基于BP神经网络的污染物浓度多模式集成预报

基于中国气象局雾-霾数值预报系统CUACE、北京区域环境气象数值预报系统BREMPS和华东区域大气环境数值预报系统WRF-Chem三个环境气象模式预报产品,利用BP神经网络方法建立多模式集成预报模型.首先通过实验得到BP神经网络的训练函数、隐含层节点数和训练样本长度分别为贝叶斯归一化训练函数trainbr、10和50.随后选取北京、天津和石家庄站点的预报结果检验该模型的预报性能.结果表明：（1）相对于单模式,BP神经网络集成预报的3~72h逐3h污染物浓度和观测之间的归一化平均偏差从-100%~200%降低到-20%~20%,污染物浓度和观测的均方根误差比各单模式降低15%以上,相关系数从0.1~0.8提升到0.3~0.85之间,说明其预报结果优于各单模式.（2）2016年AQI等级评估表明,集成模型预报的北京轻度和中度污染的TS评分分别比CUACE提高22%和10%,在天津重度污染的空报率和漏报率分别降低31%和25%.（3）2016年12月份的重污染过程评估发现,集成模型预报的PM_2.5浓度的演变趋势和实况基本相符.     

基于多流域生态网络模型的用水系统结构特征演化分析

以黄淮海流域为案例,将其涵盖生态环境和社会经济用水的水资源利用系统作为研究对象,构建多流域生态网络模型,从系统整体角度自上而下对其进行描述并开展生态网络分析,通过系统整体分析指标的计算,对黄淮海流域在2003~2014年期间系统结构特征的演化进行了分析.研究结果表明,2003~2014年期间,通过"十一五"、"十二五"规划所开展的多项水资源可持续利用措施的实施,系统受到来自外界环境的压力和干扰有所减小,系统逐渐趋于稳定,但却仍存在着生态用水量严重短缺的问题,系统的可持续性还有待进一步研究和提高.     

基于系统投入产出和生态网络分析的能源-水耦合关系与协同管理研究——以湖北省为例

能源和水资源之间存在紧密的耦合关系。以往的资源管理政策往往只关注单一资源,忽略了两者的关联性。为促进能源和水资源综合管理,有必要开展能源-水耦合关系和协同管理研究。从社会经济网络视角出发,论文综合运用系统投入产出和生态网络分析方法,构建了湖北省2007和2012年能源-水耦合网络核算框架。结果表明：1）2012年湖北体现能源最终消费量为14 304.93万tce,体现水资源最终消费量为346.66亿m³,相比2007年分别增长52.26%和7.89%,其中,体现在最终使用中能源与水资源流有近50%来自制造业;2）2007年湖北省水资源网络和能源网络的循环率都约为2.71%,与2007年相比,2012年水资源网络循环率显著增长至4.23%~4.40%,而能源网络循环率则变化较小;3）能源网络和水资源网络的系统鲁棒性都偏向于冗余度更高、效率更低的一侧;4）由于能源-水耦合网络的引入,2007—2012年间,在能源和水资源网络中,电力、热力生产和供应部门对于大多数部门的控制都呈现不同程度的增强趋势。研究辨识了能源与水资源协同管理的关键部门和路径,为湖北省能源和水资源可持续利用提供了理论与数据支撑。     

HRT对CO2-MBfR去除高SO42-废水中NO3--N的影响

针对含NO₃^--N与较高浓度SO₄^2-实际工业废水处理较难的问题,考察了不同水力停留时间（HRT）下连续运行的CO₂-氢基质膜生物膜反应器（CO₂-MBfR）处理模拟废水和实际工业废水的性能,结果表明,2种废水的出水NO₃^--N浓度均随着HRT的减小而增大,模拟废水中NO₃^--N的处理效果和电子通量分配比例均优于实际废水,但其电子通量分配的格局基本不变：NO₃^--N和SO₄^2-的电子通量分别在90.09%~97.49%和2.51%~9.91%左右.要实现实际废水总氮达到15mg/L的排放标准,需维持HRT不少于10.4h.     

基于PCA-BP神经网络的多股铜导线 熔痕定量金相识别方法研究

为实现火灾现场中多股铜导线熔痕的自动识别,采用主成分分析(PCA)和反向传播(BP)神经网络算法对四种多股铜导线熔痕(一次短路熔痕、二次短路熔痕、过负荷熔痕和火烧熔痕)的金相组织进行了识别研究。利用Image-Pro Plus 6.0和Axio-Imaging软件获取每种熔痕30组17维金相组织参数数据,采用PCA对四种熔痕共120组数据降维,获得前6个主成分得分矩阵,建立具有6个输入层节点,10个隐层节点和4个输出节点的神经网络模式识别模型。随机抽取每种熔痕的20组样品的主成分得分矩阵作为训练集,将每种熔痕的剩余10组主成分得分为测试数据,输入最终训练完成的模型进行识别,其识别准确率达到92.5%。实验结果表明采用PCA+BP神经网络的算法,可以较好地实现多股铜导线熔痕识别,为火灾物证鉴定工作提供了有力的工具。     

基于BP神经网络和SVR的Fund?o尾矿坝排水数据预测对比研究

针对尾矿库运行过程中安全预警问题,选取2015年巴西Samarco铁矿溃坝事故案例,研究BP神经网络和SVR方法在排水数据预测的适用性。综合分析了排水数据的复杂且非线性的特点,以库水位、降雨量和干滩长度为输入特征,采用上述2个模型对尾矿坝排水数据进行预测。研究结果表明:基于BP神经网络预测结果的最大相对误差不高于4.35%;基于SVR算法的最大相对误差不高于9.21%;Fundo坝的排水预测结果是可行的,BP神经网络的预测精度更高,而SVR模型的运算速度更快。研究结果可为矿山安全工作的快速响应和溃坝预警提供信息支撑和参考依据。     

基于GA-BP的渗透系数多目标反演分析模型研究

针对渗透系数反演结果不唯一问题,以扬压力和渗流量2类渗流监测效应量为反演目标,建立了基于正交设计、有限元正分析和GA-BP相结合的渗透系数多目标反演分析模型。结合水口大坝2009—2018年渗流监测时间序列数据,开展了大坝坝体、坝基岩体渗透系数反演研究,并对反演结果进行了验证。研究结果表明:建立的渗透系数反演模型可较好地解决渗流单目标反演的缺陷,反演结果为绝对渗透系数,且反演结果真实可靠。     

基于贝叶斯网络的建筑火灾动态风险评估方法研究

为提高建筑火灾风险评估的准确性,建立1种智能化的动态风险评估方法。针对具体建筑的风险评估,以物联网技术为基础,构建智能消防监测系统,在建筑日常使用过程中通过动态风险评估,实现火灾风险要素的实时监测、数据传输,充分发挥大数据、云计算的支撑作用,将贝叶斯网络方法引入火灾风险定量评估过程,构建火灾动态风险评估模型;结合具体的应用实例,分析不确定因素对风险评估结果的影响。研究结果表明:基于贝叶斯网络的动态风险评估方法能较准确地反映建筑火灾风险的可能性,达到实时监测、动态评估的效果。     

大尺寸通风管网中障碍物对瓦斯爆炸冲击波传播特性影响的数值模拟

为了研究大尺寸通风管网中的瓦斯爆炸传播规律,采用数值模拟方法,针对具有不同障碍物数量的大尺寸通风管网模型,利用Fluent分析管网中各个监测点的超压变化曲线以及障碍物附近的速度矢量图,分析爆炸冲击波传播规律。研究结果表明:初期瓦斯爆炸后,障碍物的存在改变了通风管网内未燃瓦斯的积聚区域;高温和高压发生耦合作用,在氧气相对充足的进气管道中形成二次爆炸;障碍物与火焰波以及管网自身结构变化等多种因素形成复合作用,改变了通风管网内瓦斯爆炸冲击波的传播路径和叠加区域的位置;无障碍物时高压区域出现在进气管道中,有障碍物时高压区域出现在中部直管与斜管的交汇处附近,且数值相对较大。     

青海省井孔水温观测结果分析——以德令哈等5个观测井为例

选取青海前兆台网的德令哈等5个井孔开展水温对比观测,对这五个井孔的水温原始观测数据和对比观测数据进行对比分析,从两组数据变化形态、差值、日变幅等方面发现不同的井孔两套数据的相似程度不同,其中以德令哈台为最好,湟源和格尔木次之,互助和佐署井则较差。分析认为主要原因有探头安装情况、仪器型号和仪器工作状态的影响。