基于人工蜂群算法的BP双隐含层神经网络水质模型

采用人工蜂群算法优化BP神经网络的初始权值和阈值,同时采用双隐含层来提高网络精度,选取DO、IMn、COD、BOD5和NH3-N作为评价指标,建立一个基于人工蜂群算法的BP双隐含层神经网络模型,并应用该模型对2012年黄河水系下河沿断面的各月监测数据进行水质评价,同时与BP神经网络、模糊层次评价方法作比较。结果表明:基于人工蜂群算法的BP双隐含层神经网络在水质评价时,均方误差小,多次运行的结果始终一致,评价结果合理有效。     

基于改进U-Net网络与联合损失函数的海南自然保护区高分辨率遥感变化检测模型

海南自然保护区遥感监测对森林资源监测、生态保护及热带亚热带地表研究具有重要意义。基于深度学习方法,针对海南省自然保护区大范围变化检测问题,对U-Net网络结构进行了改进,在每一个卷积层后加入标准化层,以跳线连接的形式将原有卷积模块改进为优化模块,同时在编码器底端添加金字塔池化模块以更好提取全局信息,形成了改进U-Net网络模型。模型训练采用基于交叉熵损失函数和广义骰子损失函数构建的联合损失函数,配合多种优化策略实现端到端的地物变化信息提取。该模型应用于公开数据集和研究构建的海南自然保护区数据集的变化检测任务,总体精度分别为97.21%(Kappa系数0.88)和95.12%(Kappa系数0.90),相比原始U-Net效果提升显著。     

渭-库绿洲耕层土壤砷含量高光谱估测研究

以新疆渭干河-库车河三角洲绿洲耕层土壤为研究对象，通过对原始光谱反射率(R)、包络线去除(CR)和一阶微分(R′)变换光谱数据结合连续小波变换生成小波系数，筛选出与砷含量具有极显著相关性的特征波段(P<0.001),运用偏最小二乘回归、BP神经网络、随机森林回归及支持向量机回归分析方法建立耕层土壤砷含量的高光谱估测模型。结果表明，经一阶微分结合连续小波变换处理后，光谱数据与砷含量之间的相关性提升尤为明显。综合考虑各模型估测精度及稳定性，认为R′-CWT-2⁶-SVMR模型可作为研究区耕层土壤砷含量的最佳估算模型，其训练集和验证集的决定系数(R²)分别为0.753和0.740,均方根误差(RMSE)分别为1.350 mg/kg和1.819 mg/kg,相对分析误差(RPD)分别为2.03和2.00。     

BP网络应用于大气颗粒物的源解析

应用BP网络对大气颗粒物进行源解析,将大气采集样本中的元素含量和大气颗粒物源成分谱构成训练样本集,用BP网络进行训练,由训练好的网络的权值可以计算出大气颗粒物的污染排放源的权重贡献率.将BP源解析法的计算结果与其它源解析法得到的结果比较,表明BP网络应用于大气颗粒物的源解析是可行的.     

基于三层C/S模式的室内空气品质监测与评价系统

阐述了对室内空气品质进行远程监测与评价的必要性,介绍了基于三层C／S模式的室内空气品质监测与评价系统的结构与工作流程,以及网络环境下三层C／S模式的实时监测系统的结构与功能,指出该系统为准确监测和科学评价室内空气质量提供了有力的工具和保障。     

数据融合技术在环境监测网络中的应用与思考

按照环境监测网络的信息处理结构,将网络划分为采集层、网络层和应用层,归纳了数据级融合、特征级融合、决策级融合3层融合级别,介绍了加权平均、卡尔曼滤波、人工神经网络、支持向量机、遗传算法、贝叶斯系统等在环境监测数据分析中的应用,指出当前面临的数据处理技术不成熟、评价体系不完善和数据质量监管能力不足等问题,提出优化网络结构、数据多元应用和强化决策支持等研究建议。     

广州市天地空一体化环境空气质量监测网络的建设

简述了原有广州市环境空气自动监测网络情况,通过对环境空气自动监测网络的集成优化,增设站点、扩展监测项目和引入新技术,建立了一个"金字塔形"的集天地空一体化的环境空气监测网络,弥补了原有监测网络在反映环境空气质量总体水平、污染来源解析、预报预警所需的环境质量信息、对环境空气质量的评估等方面的不足,该网络已成功应用于广州亚运会的空气质量保障。     

陆地气溶胶细模态比的有效反演算法

提出了基于卫星气溶胶光学厚度(AOD)和恩格指数反演气溶胶细模态比(FMF)的新算法，该算法采用更准确的气溶胶模型，构建了以AOD和FMF为变量的二维查找表。将该算法用于北京和Jaipur两个地区FMF反演，并与AERONET和MODIS的FMF作比较。结果表明，新算法反演的FMF与AERONET的FMF的相关系数为0.656,而MODIS C6与AERONET的FMF相关系数为0.436;以AERONET的FMF为标准，新算法的均方根误差为0.156,低于MODIS C6的均方根误差(0.318);新算法的反演结果中有90%处于±0.4的误差范围内，而MODIS C6的FMF只有57.4%处于该误差范围内。     

基于自回归GA-BP神经网络的AQI预测

基于徐州市2013年12月—2018年11月的空气质量指数日均值,建立了时间序列自回归输入的GA-BP神经网络模型用于空气质量指数预测。结果表明,所建立的网络模型能够准确预测徐州市空气质量指数的变化趋势,其中夏季预测相对误差18. 23%,仿真均方根误差(RMSE)为14. 59;冬季预测相对误差9. 14%,仿真RMSE为11. 47。     

国家地表水环境质量评价、分析与表征系统初步构建

随着国家地表水环境质量监测网络的优化调整以及水质自动监测与采测分离手工监测相结合模式的完全确立,每个月产生数百万计的监测数据。为全面支撑海量监测数据的传输、融合、处理、挖掘、分析、表征,构建了国家地表水环境质量评价、分析与表征系统。通过在多源异构数据融合、智能化数据质量控制、多层级水质评价与统计分析、地图动态数据表征等方面的技术创新,构建了包括数据来源层、数据存储层、应用支撑层、业务应用层和表征展示层5个主要部分的系统。形成了"一个融合、两个数据库、三个应用、四个中心",实现了数据集成融合、数据共享互通、数据统计分析、水质报告生成、地图空间表征、综合大屏展示等6个方面主要功能。应用于国家地表水环境监测评价业务工作,能够及时、直观、准确、全面地展现全国地表水环境质量状况,为全国地表水环境质量管理决策、业务处理、科学研究提供有效的信息支撑。     

基于BP神经网络的贵阳市空气质量指数预报模型

采用贵阳市2013年1月1日—2015年12月31日的空气质量指数(AQI)日均值,常规的地面和高空观测资料,基于不同季节,调整BP神经网络的隐藏层个数和隐藏层节点数,建立不同的BP神经网络预报模型,进行参数检验,最终选取预报效果最好的模型带入实况进行检验。结果表明,夏季的预报效果最好,采用的模型TS评分为81.6%,平均绝对误差为9.1,正确率为97.4%,用该模型检验预报效果,实况和预报的相关系数为0.71,平均误差为9;而冬季的预报效果明显低于其他季节,采用的模型TS评分为65.7%,平均绝对误差为19.5,正确率为72.9%,用该模型检验预报效果,实况和预报的相关系数为0.79,平均误差为19。而且BP神经网络模型的预报效果同隐藏层个数与隐藏层节点数没有显著关系。     

新疆沙尘暴环境影响监测网络体系建设探讨

探讨了新疆沙尘暴环境影响监测网络建设的目的、意义,并探索性地提出以新疆环境监测中心站为中心,博尔塔拉、哈密、吐鲁番、巴音郭楞、阿克苏、喀什、和田环境监测站为分支的“梅花型”新疆沙尘暴环境影响监测网络体系。     

论组建三级环境监测网的必要性和重要性

论述了组建三级环境监测网的必要性和重要性及在环境监测中的作用,组建三级环境监测网是环境监测工作不断拓展和深化发展的需要。     

国家环境监测网质量体系的构建

为适应国家生态环境监测网的统一布局和监测任务事权上收的新形势,强化国家对环境监测的统一管理,创新性构建了以全程序全要素为核心、体现国家管理特征的国家环境监测网质量体系框架,形成了一套规范化的质量体系文件,包括质量手册、程序文件、作业指导书和记录表格等。     

海南省省控土壤环境监测基础点位布设思路与方法

为满足新时期土壤污染防治管理要求，掌握海南省土壤环境质量状况及变化趋势，海南省亟需加强省控土壤环境监测基础点位布设，完善土壤环境监测网。通过梳理海南省土壤环境监测工作基础和监测网络构建情况，形成了省控基础点位布设思路、原则和方法，并应用GIS技术完成点位布设。海南省省控土壤环境监测基础点位基本覆盖了海南省农用地主要土壤类型和成土母岩，监测结果可以反映海南省农用地土壤环境质量整体状况。     

Optimizing the Monitoring Strategy of Wastewater Treatment Plants by Multiobjective Neural Networks Approach

This paper applies artificial neural network (ANN) to model the observed effluent quality data. The ANN’s structure, involving the number of hidden layer and node and their connection, is determined endogenously by resorting to the compromise of data cost minimization and prediction accuracy maximization. To obtain the best compromise possible, the model introduces an aspiration variable (μ) that represents the level of aspiration achieved in one objective and the conjugate of μ, (1 − μ), represents level of aspiration achieved in the other objective. Because a massive amount of calculation is required, the model applies genetic algorithm (GA) for its computational flexibility and capability to ensure global solution. Feasibility and practicality of the model is tested by a case study with a set of 150 daily observations on 17 operational variables and quality parameters at an industrial wastewater treatment plant (WTP) located in southern Taiwan. Of these 17 variables open to selection, only 6 variables, wastewater flow rate (Q), CN⁻, SS, MLSS, pH and COD are selected by the model to achieve the maximum accuracy of prediction, 0.94, with a total cost of 5,950 NT$. By constraining budget availability, the variables included in the model are reduced in number, causing a concomitant reduction in prediction accuracy, that is, by varying μ (aspiration level of accuracy), a trajectory of cost and accuracy is generated. The calculation results a cost of 3,650 NT$ and 0.54 accuracy for the case with variables including flow rate, SCN⁻ and SS in equalization basin; aeration tank hydraulic retention time (HRT) and percentage of returned sludge (R%) are selected for building the prediction model when the importance of required budget is equal to the accuracy of prediction model. In addition, when required cost for building ANN model is between 3,650 NT$ and 3,900 NT$, the marginal return of budget input is highest in the entire range of calculation.     

大气超级站网建设及在江苏区域的集成应用实践

当前全球大气环境问题趋于复杂化,区域性灰霾、酸雨和以臭氧、二次有机气溶胶生成为主的光化学污染问题成为大气环境保护领域关注的重点、热点问题。江苏省大气污染由过去单一的煤烟型污染逐步转变为多种污染物、多种作用机制同时存在且相互影响的复合型污染,成为影响广大人民群众身体健康和生态文明发展的重要因素。笔者对欧美和中国关于大气超级站网设计和建设进行了简要评述和比较分析,提出适合江苏省环境监测体系现状的大气复合型超级站网建设、区域数据综合集成及应用发展等方面的建设理论。     

国家水环境质量监测网络发展历程与展望

阐述了水环境质量监测的定义和目的，介绍了构成国家水环境质量监测网络的6个子网，即地表水环境质量监测网、地表水环境质量自动监测网、地下水环境质量监测网、饮用水源地环境质量监测网、水污染防治专项规划水体环境质量监测网和锰三角地区水环境质量监测网的发展历程与现状。指出了目前该网络存在的不足，提出建立水环境质量监测网络设计技术体系、扩大监测网覆盖面、扩展监测项目等建议。