我爱读《环境》

尊敬的江小姐以及<环境>杂志社的朋友们,你们辛苦了!感谢你们为了珠三角乃至全中国的环境宣传作出的贡献.     

人工神经网络在预测深基坑周边地表沉降变形中的应用研究

深基坑开挖引起的周边地表变形预测是一个复杂非线性问题,引起地表沉降的影响因素很多,各因素之间呈高度的非线性关系。传统的基坑用边地表沉降变形预测方法存在着一定的局限性,其预测精度有待提高,而人工神经网络是一种多元非线性动力学系统,可以灵活方便地对多成因的复杂未知系统进行高度建模,实现全面考虑各种主要影响因素的深基坑周边地表沉降变形预测。本文介绍了误差反向传播(BP)网络模型的结构、学习过程及其算法的改进,径向基函数(RBF)网络模型的结构及其学习过程;分析了影响深基坑开挖周边土体沉降变形的主要影响因素;以25个基坑工程的地表沉降实测资料为训练样本,建立了11个输入影响因素的BP神经网络模型和RBF神经网络模型,通过对样本的学习训练过程及对5个检验样本的预测精度,说明了人工神经网络用于预测基坑周边地表沉降的可行性和准确性。     

絮凝法处理含水溶性膦配体TPPTS废水

以Al-Fe混凝荆、聚丙烯酰胺（PAM）、十六烷基三甲基溴化铵（CTAB）为助凝剂,考察了水溶性膦配体间磺酸钠基三苯基膦（TPPTS）废水中化学耗氧量（COD）的去除率,以此来间接考察TPPTS的去除效果。结果表明,助凝剂的添加能提高COD的去除率。获得了化学耗氧量COD 1000～1500mg／L废水除膦的优化条件：pH=5．5,Al-Fe、CTAB、PAM的投加量分别为300mg／L、67mg／L和21mg／L时,COD去除率达92．9％。     

基于BP神经网络的矿车运行时矿井摩擦阻力的预测*

为了快速有效地确定矿车等运输设备在巷道内运行时矿井摩擦阻力的变化情况,克服模拟软件计算量和现场实测工作量大的问题,以巷道风流速度、矿车运行速度、阻塞比、矿车长度4个矿车运行时巷道摩擦阻力的影响因素作为切入点,采用动网格技术模拟得到矿车在巷道内运行时有关矿井摩擦阻力的数据,以此为样本构建基于BP神经网络的矿井摩擦阻力预测模型,运用MATLAB软件进行网络训练,并将BP神经网络预测值与FLUENT模拟值进行对比。研究结果表明:BP神经网络结构比较简单,能以较快速度收敛,预测值与模拟值最大误差在7%以内,该神经网络模型用于求解矿车等运输设备在巷道内运行时摩擦阻力的变化情况是可行的。     

暴雨致灾机理分析及预测模型构建

台阶边坡、路堑边坡等地常选用乔木作为护坡植物,而降雨易影响乔木的稳定性,进而影响其护坡效果。提前预测降雨对乔木稳定性的影响,则可及时预判边坡失稳、泥石流等灾害的发生。以非饱和土体力学特征和乔木根系固土机理为基本理论依据,分析失稳原因并建立相应理论模型;基于多种降雨方案,利用数值模拟得到不同降雨情况对乔木稳定性影响的相关数据;然后以模拟结果作为训练样本,利用BP神经网络构建预测模型,并制定相应的分类预警评判指标。研究表明：此预测模型不仅精度高,相比于数值模拟计算速度可提高数万倍,此成果可为灾害防治及预警工作提供参考。     

基于深度学习的地铁施工作业人员不安全行为识别与应用

为有效识别地铁施工作业人员不安全行为,基于深度学习与计算机视觉技术,提出融合行为和身份识别的不安全行为识别方法。首先,对更快速的基于区域的卷积神经网络(Faster R-CNN)算法进行优化,引入高效通道注意力(ECA)模块提升行为识别的准确性;其次,将基于人脸超分辨率算法的人脸识别方法与行为识别相结合,提升图像像素水平并准确输出不安全行为执行人员相关信息;然后,行为识别与人脸识别并发进行,识别结果回流至数据库最终输出工人不安全行为报告;最后,选取某地铁施工项目的4种不安全行为进行识别方法的实证应用。研究表明：该方法可在地铁施工场景下进行有效应用,不安全行为识别和执行人员身份识别的准确率均达0.85以上,具有较高的准确度。     

基于ADPSO-FNN算法的催化再生烟气二氧化硫预测方法

为了解决催化裂化装置再生器出口烟气二氧化硫质量浓度难以实时预测的问题,提出一种基于自适应粒子群优化-模糊神经网络(Adaptive Particle Swarm Optimization-Fuzzy Neural Network, ADPSO-FNN)算法的催化再生烟气二氧化硫质量浓度智能预测方法。首先,针对数据来源多,且来自数据采集系统(Data Collection System, DCS)与实验室信息管理系统(Laboratory Information Management System, LIMS)中多维数据时间尺度不匹配的问题,利用基于自适应回归算法实现多时间尺度的数据清洗;其次,建立基于模糊神经网络算法的二氧化硫质量浓度预测模型,提取再生烟气产排过程中的动态特性;然后,提出基于动态惯性权重和学习因子机制的自适应粒子群算法,平衡全局探索能力及局部开发能力,实现再生烟气二氧化硫质量浓度的预测;最后,利用炼厂检修前、后的数据分别建立二氧化硫预测模型并进行测试。结果显示：该预测方法实现了催化再生器出口二氧化硫的准确预测,解决了现场多时间尺度数据难以建模的问题。     

融合拓扑信息与气象信息的空气质量预测网络

通过空气质量监测数据对正在形成或即将到来的空气污染进行预测是一项具有重要意义的工作,而空气质量监测站只能检测其周围一定范围内的空气污染情况。为了衡量整个城市的空气污染情况,获取任意时间、任意位置的空气质量信息,结合交叉注意力机制,提出了一种融合拓扑信息与气象信息的空气质量预测网络(CGMIM)。将西安市空气质量监测数据与气象数据转换为图像拼接起来,作为输入信息。在高阶非线性时空动态神经网络(MIM)的基础上引入注意力机制,并增加拓扑图编码器模块,提高模型提取能力以及对空气质量监测数据中的空间特征的利用率。最后,使用时空损失函数替代传统的均方误差损失函数,提高模型对空间关系的关注。结果表明：CGMIM网络模型能够在准确预测的同时,对位置区域合理填充,能够有效提升空气质量监测数据的空间分辨率。     

镍基催化剂对污泥微波热解制生物气效能的影响

为实现污水污泥减量化、无害化及资源化的目标,在微波热解污水污泥基础上,进行了镍基催化剂对制取生物气效能影响的研究。采用元素分析对污泥元素进行检测,气/质联用分析(GC-MS)和气相色谱(GC)对热解生物气的组成和含量进行测定。实验结果表明,镍基催化剂的添加对微波热解污水污泥制取生物气有较大促进作用。5%添加量与800℃热解终温条件下具有最佳催化效果:生物气中H2、CO产量最大,H2产量由29 g/kg增加到35.8 g/kg,提升23.4%,CO产量由302.7 g/kg增加到383.3 g/kg,提升26.6%;同时催化剂还能提高热能利用效率,降低热解终温,即5%添加量在700℃热解终温时可达到空白800℃时的产气效果;镍基催化剂主要在500~600℃时发挥催化作用,加快了H2和CO的释放。微波热解污泥制取的生物气具有产量大、富含H2与CO等优点,可推动污水污泥的资源化进程。