基于GM（1,1）模型的城镇生活污水排放量预测

根据2000--2012年全国城镇生活污水排放量数据，建立了相应的GM（1，1）模型和预测函数。通过后验差检验等对预测函数进行了评估，并对2013--2017年城镇生活污水排放量进行了预测，结果表明，2013--2017年全国城镇生活污水的排放量逐年增加，呈上升趋势，从2013年的477．2736亿t上升到2017年的624．1022亿t；灰色预测模型和方法简单易用，利用较少的数据即可进行精度较高的预测。     

深度学习在危险天气自动识别中的应用研究

基于机器视觉的危险天气自动识别技术近年来已成为研究热点，但模型识别准确率不高和模型不够轻量化是该项技术面临的主要问题。针对上述问题，提出了一种利用CycleGAN网络自动扩展危险天气数据集的方法，有效解决了数据集数据量不足、数据类型不平衡的问题。同时，还提出了一种三通道融合卷积神经网络(3-Channel Convolutional Neural Network, 3C-CNN),该网络主干分支采用迁移学习的技术方案，并利用多分支结构提取并融合天气图像中的整体与局部特征。结果表明，利用CycleGAN网络扩充的WeatherDataset-6Plus数据集能够有效改善深度学习模型的训练性能，3C-CNN模型的6类天气现象综合识别准确率达到了98.99%,识别速度达到220帧/s。该方法在保证准确率的同时实现了模型的轻量化，有利于其在嵌入式设备中部署。     

加强环境监测点位管理的思考

基于江苏省“十二五”环境质量监测网络优化调整工作，指出监测点位设置和管理工作中存在的问题，讨论了点位优化调整的原则和思路，总结监测网络调整结果，并开展点位优化调整的成效分析，提出进一步优化监测网络设置的建议。