基于GA/PSO-BP神经网络的石家庄VOCs环境浓度预测模型研究

为了提升挥发性有机物(Volatile Organic Components, VOCs)的预测精度,在反向传播(Back-Propagation, BP)网络结构的基础上使用优化算法分别为遗传算法(Genetic Algorithms, GA)优化BP神经网络(GA-BP)和粒子群算法(Particle Swarm Optimization, PSO)优化BP神经网络(PSO-BP)对VOCs质量浓度进行预测。首先,对污染物及气象因子进行筛选。采用相关性分析法及逐步回归法进行分析筛选,并筛选出合适的输入变量。其次,建立BP神经网络结构。利用BP、GA-BP、PSO-BP神经网络,以石家庄市2022年夏季污染数据为样本对VOCs质量浓度进行预测。结果显示,经相关性分析及逐步回归法筛选,将PM_2.5质量浓度、O₃质量浓度、NO₂质量浓度、温度、相对湿度作为输入变量。经预测结果对比,PSO-BP神经网络模型的预测精度较高,烷烃、烯烃、芳香烃和含氧烃实测值与预测值之间的拟合程度(R²)分别为0.80、0....     

基于电磁场模拟微波对土壤苯系污染物的脱附研究

微波热脱附土壤中的有机污染物凭借高效、清洁等优点受到广泛关注。近年来,多数微波土壤热脱附研究装置均由家用微波炉改造而来,无法满足微波热脱附实际应用所需的高功率、高精度温度控制等条件。因此,选用苯系物中的邻二甲苯作为目标污染物,以自配污染土壤为样品,采用自制微波热脱附装置为平台进行实验,针对微波功率、微波加热时长、土壤含水率等工艺条件进行单因素影响实验。同时,构建微波加热土壤模型,设置相同条件,并得到相符的结果。并利用该模型推测其他单因素影响实验的假设。实验与模拟结果表明：微波对土壤热脱附的最佳功率为1600 W,热脱附时间为27 min,含水率为17%,推测样品放置于临近加热腔中心位置时对邻二甲苯去除率最佳。