基于BP神经网络的污染场地土壤重金属和PAHs含量预测

受土壤检测成本和项目周期等因素制约,污染场地土壤经常存在检测数据缺失的现象,如何利用有限的检测数据获得更全面的信息成为当前研究热点.以某金属加工厂污染场地为研究对象,运用多元统计方法分析土壤样品中重金属(As、Zn、Cu、Pb、Ni、Cd、Cr)和多环芳烃(polycyclic aromatic hydrocarbons,PAHs)〔苯并[a]芘(BaP)、二苯并[a,h]蒽(DBA)、苯并[k]荧蒽(BkF)、苯并[b]荧蒽(BbF)、苯并[a]蒽(BaA)、萘(Nap)、?(Chr)〕之间的关联性,并以此为基础,利用已知数据建立BP神经网络模型,预测缺失土壤样本中重金属和PAHs的含量.结果表明:与GB 36600—2018《土壤环境质量建设用地土壤污染风险管控标准(试行)》中的风险筛选值对比,重金属超标率表现为w(Ni)>w(Cu)>w(As)>w(Pb)>w(Zn)=w(Cd)>w(Cr),除w(Chr)未超标外,其他6种PAHs按超标率排序为w(BaP)>w(DBA)>w(BbF)=w(BaA)>w(Nap)>w(BkF).重金属Zn与Pb、As与Cd关联性较好,Cu与Ni关联性较好,Cr与其他6种重金属关联性较差,PAHs中除Nap外,BaP、DBA、BkF、BbF、BaA和Chr彼此关联性均较好;构建的BP神经网络模型的污染物浓度预测值与实测值的决定系数(R₂)范围为0.812~0.993,模拟效率系数(NSE)范围为0.779~0.959,均方根误差(RMSE)和平均绝对误差(MAE)均较小.研究显示,研究区土壤重金属和PAHs含量整体存在不同程度的超标现象,构建的BP神经网络模型对污染物浓度预测结果准确可靠,利用该模型对土壤污染进行空间分析与评价具有可行性,且关联性较弱的因子作为输入参数能进一步提高预测模型的精度.      

大型原油储罐地基沉降安全性分析

地基沉降是大型储罐建造或生产过程中面临的重大风险之一,尤其是地基不均匀沉降会造成大型储罐罐壁椭圆化,严重时造成浮盘卡阻。文章根据某10万m~3原油罐的实测沉降数据,利用傅里叶级数方法对沉降数据进行谐波提取和曲线拟合,开展了实测地基沉降储罐的结构有限元分析。有限元模型考虑了储罐与地基相互作用及罐体与罐底沉降的耦合作用,研究讨论了罐壁危险区域每层壁板的应力和变形分布规律。研究结果为企业开展储罐地基沉降安全评估提供了一定技术指导。     

地质旅游研究进展

自20世纪70年代以来,地质旅游受到世界各国的重视,并在国内外相关领域的研究中积累了丰富的经验和文献。本文从地质旅游的含义、地质旅游活动发展历程和国内外理论与实践建设出发对地质旅游进行归纳和总结。综述表明,地质旅游越来越受到游客、地方和政府的关注和重视,是一重要的生态和可持续旅游型式。