Characterization of humic substances of different origin by means of mass spectrometry and neural networks

Mass spectrometry fingerprinting of humic acids extracted from different soils has been carried out using laser desorption/ionization mass spectrometry (LDI-TOF MS). LDI-TOF MS provides characteristic mass spectra fingerprints for the humic acids of different origin. The information given in the fingerprints was evaluated for natural grouping trends in the samples by neural networks computing tools, such as self-organizing feature map (SOFM). This approach is efficient for recognizing patterns in the humic acids samples independently of their characteristic variability; variability characterizing natural products such as humic substances. The use of multi-layer perceptron artificial neural networks gave a successful classification of the samples.     

自然环境因素对铝合金大气腐蚀的影响性研究

目的 研究铝合金大气腐蚀受自然环境因素的影响性，探索环境因素对铝合金腐蚀的影响规律。方法 采用多层感知器神经网络分析环境因素对7种铝合金平均腐蚀速率的影响。结果 确定了影响铝合金腐蚀损伤的重要因素为SO2沉积率、Cl^–沉积率、NOx沉积率；辅要因素为年降雨量、年雾露时数、相对湿度、年日照时数、温度、铝合金成分；次要因素为年累积降水时数、雨水pH值。结论 基于多层感知器神经网络分析有效展现了环境因素对平均腐蚀速率的影响性。     

Air Quality Management in Izmir Region of Turkey as Required by Clean Air Plans

Future (24 h later) daily ground level SO₂ concentration in Istanbul was modeled and predicted using a new and powerful technique, Artificial Neural Networks (ANN) in the case of meteorological parameters as input variables. Results show that the trend of SO₂ from higher values in winter to lower values in spring and summer, and again to higher values towards winter can be correctly represented by the neural networks. The model better predicted the lower SO₂ values in spring and summer seasons when compared to higher values in winter season because of the pattern distribution in training data sets. Beside the amount of the database, the more the variation of the values of the parameters in their own ranges, the more the network learns the database. As a result of this study, considerably successful results were obtained when considering the complex and nonlineer structure of the atmosphere, which is the source of the database.     

表面覆膜多层复合纤维滤料过滤性能的数值研究

根据Matlab软件和数值计算前处理软件Gambit中的Journal文件建立了多层复合纤维滤料模型,利用计算流体动力学(CFD)技术对沿气流方向具有不同纤维填充密度及直径分布的滤料内部的气-固两相流动特性进行了数值研究,计算了不同运行条件下滤料的压力损失及过滤效率,并将数值计算值和经典模型及实验关联式的计算值进行了比较.结果表明,压力损失的数值计算预测值和实验关联式计算值吻合较好,误差在2%以内.随着迎面风速的增加,压力损失呈线性增加.相对于填充密度,纤维直径对压力损失和过滤效率的影响更显著.不同结构滤料过滤效率的数值计算结果和理论模型的计算值变化趋势基本一致.不同迎面风速下,过滤效率都是先减小后增大,对于颗粒直径dp≤0.05μm的颗粒,随着风速的增大,过滤效率减小;对于dp≥0.5μm的颗粒,过滤效率变化趋势正好相反.迎面风速不同,过滤效率最低点出现的位置也不同.对于小颗粒,风速越小,扩散作用起主导作用;而对于大颗粒,风速越大,惯性作用越明显.过滤效率最低点出现在扩散作用逐渐弱化,惯性作用刚刚开始加强的区域.多层复合滤料在结构上采用纤维直径逐层加大的梯次结构时,能够获得较高的过滤效率.而在多层复合滤料表面覆膜后过滤效率平均增加约13%.     

雷达吸波复合材料外观失效机理分析及控制方法研究

目的 解决多层泡沫夹芯结构的雷达吸波复合材料在环境效应下产生外观失效的问题。方法 制备3种类型的雷达吸波复合材料,开展典型自然环境试验。观察试验样品外观状态,并检测变形量。通过观察泡沫的微观组织形貌,检测热膨胀量变化及泡沫与树脂间的粘黏强度,用气相色谱质谱联用仪GCMS检测复合材料裂解气体成分,分析复合材料外观失效成因,并提出解决技术途径。结果 6个月自然环境试验后,1#、2#样品外观失效,而3#样品无明显变化。复合材料100℃裂解气体成分为氮气、二氯一氟乙烷、甲基膦酸二甲脂。4种泡沫在22～85℃的最大热膨胀量分别为–0.18%、–0.37%、–0.30%、–0.45%。环氧树脂与4种泡沫的粘黏强度在41～52N,而聚氨酯树脂达到了54～81N。结论 雷达吸波复合材料泡孔内残留气体的释放,是导致外观失效的根本原因。通过热处理工艺,减少样品残留气体量,并提升胶黏剂与泡沫的粘黏复合强度,是提升复合材料环境适应性的有效技术途径。     

基于多层感知器模型的MODIS地表温度降尺度研究

LST（land surface temperature,地表温度）是一个极为重要的自然地理参数,能够表征地球表层系统的多个自然地理过程,同时与人类生产生活密切关联.为解决LST获取中时空分辨率不能自动互补的问题,以北京市为研究案例区,构建MLP（multilayer perceptron,多层感知器）模型,对MODIS（Moderate Resolution Imaging Spectroradiometer）1 km LST数据进行降尺度研究.结果表明:预测白天LST的MLP模型的训练、测试和整体决定系数分别为0.810、0.796和0.807,预测夜间LST的MLP模型的训练、测试和整体决定系数分别为0.702、0.705和0.701,预测残差值均服从正态分布,构建的模型可靠性较高.与回归模型和支撑向量机等模型相比,MLP模型具有拟合优度高、误差小等优点,此外,MLP模型测试数据集的拟合度也较高,说明模型的泛化推广能力较强.MLP模型的LST降尺度结果能够清晰地反映下垫面地表热环境的空间异质性和昼夜差异.平原地区的建设用地区为LST的高值区,山区远郊县为LST的低值区,白天LST显著高于夜间LST.将TM影像反演的LST的空间分辨率聚合到250 m,使之与MLP模型的LST降尺度结果的空间分辨率相同,并通过随机采50 000个样点比较TM影像反演的LST和MLP模型的LST降尺度结果.检验结果表明,尽管二者在具体数值上有些差异,但其空间结构高度相似,协方差为正,相关系数可达0.730,误差呈现正态分布.研究显示,人工神经网络模型在LST降尺度方面具有较大的应用前景.      

采用分层采样技术对场地地下水污染物进行三维空间描述

地下水单一混合层采样所需建井及采样技术较简单,曾被广泛应用于地下水监测,但根据该技术所得地下水污染物数据进行污染场地地下水污染羽和污染程度描述,常常存在较严重的偏差。以某氯代烃污染场地为例,详细阐述了巢式监测井的建井及分层采样技术,并以该场地主要污染物氯乙烯和氯仿为例,对比了来自不同采样技术的两个主要污染物数据,证实了采用分层采样技术对污染场地地下水进行调查,具有更好的准确性和可靠性。     

多层营养盐协同作用的藻类生长模型研究

不同形态的营养盐在不同介质(层面)中会对藻类生长产生不同的影响,本研究构建了同时考虑水环境中、藻细胞膜界面上和藻细胞膜内营养盐浓度,尤其营养盐在藻细胞界面吸附/脱附作用的藻类生长数值模型,通过数值计算进行了参数率定和验证.结果显示,实验测试值与本模型计算值的平均相对误差小于6.90%,而且,本模型与未考虑营养盐吸附/脱附作用模型的最大绝对值累积相对误差分别为11.70%和34.18%.显然,本研究提出的这种藻类生长模型与实测数据吻合更好,能够更准确、合理和真实地描述藻类生长状态与变化趋势.本模型反映出的细胞膜界面浓度,体现了藻细胞在光暗交替情况下吸收营养盐的变化,同时表达了藻细胞内部ATP浓度的变化状态,使外界营养盐浓度同藻细胞自身营养状态之间,也就是在微观和中观层次之间建立起具有理论指导意义的相互关联作用.     

城市洪水风险图编制研究——以福州为例

洪水风险图是标识区域洪涝成因、量级、特性、危及对象及应急对策等风险信息分布特征的一系列图的总称,当前已成为国内外城市防洪减灾工作中重要的非工程类措施之一。针对我国对洪水风险图的多元化需求,从不同服务目的出发对洪水风险图编制工作进行研究。提出了洪水风险图分层编制技术,将洪水风险图划分为实际洪水淹没图、洪水风险预测图和水灾风险评价信息等3个层次,并根据分层设计原则对编制不同类型洪水风险图所需的既往洪水信息、洪水风险预测信息、水灾风险评价信息做了详细论述。提出将洪涝仿真模拟技术应用于城市洪水风险图编制工作之中,针对洪水风险图的应用目的合理选定计算模型的初始条件、边界条件与运行控制方式等,经模拟计算获取编制洪水风险图所需的洪水风险信息。     

Modeling and optimization of activated sludge bulking for a real wastewater treatment plant using hybrid artificial neural networks-genetic algorithm approach

Prediction of sludge bulking is a matter of growing importance around the world. Sludge volume index (SVI) should be monitored to predict sludge bulking for a wastewater treatment plant. This study was an effort to develop hybrid artificial neural network-genetic algorithm models (MLPANN-GA and RBFANN-GA) to accurately predict SVI. Operating parameters, including MLVSS, pH, DO, temperature, TSS, COD and total nitrogen were the inputs of neural networks. Genetic algorithm was utilized in order to optimize weights and thresholds of the MLPANN and RFBANN models. Training procedures for SVI estimation were successful for both the MLPANN-GA and RBFANN-GA models. The training and validation models showed an almost perfect match between experimental and predicted values of SVI. The results indicated that with low experimental values of input data to train ANNs, the MLPANN-GA compared with the RBFANN-GA is more accurate due to higher coefficient of determination (R²) and lower root mean squared error (RMSE) values. The values of RMSE and R² for the optimal models approached 0 and 1, respectively. The mean average error for the ANN models did not exceed 3% of the input values of the measured SVI. The GA increased the accuracy of all the MLPANN and RBFANN models.