高分辨率监测岩溶地下水NO-3的动态变化及对外界环境的响应

为深入揭示岩溶地下水文系统对外界环境的响应,利用多指标高分辨率在线监测技术对受农业活动影响的重庆青木关地下河水文地球化学变化进行研究.主要的高分辨率监测指标包括水位、电导率(EC)、pH值、降雨和NO 3-.在观测的6场降雨内,地下河水化学特征快速地反映着外界环境的变化.研究区地下水pH值的变化主要受到酸雨的影响,在降雨后都表现出明显的下降趋势,但在农业废水进入地下河系统后,它的变化受到两者的共同影响.EC受到雨水化学、稀释效应及农业活动废水的影响.NO 3-主要是农业活动的产物,受雨水水化学特征的影响较小,它的变化主要受农业废水及稀释效应的影响.在R1降雨影响下,水位上升,EC和NO 3-总体呈相反的快速变化过程而pH值的变化主要受酸雨影响而下降.在R2、R3、R4和R6降雨期,水位受降雨影响而快速的变化,pH值受酸雨影响而下降,EC和NO 3-受稀释效应影响也下降.但随着农业活动废水进入地下河系统,EC和NO 3-浓度在最快5 h最慢仅27 h的时段内同步地急剧升高,pH值也受影响而加速下降.在R5大暴雨期,水位急剧上升,EC和NO 3-受稀释效应影响而急剧下降,pH值先受到酸雨影响而下降,后由于稀释效应...     

基于PCA-RBF的高校学生宿舍火灾安全评价及应用

为减少我国高校学生宿舍火灾隐患,采用PCA-RBF神经网络模型进行高校学生宿舍火灾安全评价.首先,获取高校学生宿舍火灾发生的主要影响因素,建立火灾安全评价指标体系.进而引入智能化评价方法,构建了基于径向基函数神经网络(Radial Basis Function Neural Network,RBF)的高校学生宿舍火灾安全评价模型.同时,为避免评价指标的冗余性和神经网络评价中维数爆炸的局限性,引入主成分分析法(Principal Component Analysis,PCA)对指标体系进行降维处理.最后,通过实例分析验证该评价模型的可行性和有效性.结果表明,引入主成分分析方法有效解决了 RBF神经网络在高校学生宿舍火灾安全评价上存在的多种局限性问题.