基于小波分解和SVM的大气污染物浓度预测模型研究

针对大气污染物浓度的精准预测问题,运用小波分解将污染物浓度一维序列分解为高维信息,结合气象及污染物浓度数据,构建了基于小波分解的支持向量机预测模型.最后将模型应用于长沙市2018年PM_2.5和O_{3-8 h}的浓度预测.结果表明：①在其他参数不变的条件下,该模型在平均绝对误差（MAE）、平均绝对百分比误差（MAPE）、均方根误差（RMSE）、一致性水平（IA）和相关系数（R）指标上均优于未经小波分解的预测模型;②在考虑其他污染物对PM_2.5浓度的影响后,预测模型评价指标MAE、MAPE和RMSE分别减少了5.57%、9.91%和3.44%,有着更小的误差;③在考虑气象因素对O_{3-8 h}浓度的影响后,预测模型评价指标MAE、MAPE和RMSE分别减少了1.59%、3.54%和0.82%,同样也有更小的误差.由此可以看出,本文所提模型能够有效预测大气污染物浓度,为相关研究提供了方法参考.     

基于组合赋权集对分析的空气质量评价——以长沙市为例

空气质量评价是大气环境综合治理的重要基础,合理、科学地对空气质量进行评价,才能做出精确的治理规划和制定有效的治理措施,为大气环境管理提供依据。提出一种基于组合赋权集对分析的空气质量评价方法。该方法首先采用超标倍数法和熵值法分别确定空气质量各评价指标的权重,然后根据离差平方和最小原理建立优化模型确定各评价指标最终的组合权重,并结合集对理论构建了空气质量评价模型,最后将该模型应用于长沙市,对该市2015—2019年空气质量进行了综合评价,并将其评价结果与空气质量指数法和模糊综合评价法的评价结果进行了对比,以验证模型的可靠性和可行性。结果表明:利用本文评价方法得到的评价结果与空气质量指数法得到的评价结果基本一致,准确度达到了83.33%;与模糊综合评价法相比,组合赋权集对分析法的评价结果波动性小,更加稳定。     

运用现代事故理论提高事故管理水平

我们的老祖宗喜欢就事论事,所以经验主义构成中国传统文化的特征之一。经验是实践的总结,而理论则是总结的系统化。经验固然重要,理论亦不可少。特别在高科技时代,轻视理论无异于“自杀”。“运用现代事故理论提高事故管理水平”,虽是一个大话题,却点出了理论的重要性。对于安全生产管理者来说,加强理论学习,养成尊重科学的习惯,的确是件任重道远的事。