基于BP神经网络和SVR的Fund?o尾矿坝排水数据预测对比研究

针对尾矿库运行过程中安全预警问题,选取2015年巴西Samarco铁矿溃坝事故案例,研究BP神经网络和SVR方法在排水数据预测的适用性。综合分析了排水数据的复杂且非线性的特点,以库水位、降雨量和干滩长度为输入特征,采用上述2个模型对尾矿坝排水数据进行预测。研究结果表明:基于BP神经网络预测结果的最大相对误差不高于4.35%;基于SVR算法的最大相对误差不高于9.21%;Fundo坝的排水预测结果是可行的,BP神经网络的预测精度更高,而SVR模型的运算速度更快。研究结果可为矿山安全工作的快速响应和溃坝预警提供信息支撑和参考依据。     

成都市中心城区街道灰尘中硒赋存形态及生态风险评价

以成都市中心城区街道灰尘为研究对象,采集了四种功能区的街道灰尘样品,并过筛分成<97μm和<63μm两种粒径.使用沸水浴王水消解法和改进的BCR顺序提取法对街尘样品中硒的总量及赋存形态进行测定,分析了两种粒径下各功能区硒的分布特征,并运用生态风险评价指数（RAC）法对其生态风险进行评价.结果表明,两种粒径街尘中总硒平均含量分别为0.373 mg·kg^-1和0.530 mg·kg^-1,粒径<97μm街尘中各功能区硒平均含量基本相当,粒径<63μm街尘中教育区域和居住区域硒平均含量更高.相较于粒径<97μm的街尘,在粒径<63μm的街尘中,弱酸提取态硒和可还原态硒的比例均有上升,可氧化态硒占比有所下降.硒在成都市中心城区街尘中主要为低生态风险,但存在中等生态风险地区,并且粒径<63μm比<97μm生态风险更大,需引起注意.