三峡库区雷暴气候变化特征分析

利用长江三峡库区及其周边地区38个气象站1961～2001年的逐日雷暴资料,统计、分析了三峡库区雷暴日数及其初、终日的时空分布特征。结果表明：41年来,长江三峡库区年平均雷暴日数较多,一般为34～45 d,其中库区西北部和中南部为多雷区;年际变化大,最多年比最少年一般偏多27～61 d;整个库区年雷暴日数的变化均存在不同程度的减少趋势,气候倾向率为 1～7 d/10 a;雷暴出现的季节变化很明显,4～8月为多发时段;雷暴初日库区东部早于西部,终日东西段差别不大;雷暴持续期普遍在195～239 d之间,其中西部持续时间短,东部长;大部地区雷暴初日有推后的变化趋势,推迟速率约2～6 d/10 a;终日有提前的变化趋势,且提前速率为2～4 d/10 a;库区大部雷暴期呈缩短的变化趋势,缩短速率为2～8 d/10 a。     

基于回归支持向量机的指标规范值的水质评价模型

传统的回归支持向量机的水质评价模型不具有普适性和通用性,当指标较多时,模型的学习效率和求解精度均会受到影响.若适当设定3类水体(地表水、地下水和富营养化水体)各项指标的参照值及指标值的规范变换式,使不同指标的同级标准的规范值差异不大,从而可以认为用规范值表示的不同指标皆“等效”于某个规范指标.因此,可建立用规范值表示的任意m项指标组合皆适用的水质评价的回归支持向量机模型.通过实例对模型的实用性进行了效果检验,结果表明:用基于回归支持向量机的指标规范值的水质评价模型对河桥地表水、黑龙洞泉域地下水和山仔水库富营养化水体的水质评价结果与用BP神经网络评价法、模糊综合评价法和属性识别评价法的评价结果基本一致.     

A stage-structured, Aedes albopictus population model

Aedes albopictus has been the fastest spreading invasive animal species in the world from the mid-1980s until the mid-2000s. In areas it infests, it disrupts native mosquito ecology and can potentially vector up to 21 viruses. To better understand the population dynamics of this species, we created a temperature dependent population model. A stage-structured model was chosen to allow each life-stage to have different temperature dependent mortality and development rates, and each stage was modeled with an ordinary differential equation. Model parameters and distributions were based upon literature values. Initially, a basic model was constructed. This model then had parameters that were forced based upon daily average temperatures. Several criteria were used to evaluate the model, including a comparison to field data from Lubbock, TX. In a stochastic version of the model, a 95% confidence limit contained 70.7% of the field data points. Based upon these results, we feel reasonably confident that we have captured the role of temperature in driving the population dynamics of Ae. albopictus.     

基于遗传-支持向量机和遗传-径向基神经网络的有机物正辛醇-水分配系数QSPR研究

基于遗传算法(GA)的因子筛选和支持向量机(SVM)的非线性回归,提出了1种改进的有机物定量结构-性质相关(QSPR)建模方法--遗传-支持向量机(GA-SVM),并将其用于38种食品工业常用有机物正辛醇-水分配系数(Kow)的QSPR建模.结果显示,QSPR模型选取了分子量、Hansen极性、沸点、含氧率和含氢率5种参数;模型的预测值与实测值间的误差平方和(SSE)、均方差(RMSE)和决定系数(R2)分别为0.048、0,036和0.999,表明模型具有较强的预测能力;同时,交叉验证的结果(SSE=0.295,RMSE=0.089,R2=0.995)也表明,模型具有良好的稳健性,因此,GA-SVM算法适用于对有机物正辛醇-水分配系数的QSPR建模.此外,将基于GA-SVM的QSPR模型分别与基于遗传-径向基神经网络(GA-RBFNN)和基于线性算法的模型进行了比较,结果表明,应用GA-SVM建立的QSPR模型无论从稳健性还是预测能力上都优于应用其它2种算法建立的模型,因此,GA-SVM算法比GA-RBFNN和线性算法更适合于对有机物正辛醇-水分配系数进行QSPR建模.     

基于遗传算法的支持向量机预测有机物自燃点的研究

根据定量构效关系(QSPR)原理,研究自燃点(AIT)与其分子结构间的内在定量关系。以265种有机化合物作为样本集,随机选择238种作为训练集,27种作为测试集,用遗传算法(GA)进行变量选择,分别建立多元线性回归(MLR)模型和支持向量机(SVM)模型研究有机物的自燃点与其分子结构间的关系。通过分析,发现造成模型预测效果不佳的原因是试验数据本身存在问题。通过对2个模型的比较,结果为GA-SVM模型明显优于GA-MLR模型,说明自燃点与其分子结构间具有很强的非线性关系。     

2014~2017北京市气象条件和人为排放变化对空气质量改善的贡献评估

2014～2017年北京地区霾日数和污染日数逐年减少,PM_(2.5)、PM_(10)、SO_2和NO_2年平均质量浓度下降,污染程度缓解,采暖期中的11～12月尤为明显.针对空气质量的显著改善,从气象条件的改善和减排措施两方面进行探讨分析,并结合数值模式和大数据挖掘技术实现气象和排放对大气污染贡献率的定量化研究.结果表明,2017年与过去3 a相比,平均风速增加7. 9%,≥3. 4 m·s~(-1)的风速频次最高(10. 6%),≥70%湿度日占比最小(25. 1%);其中,采暖期与过去3 a同期相比,小风日数减少8. 6%、大气环境容量指数和通风指数平均增加约11%,边界层高度以3. 2%·a~(-1)的速率升高,尤其11～12月各要素改善更显著,且该时段内2014年各因子变化与2017年相似.非采暖期(4～10月)累积降水量558. 3 mm,仅次于2016年,有利于污染物的清除和湿沉降.利用WRF-CHEM对霾和污染频发的12月进行模拟发现,气象要素的改变导致2017年12月北京PM_(2.5)质量浓度较2014～2016年同期分别降低5%、38%和25%.因缺少政府实际施行的减排方案,无法利用WRF-CHEM量化气象和减排的具体贡献率,因此借助大数据挖掘算法,基于K近邻算法(KNN)和支持向量机(SVM)模型对气象和减排对空气质量改善的贡献进行评估,结果显示2017年减少的霾日和重污染日,65. 0%归因于减排的贡献,35. 0%归因为气象条件的改善.可见,气象与生态环境部门应继续加强数据开放共享,科学开展气象条件预报与减排评估.     

氯化剂对超细颗粒物与重金属共生成特性的影响

以循环流化床反应器为实验平台,研究了焚烧温度为850℃下添加剂（NH₄Cl和KCl）对超细颗粒物与重金属共生成特性的影响.结果表明：NH₄Cl和KCl的存在均会降低超细颗粒物的数量浓度,但KCl的效果更佳,发挥的是阶梯式或者协同式作用.此外,添加比例为3%时对超细颗粒物数量浓度的降低最为明显.重金属Cr,Mn,Ni主要通过夹带方式形成超细颗粒物;而重金属Pb,Cu,Zn则主要通过蒸发、冷凝和吸附方式累积在超细颗粒物中.无机氯在焚烧过程中可以作为颗粒之间良好的粘合剂,促进超细颗粒物之间的成长和团聚,同时促进其表面形态的生长.此外,K的存在会促进细模态颗粒物之间的凝聚成长,使得细模态颗粒物的峰值增大,而NH₄⁺的存在会降低粗模态颗粒物的峰值.本研究可为污泥等废物热处理过程中重金属与超细颗粒物的协同控制提供借鉴.     

基于链式多重插补的WOA-ELM煤与瓦斯突出预测模型*

为了提高缺失数据下煤与瓦斯突出预测准确率,提出1种基于链式支持向量机多重插补（MICE_SVM）的鲸鱼优化算法（WOA）-极限学习机（ELM）预测模型,以淮南朱集矿区为例,选取5个煤与瓦斯突出影响指标作为模型特征,采用提出的MICE_SVM算法插补突出事故数据中缺失值,利用WOA优选ELM输入层权值及隐含层阈值,构建煤与瓦斯突出预测模型,将插补后数据用于WOA-ELM模型的训练与测试,并与其他模型的预测效果对比。研究结果表明:MICE_SVM插补前、后的有突出数据预测准确率分别为83.02%,90.41%,MICE_SVM显著提高了有突出预测准确率,对无突出和整体的预测准确率提高不明显;数据插补后WOA优化ELM对无突出、有突出和整体的预测准确率分别为97.94%,96.25%,96.48%,较优化前分别提高了5.79%,5.84%,5.55%,数据插补后WOA-ELM为最佳预测模型。     

基于高光谱特征提取的藻类叶绿素a反演模型

选取自然界中分布较广泛的小球藻和铜绿微囊藻为研究对象,进行室内藻类光谱试验,同步测定其ρ(叶绿素a),并分别建立基于混合高斯函数的小球藻和铜绿微囊藻高光谱信息模型. 在此基础上,利用模拟退火算法实现模型的非线性参数拟合,提取这2种藻的高光谱特征,通过非线性回归分析,反演得到分解后的高光谱信息模型的峰高(h_i)与ρ(叶绿素a)的定量模型,实现对水体中小球藻和铜绿微囊藻ρ(叶绿素a)的预测. 结果表明:藻类高光谱特征提取算法能有效揭示小球藻和铜绿微囊藻的光谱本质特征,并得出相应的小球藻和铜绿微囊藻叶绿素a反演模型.      

香港新机场侯机厅的基本几何结构特点及其火灾安全分区的简短回顾

描述了香港新机场侯机厅的基本几何结构特点,在没有扰乱机场的正常运作的情况下,对侯机厅的火灾安全分区进行了实地考查,对候机厅内的零售店发生轰燃所需的最小热释放速率进行了调查。