基于神经网络模型的千岛湖清洁水体叶绿素a遥感反演研究

叶绿素a浓度值是水体水质评价的重要指标,研究基于高分一号(GF-1)卫星遥感影像,利用神经网络模型,选用6节点的隐含层设置,构建了千岛湖清洁水体叶绿素a浓度反演模型,对其叶绿素a浓度值时空特征进行分析,并与其他常规反演方法精确度进行比较.研究结果表明,利用神经网络模型对千岛湖清洁水体叶绿素a浓度值进行反演是可行的,且与其他常规方法相比,该模型对于叶绿素a含量低的内陆清洁水体反演有着更高的相关性(R2 = 0.921 8);在空间分布上,千岛湖区域水体叶绿素a浓度整体较低,高叶绿素a浓度区域主要集中易受人类活动干扰的西南及东北区域;年际变化分析表明,千岛湖区域水体叶绿素a浓度稳定,且波动较小,平均叶绿素a浓度值皆维持在1.70～1.75 pg/L之间,清洁水体特征显著.     

基于视频的雾天能见度实时监测方法研究

目前我国高速公路能见度监测主要依靠能见度观测仪,该方法覆盖区域有限且成本较高,而我国高速公路图像采集设备应用广泛,因此提出了一种基于监控视频图像测量雾天能见度的方法。该方法将图像进行分窗格处理,通过相关性分析筛选出最优兴趣窗格的亮度均方差特征矩阵,建立BP神经网络修正线性残差组合模型。结果表明:残差修正模型监测效果优于单一线性回归模型,残差修正模型的决定系数R2为0.977;在光线充足的情况下,残差修正模型的相对误差在10%以下,模型精度相对稳定;最后应用此方法监测高速公路雾天能见度,模型的正确率在80.48%以上。验证了用该方法测量雾天能见度具有可行性和有效性。     

矿泉水瓶不宜重复用

一般矿泉水瓶用PET（聚对苯二甲酸乙二醇酯）塑料制成，含有潜在致癌物乙基己基胺。用一次是安全的，如重复使用，就有致癌危险。     

优势菌的筛选及其强化活性污泥好氧反硝化的研究

利用含活性污泥提取物的贫培养基筛选SBR系统中的好氧异养优势菌。结合自然温度（15～20℃）、延长培养时间等条件来提高菌群的可培养性。从SBR活性污泥系统中分离出5种细菌。4株去除COD优势菌，1株异养硝化细菌，能在好氧条件下实现对总氮的去除。反应池底采用边缘对称曝气，反应池内细菌在时间顺序和空间位置上循环经历好氧过程及微氧过程。将PVA铝盐法固定的细菌对反应器进行生物强化。结果显示，在好氧工艺的条件下，投加优势菌群后，与未加优势菌群的反应器相比，可以显著改善污泥的沉降性能，COD、NH₃-N和TN降解率显著提高，分别达到98%、97%和90%。生物强化作用明显，反应器内具有良好的好氧反硝化环境。     

人工神经网络在预测深基坑周边地表沉降变形中的应用研究

深基坑开挖引起的周边地表变形预测是一个复杂非线性问题,引起地表沉降的影响因素很多,各因素之间呈高度的非线性关系。传统的基坑用边地表沉降变形预测方法存在着一定的局限性,其预测精度有待提高,而人工神经网络是一种多元非线性动力学系统,可以灵活方便地对多成因的复杂未知系统进行高度建模,实现全面考虑各种主要影响因素的深基坑周边地表沉降变形预测。本文介绍了误差反向传播(BP)网络模型的结构、学习过程及其算法的改进,径向基函数(RBF)网络模型的结构及其学习过程;分析了影响深基坑开挖周边土体沉降变形的主要影响因素;以25个基坑工程的地表沉降实测资料为训练样本,建立了11个输入影响因素的BP神经网络模型和RBF神经网络模型,通过对样本的学习训练过程及对5个检验样本的预测精度,说明了人工神经网络用于预测基坑周边地表沉降的可行性和准确性。     

基于BP神经元网络的建筑火灾烟气危害评价分级研究

随着人工神经网络技术的发展,其并行数据处理技术和自适应、自组织的学习能力,使得它在处理一些复杂的数据时占有很大优势.本文将BP神经网络应用于火灾烟气危险性评价分级,以等级的形式确定烟气的危险程度,并结合实验数据及相关统计对BP神经网络进行改进,给出了实例计算,验证了其可行性.     

我爱读《环境》

尊敬的江小姐以及<环境>杂志社的朋友们,你们辛苦了!感谢你们为了珠三角乃至全中国的环境宣传作出的贡献.     

外源8''-炔基脱落酸强化东南景天吸收重金属的研究

为探究脱落酸类似物8''-炔基脱落酸[8''-（C₂H）ABA]强化东南景天富集重金属的效应,通过水培的方法研究了外源8''-（C₂H）ABA分别对Cd（20 mg·L^-1）、Zn（160 mg·L^-1）单一胁迫下东南景天Cd/Zn积累和生理特性的影响,以及初步探讨了8''-（C₂H）ABA在植物重金属胁迫响应中的作用.实验结果表明：与天然ABA相比,外源8''-（C₂H）ABA能达到与ABA类似的作用效果,且对Cd胁迫下东南景天促进效果好于Zn;在Cd胁迫下,与对照相比,外源8''-（C₂H）ABA能显著增加东南景天根、叶中的Cd含量（44.2%、27.5%）,以及光合色素（10.7%）和叶中过氧化物酶（SOD）活性（52.9%）、超氧化物歧化酶（POD）（24.7%）和过氧化氢酶（CAT）活性（27.9%）抗氧化酶活性,使可溶性糖（SS）（13%）和游离脯氨酸（Pro）（37.4%）含量增加,而叶中丙二醛（MDA）（40%）含量明显降低.上述结果表明,一定浓度的8''-（C₂H）ABA可以提高东南景天抗氧化酶活性来增强其对重金属Cd的抗性及吸收和转运能力,在强化东南景天修复重金属污染方面具有应用潜力.     

基于RF-LSTM的鸡舍恶臭气体预测研究

以鸡舍氨气为研究对象,对鸡舍氨气预测模型进行了研究.首先,利用随机森林算法（RF）对影响鸡舍氨气浓度的环境变量进行重要性排序,选取温度、湿度、光照、气象温度、降雨量作为模型的输入变量;在此基础上,构建了基于长短时记忆神经网络（LSTM）的鸡舍氨气浓度预测模型,并将提出的预测模型应用于江苏省宜兴市某养鸡场的氨气浓度预测中,并与LSTM模型、RF-Elman模型和RF-BP模型进行了对比实验,结果表明,基于RF-LSTM模型的预测效果最好,其平均绝对误差（MAE）、平均绝对百分误差（MAPE）和均方根误差（RMSE）分别为0.9183、4.9637%和1.4262;同时,为了验证该模型的性能,本文还实现了不同时间尺度的鸡舍氨气浓度预测,提前2h、3h、4h、5h氨气预测的平均绝对误差（MAE）分别为1.6218、2.1991、2.8553和3.0677.本文提出的预测模型提高了鸡舍氨气浓度的预测精度,可为减少鸡舍恶臭气体排放提供科学依据.     

基于Sentinel-2的平寨水库叶绿素a浓度反演

为实现对平寨水库叶绿素a的遥感监测,选取平寨水库2017年11月17—18日的实测叶绿素a浓度数据和准同步的Sentinel-2数据,通过选取最佳波段组合建立BP神经网络模型,对平寨水库叶绿素a进行反演,并分析其空间分布特征。结果表明:Sentinel-2红边波段对叶绿素a的敏感性优于可见光波段,在叶绿素a浓度反演方面具有较大潜力。相关系数最大的波段组合方式是:B5/B4、[1/B4-1/B5]*B6、[1/B4-1/B5]*B7和[1/B4-1/B5]*B8;BP神经网络模型可决系数R2为0.9160,平均相对误差为29.87%,反演精度优于三波段模型;平寨水库叶绿素a浓度空间分布差异明显,水面开阔的中心库区浓度较高,各支流上游河段浓度较低。Sentinel-2数据可较好地应用于喀斯特高原湖泊叶绿素a浓度反演,BP神经网络模型估测结果合理、可靠;研究结果可为平寨水库水环境治理提供科学依据。