及关键风险因子溯源，为中国垃圾焚烧发电厂烟气污染物稳定排放提供新方法和新途径。
-
公开(公告)号：CN114548759A
公开(公告)日：2022-05-27
申请号：CN202210160240.2
申请日：2022-02-22
Applicant: 东莞理工学院 , 中科云遥(东莞)科技有限公司
Abstract: 一种城市机动车尾气过量排放风险预测与量化评估方法，包括：选择目标城市与标准城市，根据目标城市与标准城市的空气质量差异，确定风险因子，构建目标城市机动车尾气过量排放贝叶斯网络，确定目标城市机动车尾气过量排放贝叶斯网络条件概率表；根据目标城市和标准城市相关统计数据，构建算法结合数据抽取和筛分确定目标城市机动车尾气过量排放贝叶斯网络根节点的发生概率；根据条件概率表和发生概率对目标城市机动车尾气过量排放贝叶斯网络进行风险量化评估，得到风险量化评估结果，并确定关键风险因子，根据关键风险因子制定相关防控措施；本申请可实现城市机动车污染状况预测和关键风险因子精确溯源，为城市机动车污染防治提供新方法和新途径。
-
公开(公告)号：CN114548758A
公开(公告)日：2022-05-27
申请号：CN202210160220.5
申请日：2022-02-22
Applicant: 东莞理工学院 , 中科云遥(东莞)科技有限公司
Abstract: 本发明公开了一种水泥行业二氧化碳过量排放综合评估方法，包括S1、建立水泥行业二氧化碳过量排放事故树；S2、将水泥行业二氧化碳过量排放事故树转化为层次分析模型并构建成对比较矩阵；S3、计算层次分析模型中的指标层的权重，并对权重进行一致性检验；S4、计算底事件的灰色关联度；S5、根据指标层的权重和底事件的灰色关联度计算综合指数，确定关键风险因子。本发明能够辨识关键风险因子并且减小了使用单一方法在“水泥行业二氧化碳过量排放”风险评估中可能出现的偏差，为水泥行业二氧化碳过量排放风险提供了一种新的综合评估方法。
-
公开(公告)号：CN114781538A
公开(公告)日：2022-07-22
申请号：CN202210493233.4
申请日：2022-05-07
Applicant: 东莞理工学院 , 中科云遥(东莞)科技有限公司
Abstract: 本发明提供了一种GA‑BP神经网络耦合决策树的空气质量预测方法，首先获取大量气象数据以及污染物排放数据，随后进行主成分分析，确定主要影响因子；构建一种8‑6‑5结构的BP神经网络模型，引入遗传算法进行优化，获取神经网络最优初始权值和阈值，进而对训练数据集进行学习，预测未来污染物排放浓度并进行准确度检验，其次运用基尼指数法确定空气质量指数级别预测决策树模型的根结点、内部结点和叶节点，构建决策树模型，对未来空气质量指数级别进行预测分类。本发明提供了一种预测速度快、系统性强、精确度高的空气质量预测方法，为区域的空气质量预测、空气质量指数等级分类预测开辟新途径，同时可为区域采取空气污染预防措施提供指导和参考。
-
-
-
-
-
Search Results
6
records
(took 0.019 seconds)
