垃圾填埋场垂直防渗帷幕综合检测方法研究

以某城市垃圾填埋场防渗帷幕为研究对象,采用高密度电阻率法、孔间声波透射法以及孔内电视成像等手段,借助多元回归分析方法,探讨地球物理无损检测结合钻孔探测在垃圾填埋库区防渗帷幕实体检测中的适用性。研究表明:高密度电阻率法因其快速高效,可实现对防渗帷幕的全面探查,圈定疑似质量缺陷区域。在此基础上,孔间声波透射法和孔内电视成像因其直观准确,可进一步判定缺陷具体形态、位置等,缩小处理范围。该综合检测方法通过多尺度搭配、多参数印证,可实现对防渗帷幕不同检测范围和精度要求的有效检测。     

基于注意力机制及Ghost-YOLOv5的水下垃圾目标检测

水下垃圾的目标检测技术对水下机器人实现垃圾自动清除有着重要意义。然而,复杂的水下环境和水底光线不足,易导致检测精度受限、计算量大等问题。针对这些问题,提出了一种基于YOLOv5的水下垃圾目标检测的改进算法。在该方法中,在预处理部分引入Gamma变换提高水下图像的灰度和对比度,便于模型检测。同时,在YOLOv5检测部分嵌入CBAM注意力机制,以突出目标特征并抑制次要信息,从而提高算法精度。此外,将颈部层中的普通卷积模块替换为Ghost卷积模块,减少计算量,加快检测速度。采用真实环境下的水下垃圾数据集进行模型验证,与当前热门的目标检测算法进行对比,该方法在分辨率为640×640的图像上的最高检测精度为93.7%,且计算时间仅为6.7 ms,满足实时性的要求。该研究成果对水下垃圾的目标检测具有良好的借鉴意义。     

城市垃圾中转站选址研究

城市垃圾中转站的合理布局可以节省大量垃圾转运成本。对垃圾中转站选址的限制因素、选址理论、选址模型及其算法等几个方面进行了详细的分析和探讨。垃圾中转站选址的限制因素有：选址要符合城市建设总体的规划,具有良好的自然地理与地址条件,满足转运量的要求,具有较好的外部条件,应当满足社会和法律的要求。垃圾中转站的选址理论发展,首先是单准则的问题的研究,然后发展到研究多准则影响下的选址问题。关键是垃圾中转站选址模型及其算法的研究。选址布局直接关系到垃圾清运的费用。     

城市生活垃圾产生预测的核心问题探讨

城市生活垃圾问题严重威胁城市的可持续发展,其产量和成分的预测已成为生活垃圾管理研究的热点,是生活垃圾管理体系规划、实施和优化的基础。文章总结了城市生活垃圾预测的基本框架,认为尺度、因素和方法是三大核心问题。在界定研究的时空尺度基础上,概述了国内外影响生活垃圾产生的因素,将其分成内在、社会人口学、个体、自然和政策5类,列举了回归分析、时间序列、灰色系统模型和系统动力学等预测方法的原理、特征和应用,并展望了未来研究重点和发展方向。     

基于YOLOv3算法的农场环境下奶牛目标识别

针对农场环境下使用手工标记与肉眼识别方法识别奶牛时计数效率低、错误率高,而使用无线射频检测技术比较复杂且成本高的问题,使用检测速度较快且性能较好的YOLOv3算法对农场环境下的奶牛进行目标识别。该方法采用了3个不同尺度的特征图来进行对象检测,能够检测到更加细粒度的特征;使用Darknet-53网络加入残差模块,有利于解决深层次网络的梯度问题,从而增加奶牛目标识别模型的识别效果;采用K-means聚类得到先验框的尺寸,预测对象类别时使用logistic的输出进行预测,可以支持多标签对象。从检测结果来看,该方法在农场环境背景下的奶牛目标识别效果较好,检测准确率较高。     

青藏高原农牧区生活垃圾治理水平的地域分异与影响因素研究——以青海省4315个行政村为例

生活垃圾治理是青藏高原农牧区人居环境的突出短板,厘清农牧区生活垃圾治理水平地域分异与影响因素,可为农牧区人居环境综合整治、青藏高原生态环境风险防范提供科学依据.以青海省4315个行政村为例,多尺度解析农牧区生活垃圾集中治理覆盖率和服务人口比重,基于逻辑斯蒂回归模型的总体效应和分区效应估计,定量刻画农牧区生活垃圾治理水平影响因素.结果显示：(1)青海省农牧区生活垃圾集中治理覆盖率低于全国及西部平均水平,呈现由青东河湟谷地农区向柴达木及环湖牧区和青南高原高寒牧区梯度递减;(2)农牧区生活垃圾治理水平受海拔高程、地形地貌、垃圾转运距离等集中治理成本因素的多重影响,高海拔、山区地貌及远距离转运是农牧区生活垃圾集中治理失效的重要原因;(3)少数民族聚居、常住人口规模偏低、村域经济相对滞后的牧区仍是生活垃圾治理弱势区域,而脱贫政策支持和管理者受教育水平提升,亦会对改善生活垃圾治理水平带来积极影响.建议结合集中治理成本和常住人口分布及产污特性,因地制宜实施“村收集-镇转运-县处理”城乡一体化治理（模式Ⅰ）、“村收集-镇处理”乡镇集中治理（模式Ⅱ）及“村收集-村处理”牧区分散治理（模式Ⅲ）3类模式,采...     

基于Faster R-CNN的海面垃圾检测研究

针对当前全球海洋垃圾污染造成严重生态破坏等问题,提出了一种基于改进Faster R-CNN的海面垃圾检测算法以及视频中前后2帧目标是否为同一目标的方法。改进Faster R-CNN算法通过将常用的VGG16特征提取网络替换为ResNet101网络并融入特征金字塔,提高对小目标的检测精度;判断视频前后两帧目标是否为同一目标的方法则通过对比前后2帧目标的面积、重合度以及颜色差异度确定是否为同一目标。在现场拍摄数据上的实验结果表明,与传统Faster R-CNN相比,该改进Faster R-CNN的mAP值提高了4.9%,损失曲线的收敛速度更快,且在实际检测中的检测效果更好;前后两帧是否同一物体的判断方法在九段视频的最高精测判断精度高达100%,平均准确率为93%。该研究方法主要包括以下优点:1)改进Faster R-CNN在海面小目标垃圾检测上具有更高的精度;2)判断视频中前后2帧目标是否为同一目标的算法代码复杂度小,方便根据实际情况更改判断阈值。     

烧或不烧?艰难的选择

眼下的中国,城市里可用的垃圾填埋场越来越少,于是垃圾被推向郊区,郊区没地了,就再推向农村......土地是有限的,垃圾是无穷的,在这样的纠结中,垃圾焚烧走进了我们的视野.     

城市餐厨垃圾产量的空间降尺度模拟

文章以厦门岛为例,采用多元回归模拟和空间分析技术相结合的方法,选取了与厦门岛城市餐厨垃圾产量相关的土地利用、GDP、人口等相关社会经济地理因子进行空间化模拟研究。结果表明:(1)所选地理因子均对餐厨垃圾密度空间分布有一定影响,其中商住混合用地、商业服务用地、城镇住宅用地和城中村用地等土地利用类型的面积比例是主要的影响因子。(2)受多种因素共同影响,筼筜湖周边及厦门岛西南等商业繁华的区域餐厨垃圾密度较高,呈现空间集聚效应。(3)模型验证结果较为理想,各街道内餐厨垃圾总量模拟值与统计值比较符合,实现了厦门岛餐厨垃圾总量的降尺度模拟,是研究城市餐厨垃圾分布规律和实现餐厨垃圾产量空间化的一种尝试,以便为城市餐厨垃圾科学管理和决策提供参考,为餐厨垃圾资源化回收利用提供基础空间数据。     

无废城市建设场景下LightGBM垃圾产量预测模型构建

中国于2018年提出“无废城市”建设试点工作方案。通过对某试点研究区域调研发现,近年来当地生活垃圾产量呈现高出城市人口发展速度,且呈非线性快速增长趋势。传统的预测手段已经无法满足当地垃圾产量的精细化管理需求,难以将当地垃圾处理能力的发展与产量增加的趋势相协调。因此,基于社会多元数据,构建对研究区域整体垃圾总产量预测的模型研究方案。通过将灰色关联分析算法与LightGBM机器学习算法结合,获得了多元社会数据中与研究区域垃圾产生增长关联最为密切的几类特征数据,以进行机器学习模型构建与交叉验证调优,获得了MAE为1.48,MAPE为15.42%的生活垃圾产量精准预测模型。最终利用该模型预测,2025年该地的生活垃圾产量将达到17.23万t/a。     

基于物联网的智能环境污染检测与控制系统研究

为了实行对环境污染的远程智能检测,提出基于物联网技术的智能环境污染检测与控制系统设计方法,采用无线传感组网技术进行智能环境污染检测系统物联网设计,实现对环境污染信息采样,采集的环境污染数据主要有水污染数据、土壤污染数据和大气污染数据等。将数据输入的集成控制单元中,通过上位机进行远程传输控制,采用TMS320VC5409A智能处理DSP芯片作为集成控制芯片进行控制系统硬件设计,环境污染检测与控制系统硬件模块分为物联网传感模块、AD模块、上位机通信模块和数据输出接口模块等。在嵌入式Linux内核中实现环境污染检测程序加载,实现污染检测和优化控制。测试结果表明,采用该方法进行环境污染检测与控制的智能性较好,准确度较高,实时性较好,总体性能较优。     

基于GA-BP神经网络的餐厨垃圾合成PHA工艺产量预测

为了预估混合底物碳源条件下活性污泥PHA合成产量预测的准确度,通过引入遗传算法对BP人工神经网络的权值和阈值进行优选,建立基于GA-BP神经网络的餐厨垃圾合成PHA工艺产量预测模型。以餐厨垃圾发酵液为底物碳源,利用活性污泥在ADD模式下进行PHA合成。以实验数据为基础训练神经网络模型,通过实测数据与模型预测数据之间的对比,验证了人工神经网络预测模型的精确度,并对长期PHA合成能力进行了预测。结论表明:基于遗传算法改进的GA-BP网络模型表现出比传统BP神经网络模型更佳的预测准确度,为评估混合菌群PHA最大合成产量的长期发展趋势,确定合理富集时长探索了可行方法。     

一种基于深度学习的海表温度混合预测方法

海表温度（SST）是海洋水文的重要参数,准确预测SST对海洋经济发展与极端天气的预防都有重大意义。首先,针对SST序列数据的多噪声特点,采用变分模态分解方法（VMD）预处理,以减少噪声对预测结果的影响。其次,将卷积神经网络（CNN）与长短时记忆网络（LSTM）结合,同时提取SST序列的空间与时间特征,以提高预测精度。最后,本文提出了一种基于深度学习并融合了去噪模块的SST预测模型,选取我国东海海域的SST进行实证研究。通过与基线模型、现有模型的对比,证明了本文模型不但在SST的预测精度方面提升明显,而且具有较好的鲁棒性。     

基于改进电法装置和深度神经网络的填埋场渗滤液水位探测

渗滤液水位检测和管控是填埋场环境风险管控的关键之一,高密度电法装置具有无损、快速和分辨率高等优点,但填埋场铺设的HDPE防渗膜的高阻特性掩盖了渗滤液的低阻特性,反演结果存在探测精度差、探测范围有限等问题,无法有效识别渗滤液水位. 为此,本文设计了改进的川字型采集装置并配套提出了基于深度神经网络的非线性反演算法——EConvNet-C,通过构建高仿真模拟模型获得了代表性场景下的学习样本,并进行学习训练得到了渗滤液水位与观测数据的非线性映射关系. 对上述改进的电法装置和配套的反演算法的有效性进行了验证,并开展了实际填埋场地的案例研究. 结果表明:①基于川字型装置的EConvNet-C反演的电阻率存在明显的分层特征,在场景A中EConvNet-C反演算法的均方误差(MSE)均在0.00230以下,渗滤液水位探测精度均在90.0%以上. ②以“浅层滞水”形式非正常积存情况下,EConvNet-C探测精度略有下降,但MSE仍在0.00420以下,水位探测精度仍在80.0%以上. ③基于传统探测装置的深度神经网络耦合方法得到的渗滤液水位探测精度略低于基于川字型装置的EConvNet-C,而基于传统探测装置的线性反演耦合方法在HDPE膜高阻特性的影响下无法有效识别渗滤液水位. 因此,基于川字型装置的EConvNet-C在填埋场渗滤液水位探测领域具有较大潜力,可为后期开展垃圾填埋场的性能和风险评估提供指导.      

基于深度卷积神经网络的场地污染非线性反演方法

提出了将Sobel边缘检测算子与深度卷积神经网络（CNN）算法结合的方法（E-ConvNet），用于污染场地的ERT反演过程.通过Sobel算子提取污染区域视电阻率数据的边缘特征作为CNN的先验信息，提高E-ConvNet的计算效率及识别精度.在5种理论模型（单异常体、双异常体及含双异常体的层状结构）和现场实例上测试了E-ConvNet算法的性能，并与最小二乘算法（LS）比较.测试结果表明：E-ConvNet能够准确识别污染处的面积、位置及阻值，其识别精度和计算效率均优于LS.E-ConvNet的单异常识别准确率为81.8%~84.9%，而LS则仅为9.6%~36.2%；多异常识别准确率为68.6%~84.4%，LS仅为2.8%~27.6%；E-ConvNet用时约为112~190ms，LS耗时为6000~7000ms.因此，在污染场地调查工作中，E-ConvNet能够准确高效地反演出污染区域的位置及范围，为开展后续评估/修复工作提供技术支持.     

基于改进粒子滤波算法的水下地形辅助导航方法

目的 解决当前的粒子滤波算法用于水下航行器(AUV)基于极地区域的低分辨率海图时导航精度较低的问题。方法 提出了一种带有自抖动及修正的粒子滤波方法(SJCPF),在状态转移过程中引入粒子抖动,每次粒子位置更新时,引入额外的过程噪声,使得传统算法中过度集中的粒子适当向周围发散,改善算法本身及海图分辨率低带来的粒子多样性匮乏。在重采样步骤中,引入相关系数用于修正权值,进一步增加粒子多样性及算法的鲁棒性。结果 对传统PF及SJCPF进行仿真,相较于传统PF算法,SJCPF的导航均方根误差降低了27.7%,导航精度及鲁棒性都有显著的提升。结论 SJCPF的导航性能优于传统PF,选用皮尔逊相关系数,并在适当范围内选择较大的粒子数量和较高的测量频率,可以兼顾AUV的续航与导航精度。     

基于自适应遗传小波神经网络的水质评价建模

水环境污染过程的非确定性和非线性,使得传统的水质评价方法存在局限性。为了提高水质评价的准确性,提出了一种基于改进小波神经网络(wavelet neural network,WNN)的水质评价模型。采用自适应遗传算法(adaptive genetic algorithm,AGA)对小波神经网络的初始权值进行优化,再通过小波神经网络算法对网络进行训练,最后对训练好的网络展开测试。仿真结果表明,自适应遗传算法和小波神经网络的结合提高了网络的训练效率,该方法可以用于水质评价建模,并且评价结果具有较高的精度和准确性。     

基于神经网络集成的单个飞行事件噪声预测模型

通过分析影响单个飞行事件噪声的各种因素,构建了BP神经网络回归预测模型,并通过自适应遗传算法优选出参与集成的个体神经网络,提出了预测单个飞行事件噪声的神经网络集成预测模型.为了有效保证差异性,设置不同隐藏神经元个数和Bagging算法来构建和训练单个网络.实验结果表明,单个飞行事件噪声的神经网络集成预测模型相对单个BP神经网络模型泛化能力更强,稳定性能更好.本文方法在测试集上误差在3dB以内的平均比率为96.9%,比单个网络高6.8%.     

钻井过程人员异常行为视频智能识别系统

针对钻井现场视频监控人工值守工作量大、异常行为识别不及时、海量视频数据缺乏实时报警等问题,结合钻井作业操作规程建立井控坐岗监测、起下钻、甩钻具等钻井作业场景典型异常行为判别规则,在基于卷积神经网络的目标检测方法基础上,引入SIFT方法和基于强化学习的困难样本筛选策略,提高了算法识别的准确率与鲁棒性。测试结果表明,在像素分辨率1 920×1 080的情况下,该方法整体识别准确率达到85%以上,平均识别速度为135 ms/帧。在此基础上,开发了钻井过程人员异常行为智能识别系统,试点应用结果表明,该系统能够对接入的视频流进行实时检测,及时、准确识别出坐岗人员擅自离岗、起下钻及甩钻具过程人员危险站位等异常行为,有效提升钻井现场安全管理水平。