三维多箱模型预测大气环境方法的研究

本文采用三维多箱模型对石家庄市区特征污染物ＳＯ２的浓度进行了计算,把计算结果与地面监测值和１９９４年１月份中国环境科学研究院的高空航测值进行比较分析后发现,用多箱模型预测大气环境比单箱模型产生的误差要小。从而证明用三维多箱模型预测城市和经济开发区大气环境污染物浓度是最佳的方法之一。     

采用数值风洞模型对热电厂烟塔合一大气污染扩散的研究

随着城市的快速建设,城市建筑的高度和体量不断增加,同时大气污染源的排放方式和排放状态也与从前发生了很大的变化,特别是热电厂采用烟塔合一排放方式的出现,对常规应用的稳态远距离以统计学为基础理论的高斯大气预测方法提出了挑战。目前国内外广泛使用的大气污染物预测模式——德国模式在烟塔合一排放方式的预测上存在着许多关键性问题,如大风下洗条件下,冷却塔附近空腔区的大小和范围、空腔区污染物最高地面浓度等无法给出准确的预测结果。为准确预测烟塔合一排放方式的大气污染物扩散情况,采用一种新的大气污染物扩散的预测模式——数值风洞模型进行模拟预测研究,预测结果表明,在烟塔合一排放方式下,大气污染物最高地面浓度随风速增加而增加,同时在冷却塔下风向存在负压区,污染物在该区域高浓度聚集。且在夏季6.0m/s风速下,冷却塔下风向最高地面浓度出现峰值,属于最不利的气象条件。数值风洞模型可利用图形化手段实现对空腔区产生、变化、破碎至再生成的全过程描述,从而建立了一种大气污染预测的重要手段。     

广东省道路交通噪声预测统计模型

为了建立符合广东省的道路交通噪声预测模型,在国内学者相关研究成果的基础上,对FHWA模型进行了深入分析,并根据道路交通噪声预测模型原理,引入等效车流量等概念建立了理论噪声预测统计模型。在此基础上,对广东省市政路和高速路的交通噪声实测数据进行多元线性回归分析,确定广东省交通噪声预测统计模型。经验证,在广东省交通噪声预测评价中该模型预测精度非常高。该研究思路与方法值得在全国各地区处理交通噪声环境问题的工作中加以推广与应用。     

拟建窑河洼电厂灰场对地下水环境的影响评价

在对淮南市窑河洼区环境水文地质调研基础上,对拟建窑河洼电厂灰场及邻区的浅层地下水环境质量现状进行了模糊数学评价。基于地下水水质模型,以F^-作为模拟因子,对地下水F^-浓度变化进行了数值模拟,对其5a后的污染范围和程度进行了预测评价。结果表明,模型较为可靠、合理,灰场建成后对场区及邻区地下水环境质量的短期影响不大,这为电厂灰场选址决策及电厂灰场建设后,可能引起地下水污染的范围和程度预测提供了科学依据。     

区域环境—经济系统规划研究方法探讨

本文以某市化工区环境—经济系统为研究实例,探讨了区域环境—经济系统规划研究方法.寻求产值—排污—水质综合协调解方法,采用净收益(总产值减治理费用)作为评价目标,寻求净收益最大时的总体规划方案. 以环境—经济投入—产出矩阵为框架,建立目标参数规划模型,寻求不同技术状况、不同生产规模条件下的产值—排污协调解,又探讨了水环境标准约束下的某市化工区废水应治理量及治理费用的计算方法,提出以供决策者选择的40种方案,其中8种是源于4种背景条件下的目标参数规划的协调解.     

破解大型化工集聚区“创模”难题亚洲第一大化工区走上“创模”路

规模位居亚洲第一的金山化工区日前和上海市金山区政府签订同创共建国家环保模范城区的协议书，这将破解大型化工集聚区开展“创模”工作的难题，有望从根本上解决金山区以及杭州湾北岸地区的化工污染和环境风险问题，为上海市创建国家环保模范城市做出贡献。     

基于人工神经网络的居民生活垃圾可燃成分热值预测

研究采用BP、RBF和自适应神经模糊推理系统(ANFIS)对生活垃圾可燃成分的热值进行预测。结果表明,BP神经网络模型的预测准确率为93.36%,RBF模型为96.87%,ANFIS模型为91.06%,3种模型均可用于可燃成分热值预测,但RBF模型的预测准确率相对较高,更适用于可燃垃圾的热值预测。     

石家庄市道路交通环境NO_x污染水平及ARMA模型预测

选择石家庄市区代表性路段作为研究对象,对其交通环境空气中NOx的污染水平进行现状监测。基于Matlab软件建立拟合模型,对下一时期的NOx污染趋势进行预测。结果表明,石家庄市交通环境中NOx小时浓度介于0.047~0.237 mg/m3之间,呈早晚高,且下午明显低于上午的日变化规律;NOx日均浓度介于0.076~0.211 mg/m3之间,其浓度与车流量呈明显的正相关性。利用matlab软件建立的ARMA模型能够较好地预测道路交通环境空气中NOx的浓度变化趋势。     

改进的QGA-BP模型在弥苴河总氮量预测中的应用

水质预测对水环境规划、评价和管理十分重要。构建一种改进的量子遗传算法(QGA)优化BP神经网络的模型,即在量子遗传算法中引入了旋转角的动态改进策略和遗传算法的交叉变异操作,并以改进的QGA作为进化操作准则优化BP模型的权值和阈值。以弥苴河复杂水环境水质预测为实例,选取一组历史观测数据作为训练样本,对其进行分析。将结果与BP模型、QGA-BP模型仿真结果进行了对比,改进后的QGA-BP模型在进化代数、收敛速度和预测结果的准确率有较大提高。对弥苴河水质的预测结果表明,将改进QGA-BP模型用于水质预测是可行、有效的预测方法。     

多元回归和BP人工神经网络在预测混合厌氧消化产气量过程中的应用比较

对脂肪类单基质和城市污水厂剩余污泥混合厌氧消化过程的产气阶段进行基于多元回归和BP人工神经网络的产气量预测模型比较研究。实验数据分别取自反应过程的第1～16天和第17～70天。结果表明:多元回归模型的预测平均准确率分别为75.69%和79.29%;BP神经网络模型的预测平均准确率为79.05%。通过对比2种模型的预测结果可知,两种模型都有较高的预测准确率,但BP模型的预测准确率更高,更适用于混合厌氧消化产气量预测。     

基于BP和RBF神经网络的外加碳源量模型研究

碳源作为反硝化过程的电子供体,是影响生物脱氮过程的重要因素,低碳氮比污水需外加碳源以保证反硝化反应的顺利进行。为了优化控制碳源投加量,对实验室搭建的CAST工艺污水处理装置的进水条件和外加碳源量的非线性关系分别进行了基于BP和RBF神经网络的模型研究,并对外加碳源量进行了预测。结果表明,两种网络模型均能有效预测外加碳源量,RBF神经网络模型在训练速度和逼近能力方面优于BP神经网络模型,但在预测性能方面BP神经网络模型则有更高的预测精度。     

基于改进支持向量回归机的污水处理厂出水总氮预测模型

在小样本数据的情况下,采用粒子群优化算法(PSO)对传统支持向量回归机(SVR)进行改进,将其应用于北京某大型污水处理厂出水总氮浓度预测上。预测结果精度对比分析表明,PSO-SVR模型预测结果平均相对误差为1.836%,决定系数为67.76%,均方根误差为0.693 9,各评价指标均优于多元线性回归模型、BP神经网络模型。因此在小样本情况下,利用PSO-SVR模型对污水处理厂出水总氮浓度进行预测是可行有效的,为应用数据驱动模型对污水处理过程进行建模模拟提供了一种新方法尝试。     

基于径向基函数网络的溢油预测模型

为了提高溢油预测的准确性,建立和优化溢油预测模型,提出了基于径向基函数网络模型的溢油预测方法,实现溢油预测功能。径向基函数网络模型解决了模拟预测过程中样本库巨大、函数模型收敛速度慢的问题。通过选择有效的输入参数和样本数据,建立局部逼近网络;通过径向基函数训练样本数据,利用输出值与实际值之间的误差作为约束条件调整权重因子、径向基中心和宽度,加快函数模型的收敛速度。该模型模拟了溢油的漂移、扩散过程,达到预测的目的。利用该模型,建立了溢油预测模块,并针对一次溢油事故进行预测模拟,验证了该模型的可行性,能够为应急决策提供一定的支持。     

基于人工神经网络的半连续式混合厌氧消化产气量预测

研究采用BP神经网络和模糊神经网络(FNN)模型对逐步提高有机负荷的半连续式餐厨垃圾和猪粪混合厌氧消化试验进行日产气量预测.结果表明,BP神经网络模型的预测准确率为77.63％,FNN模型为82.33％,2种模型均可用于产气预测,但FNN模型在传统神经网络模型基础上加入了模糊控制,可提高其准确率,更适用于混合厌氧消化产气量预测.     

基于改进型灰色神经网络组合模型的空气质量预测

基于空气质量数据不足及波动较大的情况,将灰色GM（1,1）模型与人工神经网络模型组合并改进,建立改进型灰色神经网络组合模型。利用天津市2001—2008年PM10、SO2和NO2年均值作为原始数据预测2009—2010年PM10、SO2和NO2的浓度以进行模型精度检验,最后利用该模型预测2011—2015年天津市空气质量状况。结果表明,与灰色GM（1,1）模型、传统灰色神经网络组合模型相比,所建立的改进型灰色神经网络组合模型相对模拟误差小,预测结果更为可靠,可以用于空气质量预测。     

GPPM（1）模型在二氧化硫排放量预测中的应用

基于ＧＰＩＭ（１）模型，提出了灰色抛物幂函数曲线即ＧＰＰＭ（１）新模型，研究了这种模型的结构，参数估计形式和数学解析式。应用结果表明，该模型精度优良，预测可靠，是分析、预测二氧化硫排放动态的新的认识方法。     

基于Prophet-随机森林优化模型的空气质量指数规模预测

长时间的规模预测有助于从宏观角度分析事物的发展趋势与规律。对上海市2013—2017年逐日空气质量指数(AQI)进行分析,在此基础上建立了Prophet-随机森林(RF)优化模型。Prophet模型将AQI时间序列趋势分解为趋势项、季节项、节假日效应;RF算法用于弥补Prophet模型无法预测随机非线性部分的缺点,对Prophet模型进行优化,将Prophet-RF优化模型用于AQI的规模预测。结果表明:相比于Prophet模型,Prophet-RF优化模型的预测效果更加精确,其中,拟合值的均方根误差和平均绝对误差均减少了0.161,预测值的均方根误差和平均绝对误差分别减少了0.434和0.399。Prophet-RF优化模型解释性强且精度高,对于时间序列的规模预测具有较明显的优势。     

基于灰色马尔可夫模型的城市污水量预测

城市污水量是进行排水工程设计的基础数据,灰色系统理论在预测城市污水排放量中有着广泛的应用.基于2001-2009年天津市城市污水排放量数据,建立灰色模型对2010-2015年生活污水排放量和工业废水排放量进行预测；由于工业废水排水量数据波动较大,灰色预测结果不准确,采用马尔可夫模型对灰色预测结果进行修正.结果表明,灰色马尔可夫模型预测准确性高；预计2015年,生活污水排放量为65120.57万t,工业废水排放量为19339.39万t；随着时间的推移,天津市生活污水排放量在城市污水排放总量中的百分比越来越大.     

火电厂大气污染物排放预测模型

根据大气污染物排放浓度变化特点,将无偏GM(1,1)模型与神经网络模型组合,并以矩阵型输入方式替代传统的数列型数据输入方式,得到改进型灰色神经网络模型,称为UGMN模型。接着,采用烟囱入口烟气自动监控系统(CEMS)数据,将模型运用于贵州省某电厂白天及夜间两段时间段内大气污染物排放浓度的模拟与预测。研究结果表明UGMN模型预测精度较好,可以应用于火电厂大气污染物排放浓度预测。     

化学-生物絮凝工艺类神经网络模型比较研究

在化学-生物絮凝工艺中试研究的基础上，分别建立了基于BP类神经网络的多输入多输出（MIMO）模型与多输入单输出（MISO）模型。应用化学生物絮凝工艺中试6个不同工况的实测数据对2个模型进行训练，均表现出很好的收敛性。通过另外2个中试工况的实测数据对模型预测性能进行测试，MISO模型对化学-生物絮凝反应器出水的COD、TP和SS的预测相对误差均低于MIMO模型，其预测相对误差均在9%以下。研究表明，MISO模型是一个很易使用的建模工具，能很好地预测化学-生物絮凝工艺出水水质。