简介:为了给工业界提供一种快速预测二元混合液体自燃温度的有效途径,将试验所测不同组分及配比的168个二元混合液体的自燃温度作为期望输出,将基于电性拓扑状态指数(ETSI)理论、引入混合ETSI概念而计算出的9种原子类型所对应的混合ETSI作为输入,采用三层BP神经网络技术建立了根据原子类型混合ETSI来预测混合液体自燃温度的BP神经网络模型,并应用改进的Garson算法进行多参数敏感性分析。经模型评价验证及稳定性分析,得到训练集的决定系数R2为0.965,平均绝对误差MAE为11.892K,测试集的交叉验证系数Q2ext为0.923,平均绝对误差MAE为15.530K,发现该模型的预测性能优于已有的多元非线性回归(MNR)模型,表明BP神经网络模型具有较好的拟合能力和预测能力,对烷、醇类混合体系自燃温度的预测精度最佳。
简介:为了判别MM5和WRF两种模式下高空气象数据模拟结果的差异性和可替代性,系统比较了两个中尺度气象数值模式的差异,应用WRF和MM5分别模拟了2010年北京某参照地点高空气象场的温度、露点温度、风场和相对湿度,对比分析了两种气象模式模拟结果的垂直廓线差异和时间变化差异。结果表明,除近地层和约8000m以上的高层模拟值略有偏差外,WRF和MM5模拟的各气象要素的垂直廓线变化一致,吻合度非常好。两模型对气象数据模拟结果的相关系数达89%-99%。WRF和MM5模拟的各气象要素的日变化趋势也基本一致,除对风速和风向模拟值间的相关系数低于81%外,温度、露点温度和相对湿度模拟值间的相关系数达84%~98%。因此,两模式可相互替代用于环境影响评价高空气象数据的模拟。