木根麦冬的种群数量动态

运用静态生命表、生殖力表和Leslie矩阵模型，研究了木根麦冬种群数量动态过程，揭示了种群各龄级植株的动态规律，结果表明，木根麦冬种群为衰退型种群，种群的净增殖率、内禀增长率和周限增长率较低，种群世代周期偏长，种群不能自我更新，在20a内种群幼苗数量和总数量将持续快速下降，木根麦冬种群在16-20a年龄段受到了环境筛的强烈过滤作用。     

碳酸盐岩缝洞型油藏水体参数计算方法应用研究

塔河碳酸盐岩缝洞型油藏属于块状未饱和底水油藏,无论是开发早期的自喷生产,还是中期的水驱、气驱生产,水体参数的准确计算对于开发决策意义重大。由于缝洞空间组合的复杂性导致油水关系复杂,不同缝洞系统阶段驱动能量不同,一直难以形成一套相对完善的水体参数计算方法。文章基于油藏物质平衡方程,明确不同岩溶背景下油井驱动类型及其对应水侵模式,给出了水侵量和水体大小的计算方法,并在塔河强底水单元中利用数模实例验证,矿场应用效果好。     

京津冀地区PM2.5溯源精准执法研究

以京津冀区域大气污染热点网格工作为基础,利用京津冀地区PM_(2.5)浓度数据、卫星数据、POI数据、检查反馈数据训练随机森林模型,建立PM_(2.5)网格浓度与反馈问题类型之间的关联性,识别污染源类型,并应用于沧州市热点网格检查工作。研究结果表明,该模型对扬尘及交通污染问题有较好的区分度,建议热点网格工作增加这两类污染问题类型及推荐检查时间等信息,进一步提高执法精准性和执法效率。     

基于计量模型的生态旅游需求预测应用研究——以阿勒泰地区为例

从供求关系视角对区域生态旅游需求进行预测有利于生态旅游资源的优化配置与生态旅游产业的可持续发展。建立基于旅游人数和网络搜索的计量模型，以阿勒泰地区2008—2012年生态旅游相关数据为样本数据进行预测。结果显示：预测旅游人数与当年实际旅游人数基本接近说明该模型拟合效果较好，可以很好地反映区域生态旅游需求。该模型和方法的应用对挖掘当地生态旅游潜力、生态旅游可持续发展具有一定科学指导作用。     

用二级模糊评判模型评价环境质量状况

用二级模糊评判模型评价区域环境质量状况,弥补了用一级模糊综合评判只可评价各点位环境质量状况的不足,是一种新的环境评价方法,评价结果与实际情况相符,效果良好,方法实用.     

基于BP神经网络的苯储罐泄漏事故风险评价模型研究

为了在事故发生之前对苯储罐进行风险评价，提出1种基于BP神经网络的泄漏事故风险评价方法，利用该方法构建了苯储罐的风险评价模型，并对模型进行了训练及验证。研究结果表明:BP神经网络成功完成了建模任务，且模型训练结果较好，可利用基于BP神经网络所构建的苯泄漏事故风险评价模型对苯储罐发生泄漏事故的风险进行评价。     

连续倒塌中基于顶底角钢-腹板双角钢节点组件模型的研究

钢结构的抗连续倒塌能力一般取决于其抵抗局部损伤的能力,但这种能力往往取决于许多因素,目前还没有一个稳定可靠的判定方法。基于组件法建模原理将顶底角钢-腹板双角钢节点离散为多个对受力有贡献的基本组件,然后通过集成组件来模拟节点的受力特性,并依此构建了顶底角钢-腹板双角钢半刚性节点梁柱子结构的连续倒塌数值分析模型。结果表明:通过与试验结果比较,节点组件模型能较为准确地反映节点的断裂路径和受力发展过程,同时降低了计算成本。说明组件法在连续倒塌研究中具有重要的理论意义和应用价值,可作为连续倒塌研究的有利工具。     

基于物元法的大坝风险后果综合评价模型

大坝风险后果综合评价涉及众多评价因子.各因子间存在大量不确定性和不相容性,将物元分析理论应用于大坝风险后果的综合评价,以江西5座水库为例,应用层次分析法计算水库溃坝生命损失、经济损失,环境影响及社会影响等因于的权重,通过关联度确定大坝风险等级并对其进行排序.结果表明,若发生溃坝事件,5座水库后果均十分严重,属特别重大事件,评价结果客观合理.研究表明,物元模型能够较客观地反映大坝风险程度,具有方法简便、推理过程严密等特点,为大坝风险后果综合评价提供了一条新途径.     

基于粗糙集-神经网络的矿山地质环境影响评价模型及应用

采用衡山白果地区石膏矿山的11个评价指标,综合运用粗糙集和神经网络理论,构建了基于粗糙集-神经网络(RS-ANN)的矿山地质环境影响评价模型,对RSES软件约简的数据和无约简的数据采用EasyNN-plus软件进行预测评价。神经网络模型的输入属性为8个,而粗糙集-神经网络模型的输入属性为6个,训练样本均为13个,预测样本均为4个,前者的平均预测精度为1.85%～24.86%,后者为1.23%～15.28%。研究发现,粗糙集在保留关键信息的前提下可有效地对数据表进行约简,约简后的神经网络预测结果与实际情况吻合,并比无约简时总体精度有较大幅度提高。     

兰州市SO2排放总量预测的BP人工神经网络模型

依据兰州市大气污染复杂的特点，首次将BP人工神经网络用于兰州市SO2排放总量的预测，结果表明，BP人工神经网络能较好地用于污染物排放总量的预测，且具有预测精度高，对数据数量和精度要求不高和客观性较强等优点。