排序方式: 共有62条查询结果,搜索用时 46 毫秒
31.
32.
苏州市城市可持续发展能力研究 总被引:4,自引:0,他引:4
根据可持续发展能力的内涵和特点,结合城市发展特征,从发展能力、持续能力、协调能力三个方面去理解城市可持续发展能力,评价城市系统可持续发展,建立评价的指标体系。以苏州市为研究对象,通过标化计算,从发展能力、持续能力、协调能力三个角度评价苏州市城市1997~2001年这五年内的可持续发展能力的动态变化,找出苏州可持续发展的制约因素,并在此基础L提出一些对策建议。 相似文献
33.
基于2012~2017年南京市气象数据和空气污染数据,采用空间天气分类法(SSC)进行分类,并分析不同天气类型以及各项气象因子与污染物浓度的关系。结果表明,污染物在干燥晴朗的天气类型下的平均浓度较高;冬季气象条件对污染物浓度的影响最大;对于污染物SO2、NO2、PM10、PM2.5和CO,各气象因子对浓度的影响程度排序依次为气压、风速、温度、云量和露点;O3浓度受温度的影响最大。此外,对极端污染情形的研究表明,南京市在光照充足、晴朗干燥的天气类型下出现极端污染的风险较大,在温度5~10℃,露点温度0~5℃,气压1 020~1 025 hPa,云量0~2,风速2~3 m/s的天气条件下更容易发生极端污染。 相似文献
34.
35.
36.
根据湖泊监测的特点,采用支持向量机(SVM)方法,反演太湖叶绿素a的浓度分布.将2005年8月太湖29个现场水质监测点数据分为训练测试样本集和验证样本集,利用训练测试样本集以及与其时间同步的MODIS遥感影像,分别构建了4种SVM模型.对比分析表明,直接以波段反射率以及水深信息构成输入向量的SVM模型预测效果最好.利用训练测试样本构建了线性回归模型、主成分分析模型(PCA)以及神经网络模型(ANN),并利用验证数据比较了上述3种模型与SVM模型的预测结果.结果表明ANN模型和SVM模型预测能力明显优于另外2种模型,其中SVM模型对低值和高值均有较好的预测精度,平均相对误差仅为15.91%,预测精度比ANN模型提高了10%.利用SVM模型和ANN模型分别反演了2005年8月15日太湖叶绿素a浓度分布,比较了2种模型反演结果的异同,分析了太湖叶绿素a分布特征及其成因. 相似文献
37.
38.
太湖叶绿素a浓度预测模型初探 总被引:2,自引:0,他引:2
以太湖2005年的监测资料为基础,运用多元统计回归和BP人工神经网络方法构建模型,探求叶绿素a与水深、水温、营养盐等10项环境因子之间的关系,通过验证发现BP模型对叶绿素a浓度的拟合值与叶绿素a浓度的实测值之间的均方误差为220.3059,优于统计回归模型的235.4569;此外对两种模型进行了灵敏度测试,结果都显示总磷不是太湖叶绿素a浓度的限制因子,而水深、水温、总氮的变化对叶绿素a浓度影响显著。本研究对太湖叶绿素a浓度预测模型的建立是十分有意义的。 相似文献
39.
40.
为应对化工企业生产过程和日常仓储中重大危险源过于集中而导致多米诺事故频发的现状,研究优化布置安全屏障以预防扩展事故的方法。首先,以池火灾为初始事故,识别二次事故计算扩展概率;然后,兼顾安全屏障损坏的可能以及安全屏障对减弱热辐射物理效应的作用,评估安全屏障作用于危险源的效果;其次,通过构建优化决策模型,求解总成本有限条件下,研究范围内发生多米诺事故概率最小的安全屏障设置方案;最后,以某蛋氨酸生产企业为例,通过模型计算求得其最优的安全屏障设置方案。结果证实合理布置安全屏障能够有效阻止多米诺事故的发生。 相似文献