基于统计数据的全国火灾形势综合评价与预测

为综合评价我国的火灾形势,掌握火灾发生、发展规律,根据改革开放以来3个不同时间段的火灾统计数据,运用多元统计分析方法,借助统计软件,对火灾数据进行深层次的分析和研究。同时,针对火灾事故的特点,根据灰色理论的原理和特性,建立了火灾事故灰色系统预测模型,预测了2009年我国的火灾发生状况。结果表明:我国的火灾形势从总体上呈现出火灾发生起数上升中趋于平稳,火灾损失和人员伤亡平稳发展中有所降低的趋势。灰色系统理论模型预测结果同实际状况基本吻合,能够对全国的火灾形势进行综合评价,为消防安全管理部门探究火灾规律提供必要的理论支持。     

基于ARIMA与SVM的飞行事故组合预测方法

飞行事故预测的目的在于预防事故。为提高事故预防的针对性和有效性,必须加强预测,以增强预防飞行事故的主动性。在ARIMA和SVM基础上,提出一种飞行事故组合预测方法。首先建立ARIMA模型,用以描述历史数据中的线性关系;然后,对ARIMA模型的残差构建SVM模型,用以模拟数据中的非线性规律,两者预测值之和就是最后的预测结果。美国空军1954—1993年飞行事故损坏飞机万时率的实证分析结果表明:利用该方法所建立的模型,能够对飞行事故作出较为准确的预测,模型精度总体优于单一的ARIMA或SVM模型。     

数据分解模式下PM2.5与气态污染物的组合预测研究

大气污染治理是我国实现生态文明的必经之路,制定有效性的大气治理方案,作为参考的大气污染物月均浓度预测结果是至关重要的.针对大气环境污染物月均浓度时间序列的高噪音、非平稳和非线性等特点,本文提出一种基于数据分解模式的组合预测模型.上海市的实例验证及与其他3种模型的对比研究表明：本文所提出的组合预测模型适用于政策制定所需但样本量受限的月均或年均数据预测;所提出的子序列重构的新模式比传统求和算法重构模式提高预测精度12.5%;相较于其他模型,其预测性能最优（绝对百分比误差的均值仅为9.05,且对历史拟合的皮尔逊系数均为0.90以上）.实现了对大气污染物月均浓度高精度预测,可为相关政策的制定提供科学的定量参考.     

干旱区旅游业用水供需适配性评价模型及应用——以中国新疆为例

干旱区旅游业在促进区域社会经济发展的同时,也加剧了地区的水资源供需矛盾。针对中国干旱区水资源禀赋及旅游产业的特点,提出干旱区旅游业用水供需适配性评价模型。按照旅游业产值对地区生产总值贡献率、旅游业从业人员占地区就业人员比例、地区水资源禀赋约束等指标,构建综合测算干旱区旅游业用水供给量测算模型;从旅游“食、住、行、游、娱、购”全要素视角,建立由餐饮水足迹、住宿水足迹、能源水足迹、游览水足迹、购物水足迹等账户组成的旅游业用水需求量测算模型;针对“供给”与“需求”水量的数量关系,利用组合分析方法,构建旅游业用水供需适配性程度指数评价模型,并设定评价阈值,测算干旱区旅游业用水供给与需求适配性程度的评价等级。实证分析了新疆2025年旅游业用水供需适配性程度,得出结论：为使旅游业用水维持在“供需基本平衡”或“供需平衡”的状态,新疆旅游业规模最高发展速度应在15%以内,同时新疆政府必须保持社会用水量年均节水率在0.95%及以上;而如某年发生突发性事件,则其之后年份的旅游业规模发展速度可放宽至20%。     

某铅酸蓄电池污染场地表层土壤重金属Pb空间分布预测研究

为准确界定某典型蓄电池企业污染场地土壤中特征性污染物Pb的空间分布范围,分析和比较了数据拆分后的分区预测模型(OKLG+TIN)、数据正态变换后克里格模型(OKBC)、反距离加权模型(IDW)以及样条函数模型(Spline)对土壤Pb污染空间分布预测和污染评价的影响.结果表明,原始数据集具有高偏倚特征,局部区域存在较大的空间变异性;分区预测模型取得了最高的预测精度,预测的污染物空间分布比较符合场地实际污染状况,其它3种模型受适用原理及数据特征影响,预测精度较低,预测结果不能很好反映高污染区域的细部变化特征,不适合该场地Pb的空间分布预测与制图.研究结果对于此类型工业污染场地后续的修复范围确定和修复治理决策制定提供了参考.     

西安市PM2.5时空分布模型研究

由基于时间序列的神经网络与BP神经网络构成一个二级神经网络模型.首先用基于时间序列的神经网络来构造模型,在每个监测站运用基于时间序列的神经网络模型得到一PM2.5的预测值P1,PM2.5与地理坐标之间无根本联系,只与相应地理坐标的环境因子有关,故用BP神经网络建立预测值P1与实测值P的模型,从而得到预测值P2,即通过构建二级神经网络得到PM2.5时空分布模型,然后对P2与P求均方差根RMSE进行检验.     

Changes in the quality of river water before, during and after a major flood event associated with a La Niña cycle and treatment for drinking purposes

The treatment of organics present in the lower reaches of a major river system（the Murray–Darling Basin, Australia） before（March–July 2010）, during（December 2010–May 2011） and after（April–December 2012） a major flood period was investigated. The flood period（over 6 months）occurred during an intense La Nia cycle, leading to rapid and high increases in river flows and organic loads in the river water. Dissolved organic carbon（DOC） increased（2–3 times） to high concentrations（up to 16 mg/L） and was found to correlate with river flow rates. The treatability of organics was studied using conventional jar tests with alum and an enhanced coagulation model（mEnCo）. Predicted mean alum dose rates（per mg DOC） were higher before（9.1 mg alum/mg DOC） and after（8.5 mg alum/mg DOC） than during the flood event（8.0 mg alum/mg DOC）,indicating differences in the character of the organics in raw waters. To assess the character of natural organic matter present in raw and treated waters, high performance size exclusion chromatography with UV and fluorescence detectors were used. During the flood period, high molecular weight UV absorbing compounds（〉2 kDa） were mostly detected in waters collected,but were not evident in waters collected before and afterwards. The relative abundances of humic-like and protein-like compounds during and following the flood period were also investigated and found to be of a higher molecular weight during the flood period. The treatability of the organics was found to vary over the three climate conditions investigated.     

基于灰色马尔科夫模型的2A12铝合金腐蚀预测方法研究

目的研究飞机结构件的腐蚀随时间的变化规律,为其寿命预测及可靠性分析提供参考。方法以2A12铝合金试件为对象,利用加速腐蚀试验设备,对其进行7个周期的加速腐蚀,以获得蚀坑深度的原始数据。在此基础上,将灰色GM(1,1)模型与马尔科夫链模型相结合,建立起能够预测蚀坑深度的灰色马尔科夫模型。结果将预测值与试验值进行对比,结果表明,灰色马尔科夫模型预测精度在0~4.5%之间,预测结果比较准确。结论该灰色马尔可夫模型能够较好地反映该型铝合金在腐蚀过程中蚀坑深度的变化趋势,建立起了一种新的腐蚀预测方法。     

基于人工神经网络的烟气及温度实时预测模型*

为监测建筑火灾事故区域的危险程度,实现更加安全、高效的火灾应急救援,以通廊式建筑为研究对象,基于转置卷积神经网络及数值模拟方法开发1种可实时预测走廊位置处烟气扩散和温度分布的神经网络模型。首先,依托Python建立包含全连接、转置卷积、反池化等在内的19层神经网络模型的整体架构;其次,建立包含99个火灾场景,共7 920组图像数据的火场信息数据库用于模型训练;最后,使用测试集对模型进行可靠性验证。研究结果表明:烟气（温度）预测模型在不同火灾场景下的预测精度达到95%,训练完成后模型的预测时间一般为1~2 s。研究结果可为应急策略的快速制定提供数据参考。     

数值风洞与物理风洞对烟塔合一排烟的比较研究

热电厂"烟塔合一"排烟技术因其初期投资和运行维护费用少,排烟效果好、SO2落地浓度低等优势,特别是在机场附近的净空限高和对景观环境有特殊要求的地区具有广阔的发展空间。目前国内外广泛使用的大气污染物预测模型——德国模式在烟塔合一排烟方式的预测上尚存在许多问题,如大风下洗条件下,冷却塔附近空腔区的大小和范围、空腔区污染物最大地面浓度等难以给出准确的预测结果。为准确预测烟塔合一排烟方式的大气污染物扩散情况,一种新的大气污染物扩散预测模式——数值风洞模型以及物理风洞实验被用于模拟烟塔合一的环境影响,分析数值风洞模式和物理风洞实验在大气环境预测领域应用的适用性和优缺点。2个预测方法的结果表明:在烟塔合一排烟方式下,大气污染物最大落地浓度随风速增加而增加同时在冷却塔下风向存在负压区,污染物在该区域高浓度聚集。对2种方法进行比较,物理风洞实验由于受到物质和气象等条件的限制,无法得到精确的预测结果以及无法直观地描述空腔区的产生和变化规律。而数值风洞模拟具有更大的自由度和灵活性,预测出在夏季6 m/s风速下,冷却塔下风向最大落地浓度出现峰值,属于最不利的气象条件。同时该方法可利用图形化手段实现对空腔区产生、变化、破碎至再生成的全过程描述,从而建立了一种大气污染预测的重要手段。