基于支持向量机-小波神经网络的PM_(2.5)预测模型

近年来我国多地区雾霾天气频发,针对PM_(2.5)浓度变化的非线性、时变性等特点,建立了基于支持向量机-小波神经网络(SVM-WNN)的组合预测模型。采用网格搜索算法对SVM的参数进行优化,利用优化后的模型进行初始预测,并结合WNN强大的非线性拟合能力的特点对其预测残差进行修正。以石家庄市每小时监测的PM_(2.5)浓度数据为样本建立模型并进行预测,结果表明,组合模型预测的平均相对误差为7. 2%。对比单一模型,组合模型的预测的效果更好,这也为短时PM_(2.5)浓度预测提供一个新的方法。     

CALPUFF模型在石化项目PM2.5模拟计算中的应用

以某新建石化项目作案例,介绍利用CALPUFF模型进行PM_(2.5)预测的一般方法,给出预测结果并对其合理性进行分析,说明该模型在预测PM_(2.5)方面具有能操作、预测结果相关性好的特点,同时也指出由于PM_(2.5)生成的复杂性和模型在模拟污染物化学转化方面的局限性,导致模型预测结果在完整性上存在一定的不足,这需要在下一步PM_(2.5)的预测评价工作中继续探索完善。     

基于Adaboost集成BP网络原煤生产成本预测研究

为了提高传统BP神经网络预测模型精度,避免BP网络容易陷入局部极值、收敛速度慢等问题,将BP神经网络与Ada-boost算法相结合,提出了一种Adaboost集成BP神经网络模型.结合磁县观台煤矿原煤生产成本相关数据,建立了原煤生产成本预测的Adaboost集成BP神经网络模型,将该模型用于实际的原煤成本预测.结果表明：该模型预测精度高于传统的BP神经网络,收敛速度快,具有较强的鲁棒性,预测精度能满足实际预测需要,为原煤生产成本预测提供了一种新的途径,也为原煤生产成本控制提供了重要依据.     

基于Matlab的神经网络在绵阳空气质量预测中的应用

以绵阳市2014~2016年空气污染指数(API)以及SO 2、NO 2、PM 10等污染物为研究对象,探讨了绵阳市空气污染的变化规律,并分析它们与常规观测的地面气象资料之间的关系。尝试采用多元线性回归方法及BP神经网络方法建立污染预报模型,并检验分析两种模型的可行性。结果表明基于BP神经网络的预报模型在污染预报中可行,并建立基于BP神经网络进行空气质量预测的预测模型,利用历史资料进行验证。     

炼化企业无机前体物排放对大气细颗粒物的贡献

大气污染物SO_2、NO_X、NH_3是形成二次细颗粒物(PM_(2.5))的重要无机前体物。为控制PM_(2.5)污染,要求形成一套便于炼化企业自身核算无机前体物排放对PM_(2.5)贡献的方法体系。探讨了基于排放清单、PM_(2.5)化学组成和NH_4~+/SO_4~(2-)摩尔浓度比值所建立的计算模型的合理性和可行性,并将其用于某炼厂进行案例分析。结果表明,所建立的计算模型可满足炼化企业PM_(2.5)核算要求,用于核算无机前体物排放对PM_(2.5)最大贡献量。案例企业排放前体物转化形成的PM_(2.5)等效排放量远高于该企业PM_(2.5)直接排放量,应予以关注。     

基于BP-Adaboost强预测器的瓦斯涌出量预测

为了提高传统BP神经网络瓦斯涌出量预测模型精度,避免BP网络容易陷入局部极值、收敛速度慢等问题,将BP神经网络和Adaboost算法相结合,提出了一种BP-Adaboost强预测器模型.将该模型用于实际瓦斯涌出量预测,并进行了40次仿真实验.结果表明:该模型预测精度高于传统的BP神经网络,且收敛速度快,具有较强的鲁棒性,预测精度能满足实际工程需要,为瓦斯涌出量预测提供了一种新的途径.     

基于Elman神经网络的我国入境游客量动态预测

为了更好地拟合我国入境游客量系统动态和时变特性,对我国入境旅游游客量进行科学准确的预测,将Elman网络引入我国入境游客量预测,提出基于Elman神经网络的入境游客量预测模型。以国家统计局公布的最近30个月我国入境旅游游客量月度数据为研究对象,前27个月数据用于建立训练网络,后3个月数据用于检验模型,模型预测最大误差为2.928%,最小误差为1.492%,平均误差为2.19%,模型预测效果与实际非常接近。结果表明:模型能更好地反应我国入境游客量系统的非线性、动态性、时变性等特征,为我国入境旅游游客量预测提供了一种较可靠的途径。     

高密市环境空气污染物浓度变化特征

基于2014—2018年高密市大气监测数据,分析了SO_2、NO_2、PM_(10)、PM_(2.5)浓度的变化特征及成因,对四项污染物及降雨量进行了相关性分析,利用GM(1,1)模型对高密市未来空气质量进行了预测。结果表明,2014—2018年高密市环境空气中SO_2、NO_2、PM_(10)、PM_(2.5)年际变化呈现出逐年下降趋势;污染物月均值变化均为冬春季浓度高,夏秋季浓度低;通过相关性分析发现,环保政策对高密市空气质量总体改善起到了决定性作用,自然地理因素对高密市大气污染物月均值的变化影响明显。     

气象因素对长沙颗粒物浓度影响的季节性差异分析

利用回归分析和相关性分析研究气象因素对长沙PM_(2.5)、PM_(10)浓度影响的季节性差异。研究表明:(1)春季,与PM_(2.5)、PM_(10)浓度相关系数最大的气象因子分别为日降水量、日最高气温;夏季均为日最大风速;秋季均为日平均相对湿度;冬季为日降水量、日最高气温。(2)秋季气象因素与PM_(2.5)多元回归分析R~2(P0.01)最大,为0.269;春季次之,R~2为0.159;春、冬季较低,R~20.1;秋季气象因素与PM_(10)多元回归分析R~2(P0.01)最大,为0.572;春、夏、秋季,R~2分别为0.258、0.265、0.252。本结果揭示了不同季节气象条件影响PM_(2.5)、PM_(10)浓度的差异程度,利于提高城市PM10、PM_(2.5)预测的精度水平。     

黄河流域城市PM_(2.5)时空异质及空间溢出效应研究北大核心

选择2000—2020年黄河流域69个地级市PM_(2.5)浓度相关监测数据,采用空间自相关模型和空间回归模型对流域PM_(2.5)污染时空特征和空间溢出效应进行分析。结果表明:①2000—2020年黄河流域城市年度PM_(2.5)浓度值呈“先升后降”的趋势,黄河流域PM_(2.5)污染呈“先恶化、后改善”的趋势。②黄河流域PM_(2.5)浓度年度均值为52.99μg/m^(3),其中,上游、中游和下游PM_(2.5)浓度年度均值分别为39.35μg/m^(3)、54.65μg/m^(3)、72.53μg/m^(3),表明黄河流域PM_(2.5)污染水平地理梯度分布呈“上游<中游<下游”的态势。③黄河流域PM_(2.5)污染具有显著的空间自相关性和空间聚集特征,下游已形成较为稳定的大气污染区,但流域PM_(2.5)污染水平空间极化程度不断降低,空气质量朝着空间均衡方向不断改善。④黄河流域城市PM_(2.5)污染空间溢出效应明显,年均气温、人口密度、工业化程度、人均GDP等因素与城市PM_(2.5)污染水平呈正向相关性,降水量、年均风速、植被覆盖度等因素与城市PM_(2.5)污染水平之间呈负向相关性。     

新疆准噶尔盆地南缘一次典型沙尘污染特征分析

沙尘对空气质量特别是空气中TSP,PM_(10)和PM_(2.5)浓度有重要影响。为探讨沙尘对空气质量的影响,在位于准噶尔盆地南缘荒漠-绿洲交错带的准噶尔生态环境观测站开展了近地面空气颗粒物的连续监测实验及气象观测实验;结合HYSPLIT模型对典型沙尘事件中空气颗粒物的运动轨迹进行模拟;分析了沙尘全过程空气颗粒物分布特征及颗粒物的输送特征。结果表明:在2015-09-13日的沙尘事件对空气中颗粒物TSP、PM_(10)和PM_(2.5)的浓度分布产生影响严重,TSP、PM_(10)和PM_(2.5)的质量浓度分别达到了412μg/m~3、354μg/m~3和190μg/m~3,远超过了国家二级空气质量标准;TSP、PM_(10)和PM_(2.5)的质量浓度显著相关,其中PM_(2.5)和PM_(10)的相关系数达0.993,颗粒物轨迹分析显示,沙尘主要来源于北面的古尔班通古特沙漠,为大风输送所致。     

BAF处理系统的BP神经网络模型

本文以某污水处理厂曝气生物滤池（Biologlcal aerated filter,BAF）的实际运行数据为基础,采用人工神经网络（Artificial neural network,ANN）方法,建立起BAF处理系统的BP神经网络预测模型。模型运算结果表明,预测值和实测值能较好地吻合,起到了模拟预测的效果,同时能优化运行状态。该模型的建立为BAF处理系统的预测及运行管理供了一条简便实用的途径,具有良好的研究和工程实用价值。     

潍坊城区典型区域PM_(10)和PM_(2.5)质量浓度变化特征

利用2016年1月至12月潍坊城区典型区域的PM_(10)、PM_(2.5)浓度的连续观测数据,研究了PM_(10)、PM_(2.5)浓度的变化特征及其与气象因素的关系。结果表明,潍坊城区颗粒物污染较为严重,PM_(10)超标率为7.59%、PM_(2.5)超标率为33.61%。PM_(10)和PM_(2.5)质量浓度均存在明显的季节变化和月变化规律,表现为夏季月份较低,而冬季月份较高。PM_(2.5)/PM_(10)比值的平均值为0.526,该比值也呈现一定季节变化,冬夏两季较高,春秋两季较低。PM_(10)和PM_(2.5)与气温均呈现一定的负相关性,PM_(10)还与湿度呈现负相关关系。     

基于三次指数平滑模型的雾霾天气预测

通过分析郑州市2013—2016年空气质量指数月统计数据,可以看出空气质量指数(AQI)、PM_(2.5)、SO_2等指标均关于时间呈非线性趋势。应用三次指数平滑模型对郑州市2017年每月的AQI、PM_(2.5)、SO_2等指标进行预测。结果表明,郑州市2017年雾霾天气与实际季节变化相符,且呈"U"型分布。     

雾化除尘技术在治理城市PM_(2.5)中的应用

综述了雾化技术对PM_(2.5)的治理机理及特点,分析了PM_(2.5)治理领域主要雾化技术的应用现状,指出雾化技术治理PM_(2.5)颗粒物的有效性及对城市PM_(2.5)治理的意义。     

南充交警大气PM_(2.5)个体暴露水平及健康风险评价

为探讨交警工作环境大气PM_(2.5)个体暴露水平,现场监测交警大气PM_(2.5)个体暴露浓度,同时采集个体暴露大气PM_(2.5)样品,分析样品的化学成分并对部分元素进行健康风险评价。结果表明,交警大气PM_(2.5)个体暴露浓度为74.4μg/m~3,明显高于大气环境浓度42.2μg/m~3;交警PM_(2.5)个体暴露浓度与风速、湿度负相关,与温度存在一定程度上的正相关,降雨能降低PM_(2.5)个体暴露浓度。应用健康风险评价模型发现Mn对交警存在非致癌风险,风险指数为2.48;Cr对交警存在致癌风险,风险指数为1.58×10~(-3),应予以重视。     

基于BP神经网络模型在珊溪水库水华预测中的应用

在珊溪水库藻类暴发期间应急监测数据的基础上,建立pH值、高锰酸盐指数、总氮、总磷、叶绿素a数据矩阵。运用MATLAB R2015b GUI可视化界面模块,将应急监测数据样本空间分为训练样本、验证样本、测试样本,建立珊溪水库BP神经网络模型,预测了珊溪水库藻类暴发期间叶绿素a浓度。BP神经网络建模结果显示:输出数据与实测数据相关系数0.978,平均相对误差-0.19%,标准方差18.54%,模型稳定性较好,叶绿素a预测结果符合预期。BP神经网络预测模型为珊溪水库饮用水水源地环境保护提供了科学依据。     

多元回归和BP人工神经网络模型对混合厌氧消化产气量的预测研究

在中温且控制pH值条件下,对脂肪类单基质和城市污水厂剩余污泥进行混合厌氧消化试验。基于多元回归原理和BP人工神经网络原理,对其建立产气量预测模型。由实验数据计算得出:两个阶段多元回归模型的预测平均准确率分别为75.69%和79.29%;BP神经网络模型的预测平均准确率为79.05%。通过对比两种模型的预测结果可知,两种模型都有较高的预测准确率,但BP模型的预测准确率更高,更适用于混合厌氧消化产气量预测。     

基于时间序列修正算法的我国入境旅游人数预测

为了对我国入境旅游游客量进行准确预测,提出一种将ARIMA模型与RBF神经网络相结合的算法。以我国2009年1月到2014年4月我国入境旅游游客量月度数据为研究对象,利用该模型对我国入境旅游游客量进行初步预测,计算残差,再利用RBF神经网络对残差进行拟合预测,并对ARIMA预测结果进行修正。结果表明:利用RBF神经网络对ARIMA模型进行修正,将线性拟合算法和非线性拟合算法结合起来用于我国入境旅游游客量预测是一种较可靠的算法。     

江苏省大气污染防治考核达标预测方法研究

对我国大气污染防治考核内容及考核目标进行了介绍,指出江苏省2014～2017年PM_(2.5)年均浓度逐年需下降的目标,并以江苏本省为例,介绍了江苏省保障大气污染防治考核达标开展的相关数据分析工作。一是建立PM_(2.5)浓度每周、每月通报制度,"以周保月,以月保年",通报13个设区市及全省PM_(2.5)浓度阶段性考核达标情况;二是开展考核可达性预测分析工作,以现状浓度为基础,如需达到年度考核目标值,预测出年度剩余日中PM_(2.5)浓度最大限值。江苏省开展的大气污染考核达标数据分析工作,为决策者提供科学依据,省市两级政府部门能够及时加强大气污染防治管控力度,确保考核顺利达标。