基于TLSER关系预测POPs在PUF与空气中的分配系数

为开发一种简洁高效预测K_PA值的方法,本文收集了包含多氯联苯（PCBs）、苯类（Benzenes）、多环芳香烃（PAHs）和杀虫剂（Pesticides）等,共95种污染物在聚氨酯泡沫塑料（PUF）与空气中分配系数（K_PA）的实验值,基于理论线性溶解能关系（TLSER）,运用逐步多元线性回归（MLR）构建了预测K_PA值的模型.结果表明,模型的决定系数R_adj²为0.901,外部验证系数Q_ext²为0.748.TLSER模型有较好的拟合度、稳健性和预测能力,可以预测应用域内POPs在PUF和空气之间的分配系数.     

基于QSAR关系预测PCBs和部分PAHs在LDPE中的扩散系数

分子扩散系数（D）是获得污染物与环境介质之间的平衡分配系数（K）的重要前提,然而通过实验测定获取污染物的扩散系数的过程过于繁琐,因此需开发一种更为简单、高效、准确的预测模型来定量预测扩散系数.为此,本文搜集了一些多环芳香烃（PAHs）和多氯联苯（PCBs）在低密度聚乙烯膜（LDPE）上扩散系数（log D）的实测值,基于定量结构-活性关系（QSAR）,利用逐步多元线性回归（MLR）构建了预测D值的模型.模型的决定系数R_adj²为0.941,交叉验证系数Q_LOO²为0.934,外部系数Q_ext²为0.895.结果表明,该QSAR模型具有良好的拟合优度、稳健性和预测能力,其可用来预测应用域内有机污染物在LDPE膜上的扩散系数.     

加速腐蚀环境下LD2CS铝合金腐蚀损伤分析方法

目的研究LD2CS铝合金腐蚀损伤数据的分析方法。方法针对LD2CS铝合金腐蚀坑深度值,采用最小二乘支持向量机、BP人工神经网络和求和自回归移动平均等3种模型进行回归和预测分析。对比总结各种模型在小样本递增时间序列下的应用特点。结果对于LD2CS铝合金腐蚀坑深度值预测,最小二乘支持向量机在回归和预测上都有较高的精度。结论最小二乘支持向量机模型最适合LD2CS铝合金的腐蚀坑深度值预测。     

小波支持向量机在大气污染物浓度预测中的应用

用小波分解重构和支持向量机相结合的方法,建立大气污染物浓度预测模型。通过小波分解,将大气污染物浓度序列分解为不同频段的小波系数序列,再对各层的小波系数序列重构到原尺度上。利用相关分析的方法构建出低频小波系数a3和中频小波系数d3的支持向量机模型输入因子为前一天小波系数a3和7个气象因子;高频小波系数d2和d1以前三日的小波系数为输入因子,然后对各小波系数序列采用相应的支持向量机模型进行预测,各小波系数均使用ν-支持向量回归机(ν-SVR)算法和径向基函数,最后通过小波重构合成大气污染物浓度序列的最终预测结果。通过对大气SO2浓度预测实例证明,该大气污染物浓度预测模型具有推广能力较强、预测精度较高、训练速度快、便于建模等优点,具有良好的应用前景。     

基于离子选择性电极的土壤重金属检测系统研究

设计了一套基于离子选择性电极与单片机技术的土壤重金属含量检测系统,并基于能斯特(Nernst)方程与最小二乘法研究了离子选择性电极响应电位与目标离子浓度的线性回归模型,建立两者之间的函数关系。采用离子选择性电极作为信号采集器,通过单片机系统和串行模数转换模块实现了较高精度、低成本的数据采集,并基于LabVIEW 8.2软件开发上位机软件实现了数据的显示、保存和打印。通过相关实验,得到铜离子选择电极响应电位E与离子浓度C的线性回归方程为E=267.047+29.494lg C_(Cu~(2+)),线性相关系数R~2=0.996 2。运用标准浓度硝酸铜溶液对回归模型进行了验证,线性回归模型的计算值与实际值间的相对误差在2.0%~7.2%之间。实验结果表明,回归模型的预测效果基本上可以满足一般精度要求的检测,检测系统可以用于土壤痕量重金属的初步检测分析。     

随机应用下的锂离子电池剩余寿命预测

目的为模拟海洋工程与水下科考装备电池的真实使用情况,进行随机电流放电下的锂离子电池老化实验,通过高斯过程回归模型进行电池剩余寿命预测。方法从数据驱动方法中选取具备不确定性表达能力的高斯过程回归模型,选定核函数后通过训练数据来优化超参数建立预测模型。用随机应用下的电池充放电循环实验数据验证预测结果。结果与SE核函数相比,基于Matern核函数的模型预测效果更优。训练数据越多,预测起始点越大,模型预测绝对误差越小、MAPE与RMSE值更低。对两种不同实验温度、不同随机电流放电模式下的三组电池,模型预测绝对误差大多在40 cycle内,MAPE与RMSE值分别低于0.06、0.09,均能实现准确剩余寿命预测。结论对于随机应用下的锂离子电池剩余寿命预测,高斯过程回归模型具备高精度与适用性。     

氯代苯胺对斑马鱼的急性毒性的电性拓扑研究

基于拓扑理论计算了7种氯代苯胺分子的Kier和Hall的原子类型电性拓扑状态指数(E)f。通过多元线性回归和最佳变量子集回归方法建立了氯代苯胺对斑马鱼急性毒性(pLC5)0与其电性拓扑状态指数的最佳二元定量构效关系(QSAR)模型,其传统判定系数(R)2为0.978,逐一剔除法(LOO)的交互验证系数(Q)2为0.964。根据统计学观点,该模型具有良好的稳健性及预测能力,用该模型给出的估算值和实验值非常接近,优于相关文献的计算结果。从进入该QSAR模型的2个电性拓扑状态指数(E9,E2)6可见,所建的数学方程显示芳环内=C<及硝基中氮原子(=N≤)是影响其pLC50的主要结构因素。     

CWAO降解正丁酸升温过程反应条件的优化

文章研究了正丁酸原液TOC浓度、催化剂用量、反应温度、氧气分压对Mn-Ce催化剂催化湿式氧化正丁酸升温反应过程的影响,建立了催化湿式氧化降解正丁酸升温反应过程的非线性回归模型,经计算,模型的可决系数r2和模拟效率系数NSC的值分别为0.9946和0.9352,均达到0.80以上,表明所建模型可以较准确预测催化湿式氧化过程中残余的正丁酸浓度;在非线性回归模型基础上,进行了催化湿式氧化降解正丁酸升温反应过程影响因素的最优取值研究,结果表明在最优反应条件下,催化湿式氧化降解正丁酸的实验总费明显低于实验条件取值的总费用。     

基于HMM的煤矿底板突水短时预测模型

为解决煤矿底板突水预测在实际应用中工作量大、数据不足等问题,结合突水系数法及其衍生方法,对其进行以突水系数阈值回归分析处理为主的方法改进,并基于隐马尔科夫模型分别构建以单位涌水量为观测对象的突水系数阈值预测模型和实际突水系数预测模型。结合两种模型,通过应用基于条件概率的相关算法,实现了基于单位涌水量的煤矿底板突水短时预测,该模型可用于煤矿底板突水预警工作中监测数据有限条件下的模糊预警。     

湍流模型对预测街道峡谷污染物扩散的影响

文章选取标准k-ε湍流模型、RNGk-ε湍流模型、realizablek-ε湍流模型和单方程Spalart-Allmaras涡黏系数模型对街道峡谷附近的流动和汽车尾气污染物扩散进行了模拟,并与风洞试验值进行了比较,结果表明,4种模型对街谷壁面的浓度预测在趋势上与试验值基本一致,Spalart-Allmaras模型的预测效果最好,realizablek-ε模型预测最差,而标准k-ε模型和RNGk-ε模型的预测介于其间;RNGk-ε模型和realizablek-ε模型的修正作用在预测建筑物尖角和顶部附近的流动处有所体现,但对街谷内浓度分布的预测仍不如标准k-ε模型;本文从流场分布的特点对4种模型的浓度预测差别进行了解释,证明了壁面浓度与其附近的速度和湍流黏性系数的分布相对应。     

基于BP神经网络的空气污染指数预测模型研究

BP神经网络已成为研究空气污染预测的有效工具之一。文章利用近十年北京市地面气象观测资料和空气污染指数数据,通过BP神经网络技术构建了不同季节的空气污染指数预测模型,对北京市空气污染指数进行了预测。通过相关系数分析法,对比分析了预测结果与实际监测结果,研究结果表明:春、夏、秋、冬季的预测值与监测值线性相关系数分别为0.81、0.84、0.89、0.85。北京春季常伴随有沙尘天气,而文章并没有考虑沙尘天气对预测模型的影响,因此春季BP神经网络预测精度在四季中最低,其预测值与监测值的线性相关系数为0.81。由于秋季不同空气质量级别的数据都有较多分布,因此该季节构建的网络更具有代表性,其预测精度在四季中最高,预测值与监测值的线性相关系数高达0.89。总之,BP神经网络模型对于北京空气污染指数预测是行之有效的。     

基于多层线性模型的铝合金大气腐蚀规律研究

目的 针对不同地区铝合金大气腐蚀差异性和样本数据利用不充分的问题,构建精度更高的铝合金大气腐蚀模型,研究铝合金在不同环境中的大气腐蚀规律。方法 基于多层线性模型,构建具备层次结构的腐蚀率模型。以某型号铝合金腐蚀数据为研究对象,逐步建立零模型、随机系数回归模型、完整模型探究大气腐蚀规律,并进行预测评估。结果 通过交叉验证进行模型评估,多层线性模型(MSE=0.001 3)优于幂函数回归(MSE=0.005 5),远优于线性回归(MSE=0.031 6),模型预测精度提升。多层线性模型能有效分解总方差,增强了模型的可解释性。结论 多层线性模型有效结合铝合金腐蚀数据区域差异性特征,能表征大气腐蚀规律,具有一定的实用价值。     

大气污染及其防治

X51200503236高斯烟羽模型和拉格朗日颗粒分散模型预测放射性核远程扩散年平均数计算值比较=Comparisonbetweenthe predictions of a Gaussian plume model anda Lagrangian particle dispersion model for annual aver-age calculations of long-range dispersion of radionu-clides[刊,英]/E.R.Lutman…∥J.Environ.Radioac-tivity.-2004,75(3).-339~355国图本文目的是证实简单高斯分散模型预测工厂持续排放物远程扩散的适用范围,与拉格朗日颗粒分散模型相比较。英国气象办公室模型NAME已用于预测西欧放射性核的年平均浓度,最后得到…     

基于支持向量回归模型的水稻田甲烷排放通量预测研究

利用静态箱和气相色谱仪法获取水稻田甲烷排放通量数据,选取大气温度、土壤5 cm深温度、土壤pH、土壤Eh、土壤含水量和地表生物量作为影响因子.应用建立在结构风险最小化优化上的支持向量回归(ε-SVR)模型,采用留一法交叉检核网格搜索法(LOOCV)优化ε-SVR预测模型的参数,采用k折交叉检验的方法依据平均相对误差(MRE)和均方根误差(RMSE)对模型的精度进行验证,并与BP人工神经网络(BP-ANN)模型比较,评价ε-SVR预测模型的准确性.结果表明,通过LOOCV选择最优的惩罚因子C和损失系数ε,并由此构建的ε-SVR预测模型预测值和实测值具有很好的一致性,通过11折交叉验证后,测试样本的平均MRE为44%,平均RMSE为16.21 mg·(m2·h)-1.通过与BP-ANN模型比较,预测值和实际值相关系数达0.863,各项指标均优于BP-ANN预测模型,说明ε-SVR模型能够适用于水稻田甲烷排放通量的预测.     

基于关联向量机回归的水质预测模型

提出了一种基于关联向量机回归的水质时间序列预测模型,并以该模型对氢离子浓度指数(p H值)、溶解氧(DO)、高锰酸盐指数(CODMn)和氨氮(NH3-N)4种重要水质指标进行预测.首先采用国家环保部发布的四川攀枝花龙洞水质自动监测数据进行实验,对该模型的有效性进行了验证;然后将关联向量机回归预测模型与支持向量机回归预测模型进行比较.为了比较不同核函数的预测效果,实验中预测模型的核函数分别采用了线性函数和高斯函数.实验结果表明,关联向量机回归模型的预测效果不亚于支持向量机回归模型;且在给出预测值时,还能同时给出预测结果的可信程度.     

长江武汉段沉积物再悬浮过程中PAHs释放的预测模型

为研究长江武汉段沉积物再悬浮过程中多环芳烃的释放,采用回归方法建立了剪应力与再悬浮颗粒物浓度、有机碳含量及PAHs浓度之间的定量关系模型,并结合PAHs在悬浮颗粒物-水体分配系数,建立了不同剪应力条件下再悬浮过程中上覆水体PAHs浓度预测模型,通过模型预测结果与实验结果的比较,表明模型具有良好的预测效果,可用来进行不同剪应力条件下沉积物再悬浮过程PAHs释放的预测.     

基于内外回流污泥形态参数的水质预报

水质监测是污水厂至关重要的环节。为快速、准确地获取实时水质数据，以内、外回流污泥为研究对象，通过显微镜图像结合软件分析，分别得到内、外回流污泥各自絮体的形态参数，并结合污水处理厂运行参数，采用偏最小二乘(PLS)法对内、外回流污泥絮体形态参数与好氧池出水水质指标(COD_e、BOD_e、TN_e和TP_e)进行了回归分析，建立内回流污泥回归模型(PLS1模型)和外回流污泥回归模型(PLS2模型),通过分析两个回归模型中活性污泥絮体形态参数与出水水质指标之间的相关性，比较了两个回归模型的拟合效果和预测效果。试验结果表明：PLS2模型的拟合效果和预测效果要优于PLS1模型，该模型对好氧池出水中COD_e、BOD_e、TN_e和TP_e的预测系数Q²分别为0.736、0.665、0.753、0.716;出水污染物浓度与内回流污泥絮体密实度参数呈正相关关系，而其与外回流污泥絮体密实度参数呈负相关关系。本试验建立了污...     

造纸废水处理过程的高斯过程回归软测量建模

针对造纸废水处理系统的时变性、非线性和复杂性等特点,本文提出一种基于高斯过程回归的软测量模型.基于平方指数协方差、线性协方差和周期性协方差函数组合构建了7种高斯过程回归模型,分别对出水化学需氧量和出水悬浮固形物浓度进行回归预测.此外,还对比了多元线性回归模型、主成分回归模型、偏最小二乘模型、人工神经网络模型和高斯回归模型的预测效果.对比计算结果表明无论是对输出变量的训练拟合还是预测,高斯过程回归模型的拟合效果均优于非高斯过程回归模型.高斯过程回归模型的预测结果表明：对于出水化学需氧量,线性协方差函数与周期性协方差函数的组合模型可以取得最好的预测结果;对于出水悬浮固形物,平方指数协方差函数与线性协方差函数组合模型可以取得最好的预测结果.     

多元线性回归与灰色联合模型在湖泊水质预测中的应用

根据对湖泊水体中所含高锰酸盐指数、氨氮、总磷等主要化学指标及其相关因素人口、工业产值和污水排放量的数据,采用了多元线性回归方法建立了湖泊水质预测的数学模型。并用多元线性回归和灰色模型联合的方法进行实际预测,多元线性回归模型通过F检验认为回归方程的效果比较显著,灰色模型精度检验达到二级,收到了良好效果。     

基于二值Logistic回归模型的砂土液化指标敏感性分析

将二值Logistic回归模型应用到砂土液化预测中,以国内外173组样本数据作为研究对象,通过相关性分析选择震级M、有效应力σ'0、平均粒径D50、修正的CPT锥尖阻力qc1和地震剪应力比SSR5个指标作为敏感性分析指标,对砂土液化指标的敏感性进行了分析.结果表明:二值Logistic回归模型预测准确率达到了90.8％,其概率表达式可用于砂土液化预测;各指标的敏感性排序为M＞qc1＞σ'0＞D50≈SRR;σ'0和qc1指标与砂土液化的相对危险性呈负相关趋势,以qc1指标敏感性较大,M、D50、SRR指标与砂土液化的相对危险性呈正相关趋势,以M敏感性最大.