Application of machine learning methods to palaeoecological data

A palaeoecological study was conducted to investigate past environmental conditions and vegetation dynamics around the southwestern Ljubljana Moor. In order to find potential regularities and/or dependencies among co-existent plant species through time, different machine learning methods were applied to pollen records from the cores taken at Bistra and Ho?evarica. The data comprised relative pollen frequencies of the most common plant genera/families at particular core depths that correspond to particular ages in the Early and Mid Holocene periods. The applied methods include equation discovery and hierarchical clustering. Both methods have found plausible and explainable relationships among identified plant genera/families.     

降水量与城市大气环境关系——以113个环保重点城市为例

为研究降水量与大气污染物之间的关系,依据2017年全国113个环保重点城市大气质量数据,得出城市聚类空间分布规律及两者之间线性拟合方程。基于南北降水量分布特性与城市空气污染指数,采用模糊聚类法对具有不同亲疏程度的城市进行类别划分,运用Spearman相关性与拟合方程对大气污染特征值与降水量进行分析。结果表明：随着聚类种数增多,城市聚集在空间分布上由“环环相套”发展为“依流域分布”,降水量与大气污染物浓度呈现负向关联性,晋冀鲁豫陕省份污染最严重。采用Kolmogorov-Smirnov检验法,得出NO₂、O₃、PM_2.5总体分布符合正态分布,SO₂、PM₁₀、CO既不符合正态分布,也不符合均匀、指数分布,它们与降水量的相关系数为：-0.316、-0.238、-0.332、-0.617、-0.574、-0.695;线性拟合方程系数处于 [-0.031, -0.008] 之间,降水量与大气污染物浓度之间负相关性明显。研究结果有助于了解和认识降水量对城市大气环境变化的影响。     

基于改进PPC模型的铁路弃渣场综合风险评价系统

为了客观准确地评估铁路弃渣场的综合风险,建立基于改进投影寻踪聚类（PPC）模型的风险评价模型。首先建立了6个维度共19个因素的指标体系,并制定相应评价标准;然后借鉴K均值聚类思想来确定PPC模型关键系数-密度窗宽R,以解决传统方法造成的聚类效果差等问题;同时将遗传算法（GA）作为模型优化算法得到最优投影方向和样本投影值等关键数据;最后以贵昆线铁路的10座弃渣场作为案例研究,研究结果表明:“弃渣场边坡条件”和“地形与地基条件”2个维度对弃渣场的综合风险影响最大;验证了所建模型的科学性,评价结果能够规避人为主观因素的干扰,更加与实际情况相贴合。     

冶金生产企业风险分级研究

冶金行业存在诸多风险,对其进行风险分级研究可以更好地做好预防工作。首先对冶金企业的危险有害因素进行了辨识;其次,建立冶金企业风险指标体系;最后,运用MATLAB与灰色变权聚类分析法计算风险等级。结果表明,违反操作规程的风险等级最高,是影响冶金企业生产风险级别的最高指标,遵守操作规程是企业安全工作的管理重点。     

一种基于分布式推理的火情探测系统

为克服用于火情探测的传统中心化系统网络负载高、灵活性差、推理效率低等问题,提出了一种无线传感网络环境下基于分布式推理的火情探测系统。该系统依托局部模糊逻辑和知识驱动聚类技术,能够融合当前环境信息、被预测的环境信息(短期知识)和偏差环境信息(长期知识),进而生成针对火情的更加复杂和精细的推理结果。该系统采用Ⅱ型模糊逻辑模型,避免了Ⅰ型模糊逻辑模型在建模非确定性局部知识和动态环境时准确率较低的问题;此外,该系统采用知识驱动节点自动聚类策略,并引入选择概率机制,有效降低了网络负载并提升了对非确定性的建模能力。对真实数据集进行试验,与多款基于无线传感网络的火情探测系统的试验结果对比表明,该系统能够生成针对火情的更加复杂和精细的知识推理结果,而且显著减少了无线传感网环境承载的消息数量,提高了知识推理的即时性和准确性。     

基于模糊聚类的PM_(2.5)拟合组分选择模型的研究

提出了一种新的PM2.5源成分谱拟合组分选择模型,在充分考虑拟合过程的物理意义的基础上,采用聚类正确率作为组分选择的依据.实验验证,该模型能够准确获取较好的拟合主组分,相比与经验选或者手动盲选所得拟合结果,我们提出的模型将成功拟合(误差范围在0~0.05之间)的比例由40%提升到83%.     

Modeling level-of-safety for bus stops in China

Objective: Safety performance at bus stops is generally evaluated by using historical traffic crash data or traffic conflict data. However, in China, it is quite difficult to obtain such data mainly due to the lack of traffic data management and organizational issues. In light of this, the primary objective of this study is to develop a quantitative approach to evaluate bus stop safety performance.

Methods: The concept of level-of-safety for bus stops is introduced and corresponding models are proposed to quantify safety levels, which consider conflict points, traffic factors, geometric characteristics, traffic signs and markings, pavement conditions, and lighting conditions. Principal component analysis and k-means clustering methods were used to model and quantify safety levels for bus stops.

Results: A case study was conducted to show the applicability of the proposed model with data collected from 46 samples for the 7 most common types of bus stops in China, using 32 of the samples for modeling and 14 samples for illustration. Based on the case study, 6 levels of safety for bus stops were defined. Finally, a linear regression analysis between safety levels and the number of traffic conflicts showed that they had a strong relationship (R² value of 0.908).

Conclusions: The results indicated that the method was well validated and could be practically used for the analysis and evaluation of bus stop safety in China. The proposed model was relatively easy to implement without the requirement of traffic crash data and/or traffic conflict data. In addition, with the proposed method, it was feasible to evaluate countermeasures to improve bus stop safety (e.g., exclusive bus lanes).     

绿色大学环境能源优化研究

绿色大学是在日益严重的环境问题背景下生态文明和社会可持续发展理念融合于校园的必然趋势.作为技术传承和创新的主体,积极探索和深化高校能源改革具有非常重要的意义.本文以中国石油大学的面板数据作为数据研究基础,结合气候能源因素,提出基于综合节能模型的绿色大学构想,采用簇聚类和遗传优化进行能源整合,动态评估后进行系统参数加权优化,从而达到能源优化使用的目标.实践表明,该模型有效提升能源效率和改善环境,具有重要的应用意义.     

高校能源消耗建模研究与应用

针对高校能源消耗建模研究与应用问题,文中介绍了高校能耗日益增长现状,给出了高校能耗模型构建,为节约能源必须做好精准能耗预测.建立了灰色径向基函数神经网络高校能耗预测模型,并采用基于排序等分法赌盘规则选择算子的遗传算法对该模型进行全局优化,进一步用实例对比分析评估了模型的有效性.实践表明,优化后的模型能有效预测能耗,与传统单一的建模方式相比,有更好的拟合性、稳定性、预测精度和更快的收敛速度,为节能评估和设计提供了决策依据.     

北京东南郊土壤剖面氟喹诺酮类抗生素分布特征

采用Geoprobe在北京东南郊地区实施了土壤剖面钻探,针对8种不同类型土地利用状况的土壤剖面进行土壤采集工作,11个采样点共采集86个土壤样品,分析了土壤样品的理化参数,并且采用高效液相色谱法对土壤样品中5种氟喹诺酮类抗生素(FQs)进行了定量分析.结果表明,北京地区土壤样品中5种氟喹诺酮类抗生素总含量的平均值为46.1μg·kg-1,组成以氧氟沙星(OFL)为主,其次为诺氟沙星(NOR),而恩诺沙星(ENR)、环丙沙星(CIP)和洛美沙星(LOM)的含量很低;不同土壤剖面中氟喹诺酮类抗生素的含量和组成差异明显.5种氟喹诺酮类抗生素总含量的平均值随土壤深度的增加呈现降低的趋势.OFL、NOR、LOM和ENR的平均含量随着深度增加而降低;CIP的平均含量随深度增加先降低后升高.对42个位于浅层(0~3 m)的土壤样品进行模糊聚类分析,结果表明,蔬菜大棚、树林、再生水灌区、地下水灌区(清灌区)、养殖场、排污河沉积物的浅层土壤样品中的喹诺酮类抗生素具有相似的组成特征,即抗生素污染水平较低、种类较少;而制药企业及垃圾填埋场的组成特征与前者明显不同,即抗生素污染水平中等、种类较多.