中短波广播发射台电磁辐射环境影响预测模型

为预测中短波广播发射台的电磁辐射环境影响,根据国家相关电磁辐射标准,研究和分析了中短波广播发射台电磁辐射环境影响理论预测模型,编辑了中短波发射台电磁辐射环境影响计算分析程序,验证发现实际监测符合理论预测.实例计算了中短波发射台周围的电磁辐射影响,表明程序的计算结果可用于指导中短波发射台周围的建设.     

高速公路交通噪声经验预测模式探讨

通过对浙江省内各高速公路交通噪声实测数据的分析,总结和探讨较为简便的高速公路交通噪声经验预测模式,主要讨论车流量、受声点离公路距离和噪声等效声级的相关性,为高速公路交通噪声环境影响预测与评价提供参考。     

检验环境影响预测准确度统计方法的研究近况

开展环境影响评价工作近二十年来，国内外对预测结果准确度的检验尚无制定统一标准，而预测结果的准确与否，又直接影响到环境影响报告书的质量。为此，本文将国内外这方面的研究状况作以评论，以供从事环境影响评价和后评估的专业人员参考     

仪化热电厂周围地区二氧化硫浓度分布规律的研究

通过对仪征化纤厂热电厂现有污染源二氧化硫排放情况、周围地区二氧化硫分布规律、变化规律的调查及浓度的监测分析，并在此基础上做了该厂二氧化硫对环境影响的预测评价。结果表明，周围地区的二氧化硫浓度分布符合国家大气环境质量二级标准。     

厦门市放射性污染源现状调查分析

参照国家环保局颁发的《环境天然放射性水平调查规定》,在厦门市区开展了放射性污染源调查,对厦门市放射性污染源现状进行了分析和研究,对各类放射性污染源的环境影响作出评估,对放射性污染的发展趋势进行了预测,为厦门市放射性环境管理提供了重要的资料。     

城市轨道交通噪声环境影响评价方法及实例分析

基于城市轨道交通噪声环境影响的特点，对城市轨道交通噪声环境影响评价的几个关键问题进行了探讨，构建了城市轨道交通噪声环境影响评价方法及预测模式。以广州市轨道交通六号线为例，对提出的噪声环境影响评价方法进行了实证分析，结果可行。     

乌鲁木齐市城市环境综合整治定量考核初步研究

城市环境综合整治定量考核是中国为保护和改善城市环境质量而实行的一种行政性管理制度。该项制度目前采用20项指标,综合衡量一个城市的环境质量等级,并进行城市间的相互比较。乌鲁木齐市自1989年参加城考以来,成绩一直不理想,特别是环境空气质量得分不理想。本文采用通常方案和减排方案对2008年城考结果进行预测。结果表明,只有采取减排方案,才能改变乌鲁木齐市在全国城考中排名落后的状况。     

泉州市移动通信基站电磁辐射环境影响分析

对泉州市移动通信GSM基站和TD—SCDMA基站电磁辐射状况进行监测与分析。通过理论计算预测基站电磁辐射安全距离，对典型敏感目标、典型基站进行电磁辐射的监测，结果与理论预测情况相符。选取302个GSM基站和306个TD—SCDMA基站进行电磁辐射的监测，结果表明，各基站电磁辐射满足单个项目管理低于目标限值0．08W／m2的标准。分析表明，基站在正常运行时，对周围的电磁辐射环境影响能满足国家相应标准的要求。     

东平湖及上游河段水质分析预测

运用水质数学模型,对东平湖及上游河段各控制断面的水质进行了预测和验证,说明了该预测方案的科学性和可行性。并分析了预测中误差存在的原因,提出了改进措施。     

化工园区环境风险监管与事故应急决策支持系统的构建

针对化工园区危险化学品品种繁多、日常储运量大且集中、事故发生频繁、危害较大的情况,通过建立危险化学品原料、产品、排放及其特性数据库,辨识重大危险源,并利用GIS等先进技术,进行园区废水、废气的日常排放监管,综合统计、预测、评价环境影响程度,结合案例库和救援处置体系,进而构建一个面向园区的污染物排放动态监管与环境污染事故应急决策支持系统。     

中山市岐江河高锰酸盐指数的灰色GM(1,1)预测

以中山市岐江河近7年的高锰酸盐指数监测数据为基础,采用灰色系统理论中的预测方法,建立了岐江河高锰酸盐指数的灰色预测模型.用该模型预测岐江河2003年、2004年、2005年高锰酸盐指数的值分别为4.8、4.7和5.3.     

污水处理厂还原硫化物和臭气浓度的电子鼻监测技术探究

用电子鼻监测技术探究污水处理厂还原硫化物质量浓度和臭气质量浓度预测方法。结果表明,使用响应面分析法(RSM)建立还原硫化物质量浓度与电子鼻响应值关系,构建还原硫化物质量浓度预测模型,准确率可达95%。使用偏最小二乘法(PLS)建立不同质量浓度还原硫化物的传感器响应值与对应臭气质量浓度之间的关系,构建臭气浓度预测模型,并用实际样品验证。     

PSO和SVM混合算法确定太湖入湖河流水质主要影响因子

以影响太湖入湖河流水质的24个因子值为研究对象，将PSO算法与SVM算法相结合。PSO算法用于优化SVM算法的参数c和g，以利于快速、高效地确定c和g的全局最优值；SVM算法基于最优的c和g，分别以24，21，18，15，12，9和6个因子作为特征向量预测水质的污染程度。结果表明，当特征向量为9个影响因子时预测率最高。其参数c=18.56，g=1.35，对应的预测率为：全局预测率92.59%，重度污染水质预测率88.89%，轻度污染水质预测率94.45%。因此，通过PSO和SVM混合算法，可以确定影响太湖入湖河流水质的主要因子，利用这些主要因子对水质进行预测预警，不但可以节省时间，而且可以得到精确的结果。     

Prediction of the effluent from a domestic wastewater treatment plant of CASP using gray model and neural network

When a domestic wastewater treatment plant (DWWTP) is put into operation, variations of the wastewater quantity and quality must be predicted using mathematical models to assist in operating the wastewater treatment plant such that the treated effluent will be controlled and meet discharge standards. In this study, three types of gray model (GM) including GM (1, N), GM (1, 1), and rolling GM (1, 1) were used to predict the effluent biochemical oxygen demand (BOD), chemical oxygen demand (COD), and suspended solids (SS) from the DWWTP of conventional activated sludge process. The predicted results were compared with those obtained using backpropagation neural network (BPNN). The simulation results indicated that the minimum mean absolute percentage errors of 43.79%, 16.21%, and 30.11% for BOD, COD, and SS could be achieved. The fitness was higher when using BPNN for prediction of BOD (34.77%), but it required a large quantity of data for constructing model. Contrarily, GM only required a small amount of data (at least four data) and the prediction results were analogous to those of BPNN, even lower than that of BPNN when predicting COD (16.21%) and SS (30.11%). According to the prediction, results suggested that GM could predict the domestic effluent variation when its effluent data were insufficient.     

基于BP神经网络的儿童卧室内灰尘PAEs浓度预测

在实测数据的基础上,以邻苯二甲酸酯(PAEs)的各类影响因素为自变量,PAEs浓度为因变量,采用Back-propagation(BP)神经网络建立儿童卧室内PAEs浓度预测模型.结果表明,该模型的预测效果较理想,其中,STD比值均＞0.5,NMB均接近0,EMR均＜19％.以室内环境与儿童健康(CCHH)课题组天津地...     

Derivation of unit and flood hydrographs using a gis

A geographic information system (GIS) supporting a flood hydrograph prediction software package is described. The hydrograph prediction method is based on the convolution of excess rainfall with a synthetic unit hydrograph, derived by the Soil Conservation Service runoff curve number and a regional dimensionless unit hydrograph method, respectively. The GIS uses a raster method to store the following data: land use and land cover, soil type, rainfall intensity-frequency-duration statistics, runoff curve numbers (CN), regional dimensionless unit hydrograph, and regional lag-time relationship. The GIS has also the capability of computing a number of watershed and hydrologic parameters required for predictions, such as a watershed average rainfall and CN value, area, centroid, stream length etc. Most of the data for such computations are input from a digitizer. Substantial time and cost savings are possible once the data base has been created. Application of the system is illustrated by an example predicting flood frequency curves for selected watersheds in Alberta's Rocky Mountain foothills, Canada.     

回归分析与灰色系统耦合用于水环境预测研究

探讨了将多元回归分析模型和灰色系统（ＧＭ（１,１））耦合应用于武汉市东湖水体污染预测的方法和技术。首先根据多年污染因子浓度监测资料分别建立了ＣＯＤ、ＢＯＤ、ＴＮ、ＴＰ与人口、经济和捕鱼量之间的多元线性回归方程;之后根据人口、经济和鱼产量的历史资料,用ＧＭ（１,１）模型拟合,再反推得到预测值;最后,将人口、经济和鱼产量的预测值代入多元线性回归方程得到污染物浓度的未来值。这样将环境污染与社会经济联系起来更能反映环境质量的变化趋势。结果表明,到２１ 世纪,东湖水体的ＴＮ、ＴＰ、ＣＯＤ、ＢＯＤ 的浓度将分别是１９８２ 年的２．５８、３．７０、２．４５ 和７．８９ 倍;比１９９２年分别增长３３．５％ 、６８．１８％ 、６８．２８％ 和２２９．２４％ ,将处于超富营养状态,如不及时治理,生态环境将进一步恶化。     

基于多级灰关联法的博斯腾湖水生态健康评价

采用生态系统健康结构和功能指标建立了由物理化学指标体系、生态指标体系2个二级指标体系组成的生态系统健康评价指标体系。将多级灰关联理论引入系统综合评价之中,采用多级灰关联评价方法和综合营养状态指数评价方法相结合,对博斯腾湖自2001年以来水生态健康变化情况进行了综合评价与分析。评价结果显示,自2001年以来博斯腾湖的生态系统健康状态总体情况为中等,自2007年以来生态系统健康综合指数呈一定的下降趋势,并找出了导致水环境恶化的主要原因。     

建设项目运行期环境影响验证评价方法探讨

本文论述的方法用于验证建设项目在运行期对环境的影响．在建设项目运行时，通过对其污染源排放的污染物浓度、排放量及环境污染状况的实地监测，表明环境影响评价报告书中的预测值与实际监测值的差异程度，从而得出是否达到预期限制及控制污染目标的结论．     

基于集合经验模态分解和支持向量机的溶解氧预测

应用集合经验模态分解(EEMD)和支持向量机(SVM)相结合的方法,建立一种天然水体溶解氧浓度预测模型。首先,利用EEMD方法将溶解氧时序分解成不同频段的分量,以降低序列的非平稳性;然后,根据各序列分量的自身特征建立合适的SVM预测模型,此过程通过相关分析确定各分量输入量;最后,将各子分量预测值合成得到最终的预测结果。使用该模型对嘉陵江北温泉段的溶解氧浓度进行预测,结果表明,与传统单一的SVM和BP神经网络模型相比,该模型能有效提高预测精密度,具有良好的应用前景。