人工神经网络在预测深基坑周边地表沉降变形中的应用研究

深基坑开挖引起的周边地表变形预测是一个复杂非线性问题,引起地表沉降的影响因素很多,各因素之间呈高度的非线性关系。传统的基坑用边地表沉降变形预测方法存在着一定的局限性,其预测精度有待提高,而人工神经网络是一种多元非线性动力学系统,可以灵活方便地对多成因的复杂未知系统进行高度建模,实现全面考虑各种主要影响因素的深基坑周边地表沉降变形预测。本文介绍了误差反向传播(BP)网络模型的结构、学习过程及其算法的改进,径向基函数(RBF)网络模型的结构及其学习过程;分析了影响深基坑开挖周边土体沉降变形的主要影响因素;以25个基坑工程的地表沉降实测资料为训练样本,建立了11个输入影响因素的BP神经网络模型和RBF神经网络模型,通过对样本的学习训练过程及对5个检验样本的预测精度,说明了人工神经网络用于预测基坑周边地表沉降的可行性和准确性。     

Source characterization of ambient fine particles at multiple sites in the Seattle area

To identify major PM_2.5 (particulate matter ≤2.5 μm in aerodynamic diameter) sources with a particular emphasis on the ship engine emissions from a major port, integrated 24 h PM_2.5 speciation data collected between 2000 and 2005 at five United State Environmental Protection Agency's Speciation Trends Network monitoring sites in Seattle, WA were analyzed. Seven to ten PM_2.5 sources were identified through the application of positive matrix factorization (PMF). Secondary particles (12–26% for secondary nitrate; 17–20% for secondary sulfate) and gasoline vehicle emissions (13–31%) made the largest contributions to the PM_2.5 mass concentrations at all of the monitoring sites except for the residential Lake Forest site, where wood smoke contributed the most PM_2.5 mass (31%). Other identified sources include diesel vehicle emissions, airborne soil, residual oil combustion, sea salt, aged sea salt, metal processing, and cement kiln. Residual oil combustion sources identified at multiple monitoring sites point clearly to the Port of Seattle suggesting ship emissions as the source of oil combustion particles. In addition, the relationship between sulfate concentrations and the oil combustion emissions indicated contributions of ship emissions to the local sulfate concentrations. The analysis of spatial variability of PM_2.5 sources shows that the spatial distributions of several PM_2.5 sources were heterogeneous within a given air shed.     

基于改进遗传算法的河流水污染源反演方法

针对河流水污染应急响应过程中污染源排放历史迟知、未知的问题,结合多种群遗传算法和自适应遗传算法,利用一维河流水质模型和水质监测数据,研究建立了基于改进遗传算法的河流水污染定量源反演方法,实现了对河流污染源排放历史的识别与重构.将该方法应用于美国特拉基河流的3个不同流量下的示踪剂实验中,对示踪剂排放历史进行定量源反演分析.结果表明：IGA算法对高、中、低不同流量下的3次示踪剂实验均可以很好的重构和识别示踪剂排放历史,对于实际河流水污染源反演分析的误差均在可接受范围内.IGA算法在河流水污染源反演分析中具有一定的可靠性和稳定性,可为河流水污染精准溯源与治理提供科学的技术支撑.     

岩溶地下河污染物运移模型对比研究

两区模型（TRM）和暂时存储模型（TSM）为两种常用的岩溶地下河（管道）污染物运移模型,为了更好表征岩溶地下河污染物运移过程,开展模型对比研究.采用两种模型拟合室内管道示踪实验穿透曲线,从概念模型框架、模型优缺点、参数校正过程和物理意义、参数敏感性等方面对比分析两种模型的异同.结果表明,OTIS软件提供TSM的数值解,而CXTFIT软件提供TRM的解析解,但两者均能通过下游不同位置的穿透曲线分段表征地下河不同阶段的污染物运移过程.两种模型的物理意义相近,均可近似描述岩溶地下河中溶质的暂时性存储现象,较好地拟合溶质运移曲线.采用TSM可校正得到暂时存储区的横截面积,但采用TRM只能获得非流动区所占的比例.两种模型中弥散系数和传质/交换系数的敏感度较低,并且弥散系数的变化对穿透曲线拖尾无显著影响.研究结果为岩溶地下河污染物运移模型的选取与应用提供了依据.     

北部湾南流江流域土地覆盖及生物多样性模拟

以北部湾独流入海河流南流江流域为研究对象,基于研究区2000年和2015年遥感数据解译的土地利用数据以及社会经济等数据,采用CLUE-S模型对未来2030年生态保护情景、自然增长情景以及粮食安全情景的土地利用格局进行了模拟预测,在此基础上采用InVEST模型对流域过去和未来不同情景的生物多样性进行了评估,探讨了流域生物多样性的生境质量和生境退化程度.结果表明：2000~2015年南流江流域建设用地、园地、水域和未利用地呈现出增加趋势,其中建设用地的增幅最大,而耕地和林地减幅最大.流域土地系统中共存在着34种土地网络转移流关系,上游存在24种,中游20种,下游28种,耕地与建设用地、耕地与林地以及林地与园地之间的转换占到流域总土地利用变化的70.74%.CLUE-S模型模拟未来土地利用的Kappa系数达到0.86,表明模型模拟未来情景的土地利用精度满足要求.2000年、2015年、2030年生态保护情景、2030年自然增长情景以及2030年粮食安全情景流域生境质量总得分和平均得分分别为866630,900357,921055,876231,865370和0.7457,0.7747,0.7925,0.7539,0.7466.2030年3种情景的中上游和下游地区生物多样性都呈现出不同程度的改善趋势,而中游地区则表现出退化趋势.     

Phosphate recovery with granular acid-activated neutralized red mud: Fixed-bed column performance and breakthrough curve modelling

Granular acid-activated neutralized red mud (AaN-RM) has been successfully prepared with good chemical stability and physical strength. However, its potential for industrial application remains unknown. Therefore, the performance of granular AaN-RM for phosphate recovery in a fixed-bed column was investigated. The results demonstrated that the phosphate adsorption performance of granular AaN-RM in a fixed-bed column was affected by various operational parameters, such as the bed depth, flow rate, initial solution pH and initial phosphate concentration. With the optimal empty-bed contact time (EBCT) of 24.27 min, the number of processed bed volumes and the phosphate adsorption capacity reached 496.95 and 84.80 mg/g, respectively. Then, the saturated fixed-bed column could be effectively regenerated with a 0.5 mol/L HCl solution. The desorption efficiency remained as high as 83.45% with a low weight loss of 3.57% in the fifth regeneration cycle. In addition, breakthrough curve modelling showed that a 5-9-1 feed-forward artificial neural network (ANN) could be effectively applied for the optimization of the fixed-bed adsorption system; the coefficient of determination (R²) and the root mean square error (RMSE) evaluated on the validation-testing data were 0.9987 and 0.0183, respectively. Therefore, granular AaN-RM fixed-bed adsorption exhibits promising potential for phosphate removal and recovery from polluted water.     

底泥原位洗脱过程中氮磷含量与形态变化特征

随着城市化进程的不断推进,城市河流底泥中内源氮磷污染问题日益突出.为研究原位洗脱技术对污染底泥中氮、磷物质和成分的作用效果,以北京市凉水河作为研究对象,分别比较了现场试验洗脱与对照组0~30 cm分层底泥以及实验室模拟洗脱处理前后0~10 cm底泥中pH、E_h（氧化还原电位）、容重、含水率、OM（有机质）、TN、TP和氮、磷形态分布的变化特征.结果表明:①现场洗脱对0~5 cm厚度底泥的处理和模拟洗脱处理均对底泥中pH、E_h、含水率的改变以及其中TN、TP的去除效果表现显著,其中,现场试验洗脱组0~5 cm范围底泥中w（TN）、w（TP）分别较对照组降低了66.4%±17.4%、40.8%±24.4%,模拟洗脱处理对底泥中OM、TN、TP的去除率分别达70.1%±4.8%、66.8%±2.0%、43.1%±3.1%.②原位洗脱技术对底泥中TN的去除主要通过对PON（颗粒态有机氮）的去除来实现,现场和模拟试验过程中PON对TN去除的贡献率分别达55.0%和73.6%.③原位洗脱对底泥中TP的去除主要通过对Al-P（铝结合态磷）、OP（有机磷）的去除来实现,现场和模拟试验中Al-P、OP对TP去除的贡献率分别达37.0%、66.2%和31.3%、43.7%.研究显示,原位洗脱技术可有效去除城市河流底泥处理层中的氮磷物质,并以有机氮、磷物质的去除为主.      

洪泽湖不同入湖河流沉积物磷形态特征及生物有效性

为揭示洪泽湖入湖河流沉积物磷形态空间差异性及影响因素,分析了洪泽湖自西北向西南7条入湖河流65个表层沉积物中不同磷（P）形态,并探讨了磷形态空间赋存特征的影响因素及环境意义.研究表明：沉积物总磷（TP）含量为488.90mg/kg~960.22mg/kg,无机磷（Pi）为主要形态,相对含量为65.81%~76.16%.西部入湖流域沉积物有机磷（Po）以非活性有机磷（NLOP）为主,汴河最高,相对含量约占Po的50.41%,生物有效态无机磷（BAP）相对含量最高,占Pi的66.84%,污染程度最高;西南和西北入湖流域Po则以中活性有机磷（MLOP）为主,Pi以钙结合态无机磷（HCl-Pi）为主.西北入湖流域由于受当地地质背景的影响,HCl-Pi所占Pi相对含量最高（43.02%）,从而减缓了磷的移动能力,污染程度最低.随着沉积物污染程度的增加,生物有效态Po含量增加,但所占Po相对含量降低;HCl-Pi含量增加,所占Pi相对含量降低,这一现象和我国其它典型地区沉积物磷形态空间分布类似.西部和西南入湖流域主要受水土流失、有机面源污染及藻类生长的影响,有机质环境较高,水交换能力弱,可被有机质降解的Po组分高于可被矿化的Po组分,大部分难降解Po组分易沉积,导致西部和西南入湖流域较高的BAP和NLOP含量,富营养化程度较高.沉积物OM是各形态磷之间相互转化的关键因素,和沉积物内源磷地球生物化学循环密切相关.洪泽湖入湖流域沉积物磷形态空间差异性主要由农业面源污染物的输入而导致内源磷负荷加剧.洪泽湖西部和西南入湖流域应重点控制农田水土流失及养殖业面源污染,建设滨岸修复带,遵循少量多次增施有机肥原则,减少农用地水土流失.健全农村养殖业废水废渣处理;划定科学养殖区;提倡铜围网箱,增加水体交换率.而对于洪泽湖西北入湖流域则应重点防止过度城镇化带来的水土流失及对生态功能保护区过高的污染负荷.     

天津市河流生态完整性评价

对河流生态健康状况进行评价,可为河流治理和生态修复提供依据.基于2018年8—9月天津市河流现场调查获取的物理、化学和生物群落指标（浮游动物、浮游植物、底栖动物、鱼类、水生大型植物、陆生植物）数据,构建包含物理完整性、化学完整性和生物完整性在内的河流IEI（index of ecological integrity,生态完整性指数）评价体系,对天津市河流生态健康状况进行评价.根据生物栖息地评分和水质状况确定参照点位,采用标准化方法筛选候选指标,应用层次分析法计算三部分指标权重,最终得出天津市河流生态健康评价结果.结果表明:①IEI评价结果显示,天津市河流生态健康状况等级为“健康”的样点占18.8%,“较好”的样点占28.1%,“一般”的样点占40.6%,“较差”的样点占6.3%,“差”的样点占6.3%,天津市河流生态健康状况整体处于“一般”水平.②相关性分析表明,ρ（NH₄+-N）和ρ（COD_Mn）超标是造成天津市水质达不到功能区标准的主要原因,同时也是影响河流生态健康的主要因素.研究显示,IEI评价法能够较为敏感地响应研究区面临的环境压力,适用于评价研究区河流生态健康.      

基于BP神经网络的北京城区公园土壤PAHs含量预测

城市公园是城市生态环境的重要组成部分,其环境质量与人类健康息息相关.选择北京市121个城区公园,采集公园土壤样品并分析其中7种多环芳烃（PAHs）含量,评价城区公园土壤中PAHs的含量水平,并基于BP神经网络预测了2020年和2023年土壤PAHs含量.结果表明:北京城区公园土壤中w（PAHs）（7种PAHs总含量）范围为0.033~4.182 mg/kg,低于GB 36600—2018《土壤环境质量建设用地土壤污染风险管控标准（试行）》土壤污染风险筛选值,且7种PAHs的毒性当量浓度（TEQ）均低于世界卫生组织标准值（1 mg/kg）,对人体健康的毒性风险较小.将14个影响指标（8个社会经济因子与6个公园特征因子）作为输入层、土壤w（PAHs）作为输出层,建立BP神经网络的拟合优度达0.845.预测结果显示,2020年和2023年北京城区公园土壤中w（PAHs）范围分别为0.008~0.969 mg/kg和0.022~1.988 mg/kg,整体均低于GB 36600—2018土壤污染风险筛选值,但随时间推移呈上升趋势,尤其朝阳区和海淀区将有大幅增长.研究显示:城市化发展因素对土壤w（PAHs）的增加有明显影响,城市发展进程影响不容忽视;至2023年,北京城区公园土壤若不加管理,其w（PAHs）将持续增长.