运用回归分析与人工神经网络预测含硫芳香族化合物好氧生物降解速率常数

为了研究人工神经网络预测有机化合物生物降解的性能,运用多元线性回归方法和误差反向传递人工神经网络模型以基团代码作为结构描述符,分别拟合、预测了一批含硫芳香族化合物的一级好氧生物降解速率常数．结果表明,由于神经网络自动考虑了基团间的交互作用,它对生物降解这类复杂问题有极高的求解能力,预测的均方误差为０．００１０２,远低于线性回归模型的预测误差０．０１５９１     

对金州沿海地区地下水中氯离子与硬度相关关系的研究

根据1991～2002年大连市金州沿海地区地下水中硬度与氯离子的检测结果,对硬度 氯离子浓度进行一元线性回归,回归方程为y=2.1975x-3.1072,经相关系数和回归线的显著性检验,此方程有99%的可信度。     

多元逐步回归对苯胺类化合物结构与毒性模型研究

采用Chemoffice6．0中MOPAC-AMl量子化学法计算了24种苯胺类化合物的6种量子化学结构参数．其中取17个化合物作为样本集对-lgEC50进行多元逐步回归分析．得到最佳方程．经自由度校正的回归系数R=0．985。应用所建立的QSAR模型验证了苯胺类化合物的EC50值．并通过“Jackknife”中的逐一抽取法进行模型检验,得出该模型具有很好的稳定性．平均残差仅为0．05个对数单位．小于文献值。经过7个预测样本对该模型进行验证．结果表明．该模型具有很好的预测能力。同时分析了苯胺类化合物的毒性机理。     

基于逻辑回归的地震滑坡易发性评价——以汶川地震、鲁甸地震为例

准确评估地震诱发的滑坡风险,并及时绘制滑坡易发风险图是灾害应急救援的科学前提和理论基础。目前机器学习在滑坡敏感性评估中具有广泛应用,但大多数研究缺乏对模型的普适性探讨,且该类预测模型缺乏定量评价地震动参数对模型精度的影响。该文以2008年5月12日的汶川8级地震和2014年8月3日的鲁甸6.5级地震为例,先通过相关系数及方差膨胀因子选择地震滑坡的影响因子构建数据库,并随机按照7∶3的比例分为训练集和测试集,再分析影响因子在滑坡和非滑坡样本中的频数分布,最后分别利用两次地震的训练集建立逻辑回归模型(Logistic Regression, LR)进行精度验证和易发性评估。结果显示模型在同一次地震的测试集下均达到较高的预测精度(>90%);但是基于汶川地震构建的模型对鲁甸地震诱发滑坡的预测精度整体下降了14%。此外,地震动参数(Modified Mercalli Intensity Scale, MMI)对模型预测精度贡献在5%~29%。结果表明基于历史地震事件建立的模型对未来地震引发滑坡的预测中仍具有较大的局限性,需要增加不同地区不同震情的样本量和新的机器学习方法提高预测模型的普适性。     

Water quality prediction of copper-molybdenum mining-beneficiation wastewater based on the PSO-SVR model

● Data acquisition and pre-processing for wastewater treatment were summarized. ● A PSO-SVR model for predicting COD_eff in wastewater was proposed. ● The COD_eff prediction performances of the three models in the paper were compared. ● The COD_eff prediction effects of different models in other studies were discussed. The mining-beneficiation wastewater treatment is highly complex and nonlinear. Various factors like influent quality, flow rate, pH and chemical dose, tend to restrict the effluent effectiveness of mining-beneficiation wastewater treatment. Chemical oxygen demand (COD) is a crucial indicator to measure the quality of mining-beneficiation wastewater. Predicting COD concentration accurately of mining-beneficiation wastewater after treatment is essential for achieving stable and compliant discharge. This reduces environmental risk and significantly improves the discharge quality of wastewater. This paper presents a novel AI algorithm PSO-SVR, to predict water quality. Hyperparameter optimization of our proposed model PSO-SVR, uses particle swarm optimization to improve support vector regression for COD prediction. The generalization capacity tested on out-of-distribution (OOD) data for our PSO-SVR model is strong, with the following performance metrics of root means square error (RMSE) is 1.51, mean absolute error (MAE) is 1.26, and the coefficient of determination (R²) is 0.85. We compare the performance of PSO-SVR model with back propagation neural network (BPNN) and radial basis function neural network (RBFNN) and shows it edges over in terms of the performance metrics of RMSE, MAE and R², and is the best model for COD prediction of mining-beneficiation wastewater. This is because of the less overfitting tendency of PSO-SVR compared with neural network architectures. Our proposed PSO-SVR model is optimum for the prediction of COD in copper-molybdenum mining-beneficiation wastewater treatment. In addition, PSO-SVR can be used to predict COD on a wide variety of wastewater through the process of transfer learning.     

南通市深层地下水中氨氮的影响因素研究

运用相关性分析、因子分析及多元线性回归模型对南通市2020—2021年15个监测井第Ⅲ承压层地下水的监测数据进行分析,研究深层地下水中氨氮的主要影响因素。结果表明,氨氮的主要来源是地下水沉积物中有机质的矿化及一部分工业开采引入的氮污染,地下水的还原性环境是氨氮赋存的主要成因;地下水中As、Fe及总硬度含量的同时增加也能反映氨氮含量的提高;硝态氮（NO-3-N）与NH3-N在深层地下水中是竞争关系,当地下水环境处于还原性时,更易于NH3-N的富集。降低深层地下水中氨氮的主要方法是减少有机污染物输入及还原性废水的入渗。     

水环境质量评价的模糊识别方法

在水环境质量评价中,本文运用模糊识别方法,通过建立因子集、隶属度和权重集,实现了对水体的质量等级评判.并且对指标权重、评价结果的最大隶属度原则进行了改进.     

多元线性回归方法对北京地区PM2.5预报的改进应用

利用多元线性回归方法（REG）将多模式空气质量预报系统中3个模式（CMAQ、CAMx和NAQPMS）对北京市2016年PM_2.5的预报结果和观测数据进行集合，并对集合结果进行评估。结果表明：①不同模式的预报结果不尽相同，均能够反映2016年北京地区PM_2.5随时间的变化趋势，CMAQ、CAMx和NAQPMS相关系数为0.6~0.9，标准化平均偏差为-0.6~0.6。3个模式对重污染峰值预报都存在偏差，NAQPMS预报偏差低于其他模式；②基于多元线性回归集成预报模型能显著提高日均PM_2.5预报的准确率，能较好地改进不同季节模式整体高估或者低估的系统性偏差现象，春季国控平均偏差由-23 μg/m³改善至-2.3 μg/m³，冬季平均偏差降低近20 μg/m³；③利用多元线性回归方法对2016年红色预警期间小时PM_2.5订正结果显示，相关系数提高了0.13，均方根误差降低了20~30 μg/m³，并且对峰值浓度有较好的调整，预报峰值更为接近实况峰值，特别是对北部地区的改进效果较为明显，反映了实际观测数据对空气质量数值模式预报修正的研究意义和可行性。     

地表水中甲醛的光谱吸收曲线-线性拟合斜率-乙酰丙酮分光光度法检测

光谱吸收曲线-线性拟合斜率-分光光度法(SAC-LFS-S)用于检测地表水中甲醛尚存准确度不足问题,通过筛选合适的参比波长段,使SAC-LFS-S法准确度进一步提高。以试剂空白和浊度梯度地表水样品的检测结果及方法检出限为主要筛选对象,得到425～435、420～435、420～440、415～440、415～445、410～445、415～450、410～450、455～495、410～455、405～455、450～500 nm等共12个合适的测定波长段;再选择试剂空白结果较低、批间重复性较好的450～500 nm测定波长段,筛选参比波长段(455～465、480～495、450～490 nm共3个)。结果表明:优化后SAC-LFS-S法线性范围为0. 100～3. 00 mg/L,方法检出限为0. 025～0. 033 mg/L;优化前、后方法测得部分地表水样品结果分别为有检出和未检出,回收率为73. 4%～108. 8%,后者与无亮黄色化合物产生的实验现象更吻合。经参比波长段校正的SAC-LFS-S法具有更高的准确度,非常适用于地表水中甲醛的直接测定。