滇池水污染物浓度预测的人工神经网络模型

本文针对滇池日益严重的水污染现状,根据云南昆明西苑隧道断面2004年-2010年的监测资料,建立了基于BP神经网络的主要污染指标预测模型,并对其进行训练检验,研究结果表明：独立样本中pH、溶解氧、氨氮、高锰酸盐浓度的预测值与监测值的线性相关系数分别为0．952、0．967、0．945、0．936。结果证明该模型预测精度满足要求,通过准确地预测湖泊水污染物可以为治理湖泊营养化和综合利用水资源、规划管理、决策提供重要的科学依据。     

济南市大气污染物时空变化及预测分析

大气污染影响生产生活和人体健康,了解大气污染物时空分布特征及污染源是大气污染治理的基础和前提。基于济南市2014-2018年空气质量实时监测数据,主要污染物浓度数据和气象要素数据,运用相关分析法和BP神经网络预测模型,分析了济南市大气污染物时空分布特征及污染物来源,并对济南市6种主要污染物进行预测。结果表明:在时间维度上,空气质量呈逐年好转趋势,季节上则表现出冬季污染最严重,夏季最轻,采暖期污染物浓度远远高于非采暖期的特点;从日变化看,上下班高峰段是污染最严重时段。在空间维度上,城市外围污染较为严重,市区污染相对较轻。在污染物成分上,PM₁₀逐渐成为颗粒物污染的主体。通过济南市污染物浓度预测结果,分析未来3年内污染物浓度变化情况,进一步提出合理优化的污染治理方案来改善济南市大气污染状况。     

河北省大气污染时空变化特征及其影响因素

河北省是中国污染最严重的省份,研究该省大气污染的时空变化与影响因素具有十分重要的意义。利用逐日空气质量指数（AQI）、气象要素观测资料以及社会经济数据,统计分析与空间分析法结合分析了河北省AQI时空变化特征及其与影响因素的定量关系。结果表明：河北省大气污染主要发生在中西部和南部,尤以邯郸、邢台与石家庄等地最为严重,北部地区相对较少。河北省AQI总体呈现逐年减少的趋势,2014—2018年河北省平均AQI线性趋势为-8.845/年,而且与风速、气温、降水、GDP、人口、电力消耗量和第二产业呈现显著负相关关系,而和NO_x与SO₂的排放量呈正相关。气候条件是河北省大气污染的诱导因素,而人为排放是河北省大气重污染的主要因素。随着河北经济的飞速发展,大气污染综合防治经费的投入增加,河北省经济增长与环境污染处于反向阶段,大气污染与经济发展的非线性关系早已过了环境库兹涅兹曲线（EKC）“拐点”。研究结果可为河北省空气污染治理提供理论依据。     

东亚古环境科学数据库简介

东亚古环境科学数据库是国家地球系统科学数据共享平台的重要分支,立足于解决我国科研、教育以及国防经济社会发展决策建设等对古气候、古环境以及大陆环境变化观测方面的数据需求,进行古环境数据的整合、集成、模拟、资料再分析以及二次挖掘。本文主要介绍了东亚古环境科学数据库的搭建背景、主要功能、数据内容、应用范围及未来规划。     

基于稳定碳同位素的济南市二元羧酸类SOA的污染特征与形成机制

为研究济南市冬季PM_2.5中二元羧酸类二次有机气溶胶（SOA）的来源、液相形成机制及影响因素,于2016年1-2月昼夜共采集46个PM_2.5样品,并对二元羧酸类SOA （包括二元羧酸、酮羧酸与α-二羰基化合物）与左旋葡聚糖的昼夜变化特征进行分析.研究结果表明,二元羧酸、α-二羰基化合物与左旋葡聚糖均呈昼低夜高的变化特征,而酮羧酸的昼夜变化特征与之相反.二元羧酸类SOA的分子组成特征以草酸（C₂）的浓度最高,其次是丁二酸（C₄）和丙二酸（C₃）,与受生物质燃烧较显著的二元羧酸类SOA的分子组成是相同的.C₂/总二元羧酸的浓度（TDACs）、甲基乙二醛（mGly）/乙二醛（Gly）、C₂/SO₄^2-比值的昼夜变化特征与稳定碳同位素（δ¹³C）的组成特征均表明济南市冬季夜晚气溶胶的氧化程度比白天深.C₂及其前体物（Gly、mGly）与SO₄^2-、相对湿度（RH）、液相水含量（LWC）与气溶胶的实际酸度（pH_is）的相关性均较强,表明C₂及其前体物是在液相中经酸催化氧化反应产生的.夜晚二元羧酸类化合物的δ¹³C值高于白天,且随着含碳量的升高二元羧酸的δ¹³C值随之降低.C₂的δ¹³C值随气溶胶的老化而偏正,这是由于同位素动力学效应（KIEs）导致的.     

BP神经网络在北京市API预报中的应用

对大气污染进行预测具有十分重要的意义。以北京市为例,综合考虑BP网络的逼近能力和泛化能力,将时间序列作为BP神经网络的输入,对空气污染指数的预测做了建模研究。实验结果表明:BP神经网络的输出值与实际值之间的误差在可以接受的范围,特别是对骤升骤降趋势也能得到准确度较高的预报结果。因此在实际应用中,可以将BP网络方法作为一种考虑采用的方法。