海洋环境中材料腐蚀数据采集处理网络系统的研究

介绍了利用电话公网为传输栽体建立以海洋腐蚀与防护国防科技重点实验室为中心辐射青岛、厦门和三亚3个海水试验站的材料腐蚀数据采集计算机网络平台。研发了具有自主知识产权的多通道电偶腐蚀数据自动采集系统，将该系统与网络平台相结合可实现远程实验数据自动采集。同时为了有效地管理、存储和实现数据的共享，研究建立了海洋环境材料腐蚀与防护数据库，收集和整理了大量的材料腐蚀数据。在分析研究大量腐蚀数据的基础上建立了误差反传（BP）人工神经网络预测模型和灰色GM（1，1）腐蚀预测模型。从而形成一套较完整的数据采集、处理和分析网络系统。     

自然资源结构在地区产业结构演进中的宏观作用——以环渤海地区为例

在我国产业结构演进的现阶段和今后较长的时期中,地区自然资源结构仍然是影响产业结构的关键因素之一。本文分别从时间、空间和结构等三种尺度,分析了自然资源结构在地区产业结构演进中的宏观作用。主要包括:自然资源结构在产业结构发展不同阶段的作用程度和形式;地区内部区域间自然资源结构的差异性和地区间自然资源结构的互补性对制定地区产业发展总体和区域战略的主要影响;不同自然资源结构形式与产业结构组织的可能性和合理性的相互关系。     

平原河网地区地表水环境保护功能区划分的研究

从地表水环境保护功能区划分工作的实践出发 ,针对复杂的水文、水质条件 ,探讨平原河网地区地表水环境保护功能区划分的工作方法和实现区划目标的对策措施。     

我国工业危险废物产生特性研究

工业生产是危险废物的主要来源,工业危险废物是世界各国固体废物管理的重要方面.以我国历年环境统计数据为基础,全面分析了我国工业危险废物产生现状和特点.研究了工业危险废物产生量、利用量和处置量、工业危险废物区域和行业分布特点、工业危险废物与工业固体废物的关系、工业危险废物产生量与工业产值的关系及工业危险废物产生的变化趋势等.提出今后我国既要重视对传统的石油化工、化学工业和冶金工业等行业产生的危险废物管理,又要重视对高新技术产业和西部资源省份产生工业危险废物的管理.     

用TM图象估算海表面叶绿素浓度的神经网络模型

叶绿素浓度是衡量海洋水体质量的重要参数之一。本文以大连湾为示范区于1999年5月10日进行了现场卫星同步实验，采用神经网络模型技术模拟了TM1、TM2两个波段的辐射亮度值与在该湾海域现场获得的叶绿素浓度数据之间的传递机理。结果表明，使用TM图象的两人可见光波段作为输入，采用两层神经网络结构能建立比多回归分析更高的海水表层叶绿素浓度模型。回归分析的相关系数为0.49，神经网络分析的相关系数为0.87.     

创建新型生态城市的探索--以黄石市为例

现代化城市建设对生态环境提出了新的要求。文章首先阐述了生态城市的内涵和创建生态城市的必要性；然后从主要污染物、主要水体、水土保持和森林覆盖率四个方面，分析了黄石市的生态环境现状；最后以可持续发展和人与自然高度和谐统一为目标，提出了将黄石市创建成为新型生态城市的具体措施。     

利用复介电常数和BP人工神经网络进行浓度预测的研究

制备了一定含水率不同浓度的CuCl2的PVA样品,用微波矢量网络分析仪和微波传感器测量S11参数,计算得到相对复介电常数。以样品相对复介电常数的实部、虚部及对应频率作为输入,以CuCl2溶液的浓度作为输出,建立BP人工神经网络模型。用训练样本集对网络训练后,检验样本的预测结果与实际值最大误差为0.97%。结果表明,利用复介电常数和BP人工神经网络进行浓度预测是一种很好的方法,进而为环境监测提供了方法依据。     

空间溢出视角下中国污染密集型产业集聚的环境效应

本研究在着力改善生态环境和调整产业空间布局的背景下,着眼于国民经济行业中高能耗、高污染的污染密集型产业,基于2000—2015年中国30个省区的面板数据,在污染密集型产业识别的基础上,考察了污染密集型产业集聚和环境污染的空间特征,构建了空间面板杜宾模型,并从空间溢出视角,探讨了污染密集型产业集聚的环境效应.研究发现:①污染密集型产业集聚和环境污染均具有显著的空间正相关性;②污染密集型产业集聚和环境污染之间存在显著的倒"U"型曲线关系,对于产业集聚水平较高的山西、宁夏和内蒙古,有望通过空间溢出效应和政策干预发挥减排效应,其他省区集聚水平的提高将会加剧环境污染;③经济发展水平和外商直接投资与环境污染之间均具有显著的正相关关系,而技术创新能力的提高能显著降低污染水平.     

典型下垫面径流系数预测的神经网络方法研究

根据5种典型下垫面的径流系数的实测数据,运用LM(Levenberg-Marquardt)BP算法的神经网络模型,建立了径流系数与影响因素关系间的S型/S型数学模型。用该方法对不同降雨条件下每种下垫面的径流系数进行了预测,并与传统方法进行了比较。结果表明,该模型的预测精度更高。     

利用人工神经网络对空气中O3浓度进行预测

将人工神经网络应用于对空气中O3的浓度预测,提出了完整的预测模型,选取风速、风向、相对湿度、云量、平均气温、最高气温等6项气象因子作为输入量,经过两个月的预测实验,结果表明,实测值与预测值的平均相对误差为21.49%,相关系数为0.837.表明人工神经网络对O3的浓度预测是一种有效的工具.