Cooperative analysis of infrastructure perfection and residents’ living standards in poverty-stricken counties in Qinghai Province

Environment, Development and Sustainability - The western region of China has always been the main battlefield for poverty alleviation. It is essential to explore the interaction mechanism between...     

基于BP神经网络的天津市PM2.5浓度预测研究

根据天津市2013年12月1日-2013年12月24日气象监测数据,先进行温度、湿度、风力因素对PM2.5浓度影响的相关性分析及定性分析,绘制温度、湿度和PM2.5浓度的二维趋势分布图及气体扩散风向浓度分布图;再运用BP神经网络模型对天津市2013年12月25日-2014年1月9日PM2.5浓度进行仿真预测,最终得到精确预测值.结果表明:温度及风速因素与PM2.5的浓度成反比,湿度因素与PM2.5的浓度成正比,而且通过BP神经网络模型对于“离散样本”、“气象参数不确定性”的实际天气情况可以得到较高的预测精度.     

基于Ward系统聚类的京津冀城市群空气质量时空变化特征与成因分析

京津冀城市群是中国空气污染最严重的区域之一,探明该地区空气质量的时空变化特征和影响因素对空气污染防治具有重要意义。利用2014—2018年空气实时监测数据,运用系统聚类与空间分析方法,研究京津冀城市群空气质量的时空变化特征和关键影响因素,结果表明:2014—2018年京津冀城市群空气质量改善趋势明显,SO₂、PM_2.5、PM₁₀与CO浓度均有显著下降,O₃浓度逐年升高;以PM_2.5、PM₁₀、NO₂与O₃四项污染物浓度指标为依据,可将区域空气质量状况分为“低-低-低-低”(Ⅰ类),“中低-中低-高-中低”(Ⅱ类),“中高-中高-中低-高”(Ⅲ类)与“高-高-中高-中高”(Ⅳ类)4个区域,区间城市的地理点具有空间上的连续性,区内城市则具有空间上的聚集性;空气质量指数(AQI)呈“秋冬高,春夏低”的变化特点,5—9月O3污染突出,10月至次年4月颗粒物污染突出,四类分区内的特征污染物和变化规律各异;污染“热点”始终保持在保定西部-石家庄-邢台-邯郸一带,区域春夏季AQI的差异表现为东西向,秋冬季则表现为南北向;政策影响对污染物减排作用明显,是整个地区空气质量改善的根本原因。太阳辐射、空气湿度、季风等气象因素是张家口与承德夏季臭氧污染的关键因子,污染物排放变化是第Ⅱ、Ⅲ、Ⅳ类城市空气质量改善的主要原因,风速,降雨等气象因子具有局部调节作用。在微观区域分析中,第二产业比重对PM_2.5和O₃的影响以北京-廊坊-天津为核心由内而外逐渐减小,汽车拥有量的影响逆向增加。     

基于支持向量机的化工工艺安全评价模型构建及优化研究*

为解决现阶段基于风险分级的安全评价方法仍存在着高维数据处理不当、评价智能化程度不高等问题,创建支持向量机的安全评价模型,利用核函数解决安全评价因子分类问题,粒子群算法（PSO）寻找最适合模型的正则项C,进一步提升安全评价模型的正确率,形成适用高维数据的化工工艺安全评价方法。研究结果表明:该模型与经典支持向量机模型和BP神经网络评价模型相比具有更高的正确率,研究结果对借用机器学习来创新安全评价理论及工程应用具有现实意义及理论价值。