兰州市不同径粒大气颗粒物污染特征及气象因子的影响分析

空气污染程度与就诊率、呼吸道发病率及死亡率等有着密切的联系。兰州市在上世纪末曾被喻为卫星上看不到的城市,它的大气污染程度一直以来为人们所关注。利用2013年国家环保部公布的兰州市5个监测点（涵盖了4区1县）大气细粒子PM10及PM2.5的监测数据,针对全年的日均PM2.5与PM10质量浓度并结合了同期的气象因子进行分析研究,结果表明：春冬季为兰州大气中两种颗粒物的污染的高峰期（春季峰值为3月份,PM10及PM2.5质量浓度的月均值为309和103μg· m-3,超标倍数为1.062与0.436;冬季峰值为11月份,PM10及PM2.5质量浓度的月均值为203和85μg· m-3,超标倍数为0.353与0.7）,夏秋季为低谷（波谷为9月份,PM10及PM2.5的月均值为96和39μg· m-3,均低于国家标准）。PM2.5与PM10质量浓度比值均在0.4与0.5之间,呈一定的线性关系,大气污染较轻。当温度在-3~0℃之间时,大气中PM2.5与PM10质量浓度变化较剧烈。露点温度高于-3.15时,使得PM10的质量浓度下降明显;当日均露点温度高于1.85时,PM2.5的质量浓度随着露点温度的增大而降低,说明湿沉降对着两种粒子的清除作用明显。降水对大气中的两种颗粒物均呈现清除作用,但是在降水后PM10质量浓度迅速回升,但PM2.5质量浓度却变化不大。风向偏西时,大气中细颗粒污染物浓度增加。风速的增加对PM2.5有一定的清除作用,但由于兰州市的地貌特征,使得大气中PM10的质量浓度增加。上述结果为兰州市大气污染的监测与治理及大气污染预报提供了重要的依据。     

我国城市冬季PM2.5空间特征及其人为影响因子

以我国114个城市冬季(2013年12月-2014年2月)公布的PM25数据为基础,结合其他相关数据,运用空间自相关分析、克里格插值法和逐步回归分析法,研究我国冬季PM2.5浓度空间分布差异及其影响因素.结果显示,研究期间PM2.5在空间分布上具有高值集聚、低值集聚和高值邻域的低值集聚的变化特征,全局自相关系数Moran's I为0.27.PM2.5浓度分布由北到南、从内陆到沿海具有先升高后逐渐降低的变化趋势,高浓度区域主要集中在华北平原、长江中下游平原和陕西关中平原等地区,这些区域的冬季PM2.5平均质量浓度都达到150 μg·m-3以上,最高达250 μg·m-3.多因子逐步回归分析结果表明,人为活动对我国高浓度PM25(＞150μg·m-3)分布影响显著,对低浓度PM2.5(≤75μg·m-3)分布影响不显著.市辖区人口密度和第二产业GDP是显著影响我国高浓度PM2.5分布的主要人为影响因子.市辖区建成区面积、全市年末总人口和市辖区道路面积等是影响我国城市间PM2.5浓度分布差异的主要人为影响因子.     

基于事故修正系数的山区高速公路事故预测模型

为量化分析山区高速公路线形指标对交通事故发生及严重程度的影响,引入事故修正系数(CMF)概念,提出基于CMF的高速公路交通事故预测模型。验证事故数据服从零膨胀负二项(ZINB)分布,并标定10个不同线形组合路段的基本事故预测模型;在界定理想条件的基础上,借助优势比分析方法,建立10个不同线形组合相对于基本预测模型的CMF模型;通过弹性分析识别出对不同严重程度事故有显著影响的因素,并以此分析山区高速公路线形指标及线形组合的安全效应。研究结果表明：CMF能够定量反映不同线形组合的风险效应,且其值越高,事故率及事故严重程度可能更高;山区高速公路中,平曲线缓坡组合相对安全,平曲线陡坡组合、平曲线竖曲线组合均有较高的事故风险;平曲线与凹型竖曲线组合时的风险会略低于其与凸形竖曲线组合;控制纵坡度、减少平竖曲线的组合均有利于山区高速公路交通安全。     

冬季高速公路逐时路表温度LSTM预测模型

为提高冬季路表温度的预测精度,提出一种基于多维长短时记忆(LSTM)神经网络的冬季路表温度逐时预测模型,以小时路表温度为模型输出,综合考虑多维气象因素的累积影响和路表温度的周期性,采用滑动窗口构造输入特征矩阵;构建路表温度LSTM逐时预测模型,通过深度学习高效逼近具有复杂非线性和不确定性的路表温度,并以江苏省宁宿徐高速公路、云南省麻昭高速公路为实例进行验证。结果表明：与随机森林(RF)模型和BP神经网络相比,LSTM路表温度逐时预测模型的准确率得到显著提高,在宁宿徐高速、麻昭高速的平均绝对误差(MAE)、均方误差(MSE)和均方根误差(RMSE)分别为0.303、0.295、0.543和0.581、0.694、0.833,预测值与观测值绝对误差位于[0, 1)℃之间的占比为93%和89%。LSTM模型能准确捕捉路表温度的周期性和不确定性,在阴雨天和晴朗天的预测值与实测值基本一致,模型鲁棒性较好。     

基于VMD排列熵与FASSA-SVM的滚动轴承故障研究

提出了一种基于萤火虫改进麻雀搜索算法-支持向量机（FASSA-SVM）的轴承故障诊断方法。首先对轴承工况的振动信号变分模态分解（VMD）得到多个模态分量（IMFs）,其次利用排列熵（PE）求解每种工况每个IMF的PE值作为特征参数输入至SVM中,最后利用FASSA方法优化SVM的惩罚因子、核参数并得到最优的轴承故障分类诊断效果。实验结果表明,FASSA-SVM方法的平均测试集诊断准确率高达99.8%,该诊断结果优于传统的萤火虫算法（FA）、优化麻雀搜索算法（SSA）。     

农村突发公共卫生事件应急医疗设施选址研究

为提高农村突发公共卫生事件应急医疗设施选址决策的科学性,基于新冠肺炎(COVID-19)疫情传播迅速,危害性强的突发公共卫生事件特征,依据应急医疗设施设计标准并兼顾农村医疗预算少、应急道路崎岖的特点,首先,选取设施备选地工程地质条件、单位成本、传染率、抵达时间、场所规模以及服务覆盖区域6项影响因素,将熵值法(EVM)和层次分析法(AHP)有效结合确定影响因素权重;其次,建立考虑患者到应急医疗设施的距离之和最小以及所选择应急医疗设施的综合评价值最优的多目标选址模型;然后,设计改进的粒子群优化(IPSO)算法求解模型,得到选址决策;最后,选取天门市部分村庄进行实证分析,以验证模型算法的有效性。结果表明：传染率和单位成本是建设应急医疗设施主要影响因素,IPSO算法选取3个应急医疗设施,能够满足8个村庄患者的治疗需求,并保证患者在4～7 min内就医,为高效开展疫情防控活动提供保障。     

基于响应面法的抑尘剂组分配比优选模型

为解决抑尘剂多功能组分优选过程中存在的非线性问题,提出基于响应面法(RSM)的抑尘剂配比优化模型,在分析影响因素与响应值、各影响因素之间的交互作用特征的基础上,通过分析响应面的变化特征获得抑尘剂的最优配比。采用星点设计法,以润湿、保湿、黏结组分的体积分数为自变量,以粉尘沉降时间、失水率和风蚀率为因变量,在室内试验数据的基础上,开展多元线性方程拟合和方差分析,获得最优配比的预测结果,并进行试验验证。研究结果表明：星点设计—RSM模型的预测值与试验值偏差小于6.0%,优选组相比对照组(水)而言,粉尘沉降时间缩短23倍,失水率和风蚀率分别降低3.00%和2.64%,说明优选组具有优良的润湿、保湿和黏结性能,证明所构建的优化模型对抑尘剂多组分非线性优化问题具有良好的预测性能。     

面向驾驶员心电数据的交叉口驾驶风险评估方法

为更精准地评估交叉口范围内的驾驶风险,首先,引入驾驶员心电(EGG)数据,提出基于余弦相似性距离的逼近理想解排序(TOPSIS)模型;其次,建立滚动时间窗法,并改进传统的短期频域指标计算方法,计算模型中低频(LF)变化率指标和低频与高频之比(LF/HF)等心率变异性(HRV)指标,模型时域指标有心脏搏动周期(R-R间期)变化率和其标准差(SDNN);然后,根据心电频域和时域指标与静息状态下对应指标的接近程度进行综合排序,按照越接近驾驶风险越小的原则,评估交叉口区域的驾驶风险;最后,选择30名驾驶员,在西安市23个交叉口开展实车试验,采集试验数据并验证模型方法。结果表明：驾驶员在相同交叉口环境下的驾驶风险评估结果相似性超90.1%,所提方法可应用稀疏样本评估交叉口的整体驾驶风险;高驾驶风险的交叉口评估方差较中、低驾驶风险路口分别高38.8%和67.9%,表明低风险交叉口区域驾驶风险的评估更精准。     

新冠疫情下国际班列通道综合风险测算

为分析并测算全球新型冠状病毒肺炎(COVID-19)疫情下以中欧、中亚班列为代表的国际班列通道的综合风险,便于决策者因险施策、防患于未然。首先,构建疫情下通道沿线节点国家综合风险评价指标体系,采用模糊C均值(FCM)聚类算法对沿线国家风险等级进行分类;然后,综合考虑节点间风险的相互影响,构建通道风险测算模型;最后,利用蒙特卡罗法进行仿真试验,计算不同通道去向、返程班列的风险得分。结果表明：中欧班列中/东向通道风险最高,中亚班列南向通道、新通道通行风险相对较小,需有效开拓南向通道和新通道,分担通道货运高风险。     

小样本条件下地铁运营事故致因推理模型

为克服传统事故致因推理模型不适用于小样本条件下的地铁运营事故致因推理的缺陷,将贝叶斯网络(BN)与Bootstrap抽样法、D-S证据理论相结合,建立地铁运营事故致因推理模型。首先,分析历年地铁运营事故样本,确定事故致因因素及网络节点;其次,基于BN的基本算法和理论,运用Bootstrap抽样法和K2算法进行BN结构学习;然后,使用D-S证据理论修正BN参数,建立适用于小样本条件下的地铁运营事故致因BN模型;最后,进行因果推理、诊断推理和敏感性分析。结果表明：所构建的地铁运营事故致因推理模型可有效进行事故推理预测,节点预测精度均值为0.858;通过因果推理得出最常见的地铁运营事故类型为运营中断,其次是火灾和列车冲突;结合诊断推理发现供电系统故障是导致运营中断的最主要事故致因。