采用Gleeble-3500热物理模拟机对7050铝合金进行等温热压缩实验,获得了合金在变形温度为300~450℃以及应变速率为0.001~1 s^(-1)条件下的应力应变数据。在此基础上,建立了经灰狼优化算法(Grey wolf optimization,GWO)优化的反向传播神...采用Gleeble-3500热物理模拟机对7050铝合金进行等温热压缩实验,获得了合金在变形温度为300~450℃以及应变速率为0.001~1 s^(-1)条件下的应力应变数据。在此基础上,建立了经灰狼优化算法(Grey wolf optimization,GWO)优化的反向传播神经网络(BPNN)、支持向量机(SVR)和随机森林(RF)模型并验证其预测精度。结果表明:经过GWO优化的BPNN、SVR和RF模型预测精度高于原始模型;GWO-BPNN与GWO-RF模型的预测精度比较接近,且均高于GWO-SVR;在外推数据预测上,GWO-BPNN模型的预测精度更高,在内插数据预测上,GWO-RF模型的预测精度更高。不同机器学习模型对流动应力数据的拟合效果不同,其预测精度也存在差异。展开更多
PM_(2.5)对大气环境和人类健康危害极大,及时准确地掌握高时空分辨率的PM_(2.5)浓度对空气污染防治起着重要作用.基于粤港澳大湾区2015~2020年多角度大气校正算法(MAIAC)1 km AOD产品、ERA5气象资料和站点污染物浓度(CO、O_(3)、NO_(2)...PM_(2.5)对大气环境和人类健康危害极大,及时准确地掌握高时空分辨率的PM_(2.5)浓度对空气污染防治起着重要作用.基于粤港澳大湾区2015~2020年多角度大气校正算法(MAIAC)1 km AOD产品、ERA5气象资料和站点污染物浓度(CO、O_(3)、NO_(2)、SO_(2)、PM10和PM_(2.5)),分别建立了估算PM_(2.5)浓度的时空地理加权模型(GTWR)、BP神经网络模型(BPNN)、支持向量机回归模型(SVR)和随机森林模型(RF).结果表明,RF模型的估算能力优于BPNN、SVR和GTWR模型,BPNN、SVR、GTWR和RF模型的相关系数依次为0.922、0.920、0.934和0.981,均方根误差(RMSE)分别为7.192、7.101、6.385和3.670μg·m^(-3),平均绝对误差(MAE)分别为5.482、5.450、4.849和2.323μg·m^(-3);RF模型在季节PM_(2.5)的预测中以冬季效果最佳、夏季次之、春季和秋季再次,预测值与实测值的相关系数在0.976以上;RF模型可用于大湾区PM_(2.5)浓度的预测分析研究.在时间上,大湾区各市2021年逐日ρ(PM_(2.5))呈“先减后增”的变化趋势,最高值在65.550~112.780μg·m^(-3),最低值介于5.000~7.899μg·m^(-3);月均浓度变化呈“U”型分布,1月开始降低至6月达到谷值后逐渐升高;季节上表现为冬季浓度最高、夏季最低、春秋季节过渡的特点;大湾区年均ρ(PM_(2.5))为28.868μg·m^(-3),低于年均二级浓度限值.空间上,2021年PM_(2.5)呈“西北-东南”递减的特征,高污染区域聚集在大湾区的中部,以佛山为代表;低浓度区主要分布在惠州东部、港澳和珠海等沿海地区;不同季节PM_(2.5)浓度在空间分布上也表现出异质性和区域性.RF模型估算了高精度PM_(2.5)浓度,为大湾区PM_(2.5)污染相关的健康风险评估提供了科学依据.展开更多
文摘采用Gleeble-3500热物理模拟机对7050铝合金进行等温热压缩实验,获得了合金在变形温度为300~450℃以及应变速率为0.001~1 s^(-1)条件下的应力应变数据。在此基础上,建立了经灰狼优化算法(Grey wolf optimization,GWO)优化的反向传播神经网络(BPNN)、支持向量机(SVR)和随机森林(RF)模型并验证其预测精度。结果表明:经过GWO优化的BPNN、SVR和RF模型预测精度高于原始模型;GWO-BPNN与GWO-RF模型的预测精度比较接近,且均高于GWO-SVR;在外推数据预测上,GWO-BPNN模型的预测精度更高,在内插数据预测上,GWO-RF模型的预测精度更高。不同机器学习模型对流动应力数据的拟合效果不同,其预测精度也存在差异。
文摘PM_(2.5)对大气环境和人类健康危害极大,及时准确地掌握高时空分辨率的PM_(2.5)浓度对空气污染防治起着重要作用.基于粤港澳大湾区2015~2020年多角度大气校正算法(MAIAC)1 km AOD产品、ERA5气象资料和站点污染物浓度(CO、O_(3)、NO_(2)、SO_(2)、PM10和PM_(2.5)),分别建立了估算PM_(2.5)浓度的时空地理加权模型(GTWR)、BP神经网络模型(BPNN)、支持向量机回归模型(SVR)和随机森林模型(RF).结果表明,RF模型的估算能力优于BPNN、SVR和GTWR模型,BPNN、SVR、GTWR和RF模型的相关系数依次为0.922、0.920、0.934和0.981,均方根误差(RMSE)分别为7.192、7.101、6.385和3.670μg·m^(-3),平均绝对误差(MAE)分别为5.482、5.450、4.849和2.323μg·m^(-3);RF模型在季节PM_(2.5)的预测中以冬季效果最佳、夏季次之、春季和秋季再次,预测值与实测值的相关系数在0.976以上;RF模型可用于大湾区PM_(2.5)浓度的预测分析研究.在时间上,大湾区各市2021年逐日ρ(PM_(2.5))呈“先减后增”的变化趋势,最高值在65.550~112.780μg·m^(-3),最低值介于5.000~7.899μg·m^(-3);月均浓度变化呈“U”型分布,1月开始降低至6月达到谷值后逐渐升高;季节上表现为冬季浓度最高、夏季最低、春秋季节过渡的特点;大湾区年均ρ(PM_(2.5))为28.868μg·m^(-3),低于年均二级浓度限值.空间上,2021年PM_(2.5)呈“西北-东南”递减的特征,高污染区域聚集在大湾区的中部,以佛山为代表;低浓度区主要分布在惠州东部、港澳和珠海等沿海地区;不同季节PM_(2.5)浓度在空间分布上也表现出异质性和区域性.RF模型估算了高精度PM_(2.5)浓度,为大湾区PM_(2.5)污染相关的健康风险评估提供了科学依据.
