人工智能技术对长江流域水污染治理的思考

随着经济的快速发展和城市化进程的不断加速,促使水污染严重的长江流域需从污染物去除过程的建模与优化、污水处理过程的优化控制、水污染监测系统的构建开展水污染治理研究.传统的水污染处理技术存在污染物去除效率预测精度较低、污水优化控制成本较高、水污染监测滞后效应严重的问题.人工智能技术能够有效克服上述问题,因此通过梳理国内外学者利用人工智能技术在污水污染物去除过程的建模与优化、污水处理过程的优化控制及水污染监测系统的构建等方面的研究成果,为全面加强长江流域水污染治理能力提供科学可靠的技术指导.结果表明:①利用人工神经网络技术（径向基神经网络、多层前馈网络-人工神经网络、多层感知器神经网络）对污水污染物去除过程进行建模与优化,为精确预测长江流域重金属（Cr、Cu）、营养盐（TN、TP）、持久性有机污染物〔PBDEs（多溴二苯醚）、HCH（六氯环己烷）〕的去除率提供重要参考价值.②采用污水处理的自动控制技术与人工智能技术（递归神经网络、支持向量机、模糊神经网络等）构建污水智能控制系统,为长江流域实现高效节能的污水优化控制提供重要的技术指导.③利用在线监测仪器和人工智能技术（小波神经网络、多元线性回归-人工神经网络、叠层去噪自动编码器等）建立水污染智能监测系统,为解决长江流域水污染监测响应滞后问题提供有力的技术支持.因此,人工智能技术对长江流域提高污水污染物去除率,降低污水优化控制成本,提升水污染监测时效性具有重要的推广价值.      

海绵城市地块汇水区颗粒污染物的传输

目前我国海绵工程建设多集中在地块汇水区单元内开展,通过多个低影响开发(LID)设施协同完成地表径流水质水量的调控,但基于地块汇水区尺度下城市面源污染的产生和控制效果鲜有报道.本研究比较分析了不同硬化率地块汇水单元内的面源颗粒污染物晴天累积、降雨冲刷、地表径流及径流输出负荷状况.结果表明,地块汇水单元内硬质路面是面源颗粒污染物贡献的最主要的下垫面类型,中硬化率(61.1%)地块和高硬化率(73.6%)地块路面街尘累积量分别约占汇水区单元的88.4%(2.22～12.51 g·m~(-2))和90.1%(4.99～33.43 g·m~(-2)),对径流SS的输出贡献比率分别约为91.7%(0.97～7.34 g·m~(-2))和90.5%(0.92～18.77 g·m~(-2)),降雨径流SS污染负荷占比分别约为95.2%和83.1%,经LID设施处理后输出径流污染负荷约为地表径流的24.0%和40.2%.硬质路面的街尘晴天累积及降雨冲刷以150μm为主,地表径流及输出径流则以50μm粒径段为主,同时地块不透水比例的增加,细粒径(105μm)颗粒物的累积及冲刷分布增大(24.4%和106.4%),而粒径50μm的颗粒物在路面径流中的分布减小(12.4%).屋面的街尘累积、冲刷及降雨径流的粒径分布状况与硬质路面大致相似,但中硬化率地块(1 000μm)和高硬化率地块(250～450μm、45μm)在3个粒径段范围的颗粒物累积和冲刷相较于路面街尘粒径分布明显增加(1 000μm:58.1%和108.5%; 250～450μm:72.9%和41.8%;45μm:59.2%和64.8%).以上结果揭示了颗粒污染物在地块汇水区尺度下的污染全过程(累积-冲刷-输出)分布及LID设施对地块整体SS污染负荷的控制效果,可为地块汇水单元内LID设施工程绩效的科学评估提供重要参考.     

星形线电除尘器内EHD流动与粒子行为数值模拟

为了研究星形线电除尘器内电流体动力学（EHD）流动与荷电粒子运动行为及两者间相互作用,构建了线板式电除尘器（ESP）内关于EHD和带电粒子运动学的耦合数值模型.该模型采用有限体积法离散求解电场方程和空间电荷方程,在拉格朗日法下建立带电粒子运动方程,并与FLUENT湍流模型进行耦合.利用这一模型,对3种电场风速下星形线电除尘器内流动形态与粒子运动行为进行了细致模拟,并分析了二次流动对气流、粒子浓度分布的影响.结果表明,星形线电除尘通道内二次流动对流动形态和粒子浓度分布存在显著作用.随电场风速的降低,这一作用将越明显.EHD流动对细小荷电粒子运动的影响更为显著.二次流动产生涡旋并作用于主流来影响粒子运动行为.收尘板面的涡旋挤压粒子流远离壁面向流动中心运动,放电极下游的涡旋则促进粒子流向收尘板壁面靠近.此外,由于捕集通道中强二次流的存在,Deutsch计算式对除尘效率、特别是对于亚微米粒子捕集效率的计算并不准确.     

Pt负载暴露(001)晶面Bi2WO6催化剂合成及光催化性能

通过水热法制备了暴露（001）晶面的Bi₂WO₆纳米片,利用光还原法将Pt纳米颗粒负载于其表面.选择苯甲醇氧化和罗丹明B（RhB）降解为探针反应,评价了催化剂的光催化性能.在苯甲醇氧化实验中,Pt负载暴露001晶面的Bi₂WO₆样品的苯甲醇转化率为20.7%,约为未负载样品的2倍.在RhB降解实验中,Pt负载样品在光照40min后对RhB的矿化率可达81.1%,而未负载样品RhB矿化率仅为55.8%,表明Pt负载样品具有更优的降解速率和矿化能力.催化剂性能的提升归因于高能晶面暴露和Pt负载的协同作用.Pt纳米颗粒的负载作为助催化剂增加了催化剂表面的活性位点,同时提高了晶面光生电子空穴对的分离和迁移效率.     

微塑料对黑麦草吸收和累积水体中环丙沙星的影响

微塑料（microplastics,MPs）和抗生素作为新型环境污染物,引起了国内外学者对其生态风险的关注.以黑麦草（Lolium perenne L.）为供试植物,以聚苯乙烯微塑料和环丙沙星（ciprofloxacin,CIP）为研究对象,探讨微塑料对水培黑麦草吸收和富集抗生素的影响及MPs-CIP复合污染对植物生长的毒性作用.结果表明:黑麦草对单一CIP和MPs-CIP复合污染中的CIP均有吸收去除能力,底物中微塑料的存在会促进黑麦草对低浓度CIP的吸收去除,去除率最高可达100%,但对高浓度（1.0、2.0 mg/L）CIP吸收的影响不显著（P>0.05）.同时,微塑料可促进黑麦草根部积累的CIP向地上部转运,当CIP浓度分别为0.1、2.0 mg/L时,投加微塑料后根部积累的CIP含量与单一CIP处理组相比分别降低了44.0%、21.2%,叶片中CIP的积累量分别增加了2.9、3.0倍.微塑料的加入显著加重了CIP对黑麦草生长和叶绿素含量的抑制作用.与2.0 mg/L CIP处理组相比,50.0 mg/L MPs-2.0 mg/L CIP复合污染处理组对黑麦草根长和鲜质量的抑制率分别增加了53.7%和79.6%,而叶绿素a、b含量则分别降低了38.5%和44.4%.研究显示,水体中微塑料与CIP的共存会影响黑麦草吸收和体内积累CIP,并加重CIP对植物生长的毒性作用.      

约束条件下中国循环经济发展中的生态效率——基于优化的超效率SBM-Malmquist-Tobit模型

以中国30个省份、直辖市、自治区的年度面板数据为研究对象,重点将生态资源存量和环境污染造成的经济浪费两项指标纳入新的生态效率评价体系,运用优化的引入非期望产出的超效率SBM模型测算生态效率,再运用Malmquist指数考察全要素生产率（TFP）与生态效率的动态变动关系,最后运用Tobit回归分析探索生态效率主要影响因素的方向、强度和变化趋势,以此度量和展现循环经济发展的整体情况.结果显示：生态效率呈现由东到西、由沿海到内陆逐渐收敛的格局,东部沿海地区和中部、西部内陆地区间,循环经济发展水平存在显著的阶梯式区域失衡;生态效率的集群效应明显,辐射效应不足,不同地区或同一地区的不同省份间,循环经济发展水平同样参差不齐;经济发展引发的生态赤字问题逐步缓解,但在短时间内经济和生态的矛盾依旧存在,西北地区尤为突显;第三产业比重、技术进步、市场开放对生态效率的提升具有积极作用且趋于强化;政府规制、人口密度对生态效率的提升也具有积极作用但趋于减弱;第二产业比重、能源结构对生态效率的改善存在负面影响亦趋于强化.     

颗粒物分界层Mie散射激光雷达识别的sigmoid算法

基于成都市2013年6月~2015年5月期间由Mie散射激光雷达探测的大气消光系数廓线资料,发现混合层以上在颗粒物消光和分子消光之间一致存在一个S型的过渡区,利用sigmoid函数对此分布形态进行模拟,通过计算该函数上下曲率最大点所在的高度,据此提出了颗粒物分界层Mie散射激光雷达识别的sigmoid算法.针对该算法模拟效果的分析表明,颗粒物分界层过渡区附近大气消光系数理论廓线和实测廓线保持了高度的相关性,二者在春夏秋冬四季的相关系数（R）分别为0.9971±0.0052、0.9935±0.0167、0.9979±0.0038和0.9990±0.0021（均通过α=0.05的显著性检验）.基于sigmoid算法计算的颗粒物分界层过渡区与成都市温江站探空资料得到的逆温层之间存在很好的对应关系.     

反舰导弹射击精度评估研究

分析了反舰导弹射击精度评估领域命中概率与圆概率偏差、命中区域圆概率偏差的分歧,提出了制导概率椭圆偏差和制导概率圆偏差的新概念。将反舰导弹飞行末段雷达导引头波束覆盖区域与打击目标水面舰艇轮廓大小进行了比对,根据比对结果划分为雷达导引头波束完全覆盖、部分覆盖和内嵌于目标三个等级,对应提出了命中概率评估方法、制导概率椭圆偏差评估方法和制导概率圆偏差评估方法。通过反舰导弹对快艇、驱护舰和航母三类目标射击精度评估算例验证了反舰导弹射击精度评估总体方案的全面性和三类方法的适用性。     

Analysis of pollutant levels in central Hong Kong applying neural network method with particle swarm optimization

Air pollution has emerged as an imminent issue in modernsociety. Prediction of pollutant levels is an importantresearch topic in atmospheric environment today. For fulfillingsuch prediction, the use of neural network (NN), and inparticular the multi-layer perceptrons, has presented to be acost-effective technique superior to traditional statisticalmethods. But their training, usually with back-propagation (BP)algorithm or other gradient algorithms, is often with certaindrawbacks, such as: 1) very slow convergence, and 2) easilygetting stuck in a local minimum. In this paper, a newlydeveloped method, particle swarm optimization (PSO) model, isadopted to train perceptrons, to predict pollutant levels, andas a result, a PSO-based neural network approach is presented. The approach is demonstrated to be feasible and effective bypredicting some real air-quality problems.     

日照市大气质量指数分区预报

利用1999年1月至2002年7月日照市环境监测站监测的污染物浓度资料和探空及本站地面气象资料,分析了日照地区可吸入颗粒物(PM_(10))、二氧化硫(SO_2)、氮氧化物(NO_x)浓度变化的时空分布特征及气象要素的变化对污染物浓度时空分布特征的影响。在此基础上,建立了可吸入颗粒物(PM_(10))、二氧化硫(SO_2)、氮氧化物(NO_x)浓度指数预报方程及大气质量指数分区预报流程。并用VB6.0语言编程在微机上建立了简洁流畅、操作简便的大气质量指数分区预报系统。实际预报结果较好。