污水厂出水COD预测模型的对比分析

根据污水厂日报表中的数据分别建立了ARMA、逐步回归分析、基于回归分析的神经网络模型和基于时间序列分析的神经网络模型,通过比较选择了基于时间序列分析的神经网络模型作为对污水厂出水COD的预测模型,其平均预测精度为85%,取得了满意的预测结果,有利于克服根据在线监测调整工艺参数的滞后性的缺陷,保证出水水质.     

融合时空特征的PCA-PSO-SVM臭氧(O3)预测方法研究

针对目前臭氧预测方法未能考虑臭氧污染的区域性和在时间周期内的强自相关性的问题,提出一种融合时空特征的PCA-PSO-SVM臭氧组合预测模型.利用小波分析和系统聚类提取臭氧时间序列波动特征和站点空间分布相似性特征,并通过主成分分析和粒子群算法优化的支持向量机组合模型（PCA-PSO-SVM）对臭氧日最大8h平均浓度进行预测,以2016~2018年杭州市大气污染物观测数据和气象数据进行实验验证.结果表明：融合时空特征的PCA-PSO-SVM模型预测精度有较大提升,与未融合时空特征的PCA-PSO-SVM模型相比,精度提升19%.气象因素中温度对臭氧预测效果影响最大,在气象预报数据存在一定误差的情况下,提出的模型仍得到较高精度的预测效果,具备较好的鲁棒性.     

小波支持向量机在大气污染物浓度预测中的应用

用小波分解重构和支持向量机相结合的方法,建立大气污染物浓度预测模型。通过小波分解,将大气污染物浓度序列分解为不同频段的小波系数序列,再对各层的小波系数序列重构到原尺度上。利用相关分析的方法构建出低频小波系数a3和中频小波系数d3的支持向量机模型输入因子为前一天小波系数a3和7个气象因子;高频小波系数d2和d1以前三日的小波系数为输入因子,然后对各小波系数序列采用相应的支持向量机模型进行预测,各小波系数均使用ν-支持向量回归机(ν-SVR)算法和径向基函数,最后通过小波重构合成大气污染物浓度序列的最终预测结果。通过对大气SO2浓度预测实例证明,该大气污染物浓度预测模型具有推广能力较强、预测精度较高、训练速度快、便于建模等优点,具有良好的应用前景。     

基于粒子群优化的WA-SVM模型在滑坡位移预测中的应用

针对滑坡位移时间序列含大量噪声、具有明显的非线性等特征,本文提出了一种基于粒子群优化(PSO)的小波分析(WA)-支持向量机(SVM)滑坡位移预测模型(即WA-SVM模型)。该模型在混沌分析的基础上,首先用WA将滑坡位移序列分解成不同频率的分量,然后采用PSO算法优选SVM模型参数,并利用SVM模型预测各分量值,最后将各分量预测值组合得到最终预测值。结合滑坡位移序列实例,将基于粒子群优化的WA-SVM模型的预测结果与WA-BP模型、单独SVM模型进行对比,结果表明该滑坡位移序列存在混沌特性,基于粒子群优化的WA-SVM模型克服了噪声的干扰和参数优选的问题,具有较高的预测精度和预测效率,为滑坡位移的预测提供了一种新的方法。     

一种基于小波变换和LSTM的大气污染物浓度预测模型

针对现有大气污染物浓度预测模型存在预测精度不高、污染物种类单一等不足的问题,通过小波分解将高维大气污染物数据转换为低维数据,再对分解序列建立长短期记忆网络（LSTM）预测模型,最后通过小波重构将分解序列重构为污染物时间序列,建立了1种基于小波变换（WT）的LSTM大气污染物预测模型（WT-LSTM）,用以预测目标区域内的次日平均ρ（PM_2.5）、ρ（PM₁₀）、ρ（SO₂）、ρ（NO₂）和ρ（O₃）。采用长沙市2015—2018年10处国控站点的数据进行验证,结果表明:相对于LSTM、多元线性回归（MLR）和基于WT的WT-MLR模型,WT-LSTM的均方根误差和绝对平均误差均下降了50%,其对PM_2.5、PM₁₀、SO₂、NO₂和O₃的污染等级预测准确率均在80%以上。     

基于小波分解与自适应多级残差修正的最小二乘支持向量回归预测模型的PM2.5浓度预测

采用小波分解(WD)将济南市科干所监测站PM_(2.5)浓度的一维时间序列(2013年1月1日—2017年8月15日)分解为高维信息,获得了该监测站附近PM_(2.5)浓度的时频变化特征,重点分析了PM_(2.5)的随机性和趋势性问题.然后构建了基于小波分解的多级残差修正的最小二乘支持向量回归预测模型(AMLRC-WLSSVR),结果发现,该模型能够很好地对济南市PM_(2.5)浓度做出预测,特别是针对重污染天气的预测有很好的精度.为了避免预测结果的不确定性问题,提出了一种基于方差估计给出预测值置信区间上界的方法,同时,有效弥补了单点预测的不稳定性及预测精度不足的缺点,该方法能够为实际空气污染预警提供技术支持.     

基于自适应调整蚁群-RBF神经网络模型的中长期径流预测

径流预测历来是水利部门的一项重要工作,针对水库和河流中长期径流预测精度不高,提出了自适应调节人工蚁群算法(ARACS),对RBF神经网络参数进行优化,建立了自适应调节人工蚁群-RBF神经网络组合算法(ARACS-RBF)预测模型,综合考虑影响径流预变化因素,对安康水库进行中长期径流预测。对预测效果进行检验,结果证实该模型可真实地反映河川径流变化的总体趋势, 并为判断时间序列数据的非线性提供了一种新方法。与RBF神经网络模型、人工蚁群-RBF神经网络模型预测结果进行对比,结果表明,应用ARACS-RBF模型对中长期径流量进行预测,预测精度更高、效果更好。该方法克服了RBF神经网络和人工蚁群算法易陷于局部极值、搜索质量差和精度不高的缺点,改善了RBF神经网络的泛化能力,收敛速度快,输出稳定性好,提高了径流预测的精度,置信度为98%时的预测相对误差小于6.5%。可有效用于水库和河川中长期径流预测。     

组合灰色预测模型应用于山东省碳排放预测

根据山东省2000—2012年工业、建筑业和交通运输业能源消费数据测算得到碳排放量,基于GM(1,1)模型、Verhulst模型和SCGM(1,1)c模型建立组合灰色预测模型,运用预测有效度方法确定组合预测模型的权重系数。选用2000—2009年三大碳排放行业的实际值作为原始数据,利用各预测模型预测2010—2012年碳排放量。结果表明:组合灰色预测模型比单一预测模型具有更高的预测精度。利用组合模型预测山东省2013—2017年各行业碳排放量,为相关部门制定节能减排政策提供理论及方法借鉴。     

基于Wavelet-LSTM模型的北京空气污染物浓度预测

文章为了达到精准预测北京市空气污染物浓度目的,应用小波分解变换(wavelet transform)和长短期神经记忆网络(long short-term memory,LSTM)相结合的方法,建立Wavelet-LSTM空气污染物浓度预测模型,对北京市6项空气污染物浓度预测。研究首先通过小波分解变换将日空气污染物浓度的历史时间序列分解为不同频率并重新组合为高维训练数据集合;其次使用高维数据集训练LSTM预测模型,重复试验调整参数,获得最优预测模型。研究结果表明,组合模型对于污染物浓度预测比传统LSTM模型的预测精度和稳定性更高。     

基于小波分解和ARMA模型的空气污染预报研究

细颗粒物PM2.5为首要污染物的空气污染严重影响了公众健康,对空气污染进行有效预报具有十分重要的意义。而目前常用的空气污染物浓度预报方法在短时事件和意外事件预测方面存在不足。利用小波多尺度分析方法改进ARMA预测模型,并将其应用于短时空气污染物浓度预测。改进模型通过小波分解方法将时间序列分解为一个近似序列和多个细节序列,分别采用ARMA模型进行预测,然后将各序列预测结果进行重构,得到最终预测结果。以天津市2014年PM2.5浓度数据为例,分别采用ARMA模型、支持向量回归(SVR)模型、人工神经网络(ANN)模型以及基于小波多尺度分解改进的SVR模型和基于小波多尺度分解改进的ARMA模型进行了对比分析。结果表明:1)小波多尺度分解能够显著提高SVR模型和ARMA模型预报精度;2)ARMA、SVR、ANN等传统模型在重污染情况下预报精度显著下降,而小波分解改进策略能够较好地解决这个问题;3)基于小波多尺度分解改进的ARMA模型预报精度较高,是城市污染物浓度预报的有效手段。     

小浪底水库水沙调控影响下的黄河POC输送特征研究

于2011年11月—2012年10月在黄河小浪底站和花园口站进行连续采样观测并结合同期水文资料,研究了在小浪底水库水沙调控影响下黄河颗粒有机碳(POC)的输送规律.结果表明,在小浪底水库正常调度期间,小浪底站和花园口站POC含量分别为0.37~0.65 mg·L-1和1.88~6.47 mg·L-1,小浪底站POC含量明显低于同期的花园口站.在小浪底水库调水调沙期间,小浪底站和花园口站的POC含量分别为0.43~693.75 mg·L-1和6.97~210.65 mg·L-1,在水库泄水阶段小浪底站POC含量明显低于花园口站,而在水库排沙阶段小浪底站POC含量又明显高于花园口站.小浪底站和花园口站全年POC输送量分别为53.2万t和49.2万t,其中,7—8月POC输送量最多,小浪底站7—8月POC输送量占全年POC输送量的97.5%,花园口站7—8月POC输送量占全年POC输送量的78.2%.小浪底水库"水沙调控"对黄河POC输送的影响明显不同于其他河流上的水库,它不仅拦蓄上游输送的POC,而在特定时间又将拦蓄水库中的POC大量排出水库.     

黄河径流序列标度不变性分析及趋势预测研究

长期以来，影响黄河干流梯级电站可持续发展的因素，除了关键技术因素、经济因素和环境因素，还有对未来径流趋势的认知不足。可见研究黄河干流径流变化趋势，对于黄河干流梯级电站可持续发展具有重要的现实意义。论文利用非趋势的波动分析法，对黄河干流贵德、头道拐和花园口3个水文站径流的标度不变性和未来变化趋势进行了分析和预测。结果显示，3个水文站的径流量将会减少，这将对黄河干流梯级电站可持续发展不利。     

荆江三口60a来入湖水沙变化规律及其驱动力分析

为了掌握荆江三口入洞庭湖径流泥沙演变规律,运用Mann-Kendall 非参数检验法、小波分析以及均值差异t检验法等方法,对荆江三口（松滋口、太平口和藕池口）入洞庭湖1951—2011 年年径流量和年输沙量进行了分析,在总结三口水沙过程演变规律的基础上,探讨了荆江三口入洞庭湖径流泥沙变化规律及其影响因素。结果表明：①荆江三口径流量发生显著变化集中在1960 年代和1970 年代,而输沙量突变点发生在1950 年代,此后三口水沙演变始终表现出显著的递减趋势;②太平口和藕池口的径流量和输沙量演变周期保持一致,均为31 a 的周期变化,松滋口和宜昌站的径流量和输沙量分别具有相同的周期性,分别为16 a和33 a 的周期变化;③人为因素只是加速荆江三口分流分沙衰减趋势,但并不是致使其水沙演变发生突变的原因。     

集成AEC和时空特征的工业园区PM2.5浓度预测

为实现工业园区企业污染排放精细化管控,捕捉工业园区内企业污染排放与污染物浓度之间的响应关系,提出一种集成大气环境容量（AEC）和时空特征的工业园区PM_2.5浓度预测模型.通过有限体积法获得工业园区日均大气自净能力指数（ASI）,结合工业园区日排放数据作为AEC特征;同时利用小波分析和Pearson相关系数法提取时空特征,包括目标监测站PM_2.5浓度的时间变化特征和其与周围监测点PM_2.5的空间相关特征.通过CNN获取训练数据中PM_2.5的关联特征,并利用BILSTM充分反映时间序列训练数据中隐含的关键历史长短期依赖关系,确保快速准确的预测性能,以2018~2020年濮阳市工业园区大气污染物观测数据、气象数据及排放数据进行实验验证.结果表明：本文提出的CNN-BILSTM预测模型相较于传统LSTM模型预测精度提升10%;AEC特征和时空特征有利于提高模型精度和稳定性,集成AEC和时空特征的CNN-BILSTM预测模型在PM_2.5污染天数预测准确率最高,达93%;分季节预测结果表明,秋冬季的预测精度最高.     

近50a东江流域径流变化及影响因素分析

以1956—2005年降雨、径流与气象资料为基础,应用Mann-Kendall趋势检验、小波分析以及R/S分析等多种方法,探讨了东江流域径流年际变化特征及其对气候变化以及植被覆盖变化的响应。结果表明:①50 a来流域年径流序列变化趋势不明显,存在4 a、7~9 a、11~13 a、16~22 a等4类尺度的周期性变化规律;河源、岭下站径流序列具有较强的状态持续性,博罗站持续性很小。②厄尔尼诺现象出现的当年,东江流域年径流量普遍减少;厄尔尼诺现象出现的次年,年径流量普遍增加。太阳黑子数的急剧变化,与东江径流量的丰、枯也有良好的响应关系。③50 a来,在降雨量呈不显著减少趋势的背景下,河源、岭下站径流仍然呈不显著增加趋势的主要原因是蒸发量下降的缘故,是气候因素和流域植被退化共同作用的结果。     

阿克苏河年径流变化的非线性特征

以阿克苏河流域的托什干河、库玛拉克河和阿克苏河干流为例,基于1957-2008年的径流序列,运用小波分析和R/S分析方法分析了阿克苏河径流过程的非线性特征,揭示了流域径流的变化规律,得出以下结论:①库玛拉克河、托什干河及阿克苏河干流的年径流序列均呈增加的趋势,且都以20世纪80年代后期为分界点分为两个阶段:前期径流较少,处于枯水期;后期径流较多,处于丰水期。②阿克苏河流域年径流量变化存在较长周期,长周期中又包含着短周期;其中,18 a和22 a的周期贯穿于整个时间序列,为流域径流的第一主周期。③流域内三条河流各个时段径流量的Hurst指数值几乎都大于0.5,表明流域径流的时间序列具有长期持续的特征;从各条河流最后一个时段的Hurst指数可以推断,在2008年后的一段时间里流域径流量将会继续保持增加趋势。     

人类活动对北江流域径流系列变化的影响初探

以北江流域45年(1956-2000年)内降雨量及主要控制性水文站石角站水文资料为基础,研究了流域内降雨径流的变化特征,发现降雨系列基本没有变化,而径流系列呈缓慢上升趋势。对径流系数系列进行分析显示,1973年前后径流系数发生了较大的改变,将1956-1972年做为基准期,利用降雨-径流关系,定量分析了人类活动对径流演变的作用,发现人类活动的间接影响是造成径流增加的原因。最后分析了流域内近20年来的水土流失和植被变化情况,进一步说明了流域内下垫面状况发生了改变。     

黄河上游高寒区水资源变化的气候响应特征

利用黄河高寒区吉迈(达日县)水文站、国家气象局达日、玛多观测站1959-2007年,共计49 a水文、气象及部分冻土监测资料,采用峰型度及丰枯率指数、Mann-Kendall时间序列突变点及趋势检验方法、小波分析法、灰色关联分析等统计方法,分析径流年际、年内变化特征,探讨径流长期变化主要影响因素,并建立核主成分支持向量机(KPCA-LSSVM)预测模型,对未来2011-2014年径流情势进行分析。结果表明,由于区域气候、下垫面条件变化及人为因素影响,不同时期作用于水资源的主导因素存在差异,径流时间序列存在明显突变点,为1961、1999和2005年;黄河源区径流2002-2006年间存在不显著减少趋势,小波分析表明未来3~9 a内,年径流量将略高于1990-2007年间的平均值;1983年后冻结期气温升高,季节性冻土退化较为明显,对于径流的补给减少,是地区河道水资源减少的原因之一;模型预测结果显示,由于降水对于径流的延迟作用和气温升高引起冻融关系变化等原因,2011-2014年水源区河川径流量与多年平均值相比减少25.3%。     

1956-2005年窟野河径流变化及人类活动对径流的影响分析

为明确水土保持综合治理和矿产资源开发引起的水文情势演变,以黄土高原水蚀风蚀交错区的窟野河流域为研究区域,选择近50 a的径流、降雨资料,运用非参数检验、R/S、小波分析、历时曲线方法,探讨径流的变化趋势、突变和周期,并利用降雨-径流多元线性模型估算气候变化和人类活动对径流的影响。结果表明:径流量表现出显著减少趋势,变率为-0.11×10⁸ m³/a,跃变时间发生在1979、1996年。与基准期(1956-1979年)相比,煤炭开发期(1997-2005年)的日径流量在5%、50%和95%的频率上减少程度均较水土保持效应期(1980-1996年)大。年径流的演变在9、18、32 a存在显著的周期。水土保持效应期气候变化与人类活动对径流变化的贡献率分别为58.62%、41.38%,煤炭开发期气候变化占21.75%,人类活动占78.25%,其中采煤活动占52.27%。煤炭开采是导致窟野河径流减少的主要因素,但是气候变化的影响也不可忽视,在进行水土保持综合治理和水资源合理规划时应充分考虑。     

原生态环境下广西涠洲岛近50年气候变率的分析

广西涠洲岛气象站由于其特定的地理位置,使得该站成为广西为数不多、大气观测环境50年来持续保持原有生态环境的气象台站之一。应用该岛屿气象站及与之相邻的广西北海市合浦气象站1956~2005年的气温、雨量等气象资料,分析、比较近50年来北部湾海域气候自然变化和在城镇大规模发展影响下气候变化的差异及发展趋势:用Yamamoto法和Mann-Kendall法对5年滑动平均气温、雨量等要素季和年时间序列进行突变检验,对定量地论述在全球气候变暖情况下区域性气候自然变化的响应有非常重要的意义。