清洁生产模式探讨

简单论述了清洁生产的提出，内涵，定义和内容，同时列举了４种清洁生产模式：以减污为主的清洁生产模式，以节能，降耗为主的清洁生产模式，以节能，降耗，减污为主的清洁生产模式，以持续发展为目标的清洁生产模式。系统阐述了这些模式各自的特点及其应用情况。     

脉状金矿成因模式研究:回顾与展望

根据国内外脉状金矿研究的最新资料，本文将己经提出并较有影响的矿床成因模式分为五大类九种模式。概述了这些模式的内涵，综合评述了它们建立的依据和存在的问题，介绍了脉状金矿床的地壳连续系列模式以及这一模式提出的背景和思想方法，简要回顾了脉状金矿床成因模式研究的历史，展望了其发展前景，并提出了建立具有我国特色的脉状金矿成因模式的粗浅设想。     

城市箱模式应用问题探讨

城市箱模式是一种简单的城市空气质量模式，便于应用同时也具有一定的合理性，长期以来在我国广为应用。我国许多城市的环境规划依据了城市箱模式进行大气污染的预测和大气污染物允许排放量的确定。但是一些研究者缺乏对城市箱模式理论基础的了解，仅凭对模式本身表象上的认识进行应用，出现了诸如模式适用范围不当、参数选择及计算有误等现象，影响了模式的使用效果和可接受性。本文从城市箱模式理论推导入手，分析了模式的适用范围、有关参数的物理意义及正确选择、计算，并提供了两种便于应用的城市箱模式表达式。１　城市箱模式的理论推…     

对美国FHWA公路噪声预测模式的深入讨论

美国ＦＨＷＡ公路噪声预测模式在我国被广为应用，甚至有各种修正模式，但因对原模式的理论依据仍缺少了解，以至在实际应用过程中或对原模式进行修正时诸如参数的选择及计算、模式适用范围等出现了不当或错误现象。本文从理论上对ＦＨＷＡ公路噪声预测模式进行了深入分析、进而讨论了各参数的物理意义、模式的适用范围，并提供了二种特殊情况下公路噪声的预测模式。     

乐安江沉积物对重金属的吸附模式研究

应用表面络合理论及其研究方法对乐安江沉积物的表面特征及对重金属的吸附特性进行了研究，进行了乐安江沉积物样品的表面电位滴定实验及样品对重金属Ｃｕ、Ｃｄ的吸附实验。应用图法及ＦＩＴＥＱＬ优化程序确定了表面络合模式中的相应参数，并对模式的预测能力进行了检验，研究了３种表面络合模式即恒定容量模式，扩散层模式和三层模式的拟合应用飞速，结果表明，３种表面络合均能较好地描述天然沉积物的吸附过程，但哪种模式从化学     

乐安江沉积物对重金属的吸附模式研究──表面络合模式在天然沉积物研究中的应用

应用表面络合理论及其研究方法对乐安江沉积物的表面特征及对重金属的吸附特性进行了研究．进行了乐安江沉积物样品的表面电位滴定实验及样品对重金属Ｃｕ、Ｃｄ的吸附实验．应用图解法及ＦＩＴＥＱＬ优化程序确定了表面络合模式中的相应参数，并对模式的预测能力进行了检验．研究了３种表面络合模式即恒定容量模式，扩散层模式和三层模式的拟合应用情况．结果表明，３种表面络合模式均能较好地描述天然沉积物的吸附过程，但哪种模式从化学原理上看更正确尚不能证明．从模式计算的难易程度分析，扩散层模式有一定优势．模式应用中应特别强调的是模式参数间的相关性和一致性．     

一个实用的高速公路大气扩散模式

在高斯线源扩散模式的基础上，建立了一个适合高速公路大气污染源扩散特点的模式，并以沈阳环城高速公路环境影响评价中的应用为例，说明该模式的实用性和优越性．在建立该模式的过程中，应用了国外关于公路扩散试验的成果来确定和修正模式中的扩散参数．     

论建立可持续的绿色消费模式

阐述了人类消费模式的演变历程，提出了绿色消费模式的内容，构建可持续绿色消费模式的措施与对策。     

可持续发展与贵州喀斯特生态环境综合治理模式探讨

从可持续发展与喀斯特生态环境治理的概念出发讨论了贵州的几个实施中的综合治理模式。指出了因各个地区的环境背景不同，在模式的使用上也呈现不同的特点，模式之间形成相互补充的效果，这些模式的总合构成了一个喀斯特生态环境综合治理的系统工程。同时强调了一个较完整的综合治理模式应该包括工程技术和科学管理两个主要部分，要重视提高区域环境管理水平。     

基于高斯线源模式的主要尾气扩散模型综述

机动车排放污染扩散模式口可分为高斯模式、经验模式、数值模拟模式和箱式模式。而目前世界各国环保部门推荐应用于污染浓度预测的模式大多属于高斯扩散模式。主要介绍了基于高斯模式的几个主要扩散模型，并比较了它们的优劣，指出开发新模犁需解决的问题。     

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.     

规范变换降维与误差修正结合的环境系统的一元线性回归预测

针对高维、非线性环境系统的传统预测模型存在结构复杂、收敛速度慢、求解精度低的局限,提出对环境系统预测量及其影响因子进行幂函数与对数函数相结合的规范变换.此规范变换能使变换后的各影响因子皆等效于一个线性化的规范因子,从而将多因子、非线性的预测建模简化为简单的一个"等效"规范因子的一元线性回归建模;并对预测样本的模型输出进行误差修正,以提高样本的预测精度.在规范变换的基础上,由有m个规范因子的每个建模样本生成一个规范因子的m个"等效"训练样本,n个建模样本共生成N=m×n个训练样本.应用最小二乘法,建立基于规范变换的一元线性回归预测模型.将基于规范变换的一元线性回归预测模型与相似样本误差修正法相结合,分别用于某市5个点位的SO_2浓度预测和南昌市城市降水酸度pH值预测及某河段COD_(Mn)预测,并与多种传统预测模型和方法及基于规范变换与误差修正的3种智能预测模型的预测结果进行了比较.结果表明:该预测模型用于3个实例预测的相对误差绝对值的平均值分别为1.14%、0.49%和1.45%;最大相对误差绝对值分别为2.22%、0.87%和1.85%,与基于规范变换与误差修正的3种智能预测模型的相应误差几乎没有差异,甚至还要小;均远小于多种传统预测模型和方法的相应误差,其预测精度甚至提高了一个数量级以上.基于规范变换与误差修正的一元线性回归预测模型简单、预测精度高、稳定性好,不存在"维数灾难",因而可广泛用于任意系统的预测建模.     

同型规范变换的不同预测模型具有的兼容性和等效性

传统的不同预测变量的预测模型之间不具有兼容性和等效性,而同型规范变换和误差修正相结合的不同变量的预测模型的预测相对误差与预测对象的维数、样本数及预测模型类型皆无关,仅与预测变量的数据特性、相似样本的模型输出值及其相对误差和相似度有关,因而同型规范变换的不同预测变量的预测模型之间具有兼容性和等效性.其重要意义在于：只要对任意一个预测变量建立了基于规范变换的某种预测模型,就可以将此预测模型直接用于具有同型规范变换的其他预测变量的预测;若再将其与误差修正法相结合,还可以极大地提高模型的预测精度,获得与实际值很接近的预测结果.依据受3个因子影响的灞河口COD_Mn指数数据、受4个因子影响的伊犁河雅马渡站年径流量数据和牡丹江市TSP年均值的时序数据,分别建立具有同型规范变换（n_j=2）的3个不同预测变量的3种智能预测模型和一元线性回归预测模型,并验证了3个不同预测变量的预测模型之间的兼容性和等效性.对同一个预测样本,用同型规范变换和误差修正相结合的不同预测变量的预测模型的实际预测值及其预测相对误差绝对值不仅差异甚微,而且预测值与实际值非常接近,其预测的相对误差绝对值平均值几乎全都小于3%,最大相对误差绝对值均小于5%,小于或远小于20种传统预测模型和方法预测的相应误差.     

塑料大气环境老化预测模型研究

目的为塑料老化行为预测提供简易而可靠的途径,充分发挥环境效应数据的内在价值。方法分别运用GM(1,1)模型、幂函数模型、指数函数模型、多项式模型预测9种工程塑料在3种典型大气环境下的拉伸强度、延伸率和弯曲强度等力学性能变化,并与自然环境试验实测结果进行比较。结果拉伸强度、延伸率、弯曲强度等3种力学性能中,弯曲强度预测效果最好,延伸率预测效果最差。4种模型之中,GM(1,1)模型在预测小样本数据方面具有最好的预测效果和最高的正确率,且在数据具有一定波动性的情况下仍能够保持较好的预测效果。结论在挖掘分析塑料大气老化评价指标和试验时间之间的函数关系时,不仅要考虑预测模型的拟合效果好坏、相关系数高低、预测误差和预测正确率高低,还应注意预测模型反映出来的塑料性能变化规律是否符合客观实际,这样得到的预测模型才能尽可能地反映塑料老化程度与试验时间关系的全貌。     

基于轻量级梯度提升机的南京大气臭氧浓度预测

采用南京地区2015年1月至2016年12月期间的空气质量数据和常规气象资料数据,分析了南京地区O₃浓度变化特征,建立基于轻量级梯度提升机(LightGBM)的O₃浓度预测模型,并将该模型与支持向量机、循环神经网络和随机森林等3种在空气质量预测方向上常用的机器学习方法进行了对比,验证模型的有效性和可行性.结果表明,南京地区O₃浓度变化具有显著的季节性差异,浓度变化受前期浓度、气象因子和其他空气污染物浓度的共同影响.LightGBM模型较为准确地预测了南京地区地面O₃浓度(R²=0.92),且该模型的预测精度和计算效率等性能优于其他模型.尤其是在容易出现臭氧污染的高温天气,该模型预测准确性明显高于其他模型,模型稳定性较好.LightGBM具有预测准确度高、稳定性好、有良好的泛化能力和运算时间短等特点,在O₃浓度预测方面具有显著的优势.     

规范变换与误差修正结合的环境系统的前向网络和投影寻踪预测模型

为了建立适用于环境系统的结构简洁、形式统一、程序规范、应用普适的神经网络和投影寻踪回归预测模型,针对传统的神经网络和投影寻踪回归用于多因子、大样本预测建模,存在模型结构复杂、学习效率低的局限,提出设置环境系统预测量及其影响因子参照值和规范变换式的原则和方法,使规范变换后的影响因子皆"等效"于同一个规范影响因子,从而将多因子的的预测建模简化为等效规范因子的预测建模,使模型结构得到极大地简化,提高了学习效率;此外,为了提高预测模型的预测精度,还提出了对预测样本的模型输出值的误差修正公式.在对环境系统的预测量及其影响因子进行规范变换的基础上,将m个规范影响因子的每个建模样本组成m个"等效"训练样本,应用免疫进化算法优化模型参数,分别建立适用于环境系统的2个或3个规范影响因子的前向神经网络和投影寻踪回归两类预测模型;并依据误差理论,对误差修正公式修正后的模型预测精度的提高进行了严格的数学论证.将基于规范变换与相似样本误差修正相结合的两类预测模型,用于某市5个点位的SO_2浓度预测,并与6种传统预测模型和方法的预测结果进行了比较.结果表明:对同一个预测样本,同类模型的两种不同结构的的预测值及其相对误差都几乎完全相同或彼此相差甚小;此外,两种不同结构的两类预测模型用于5个样本预测,其相对误差绝对值的平均值分别为2.59%、2.67%;2.18%、2.62%,均远小于传统BP神经网络模型的25.72%、传统PPR模型的14.20%、传统SVR模型的22.13%、模糊识别模型的21.57%、组合算子模型的18.36%和多元回归模型的25.31%;而两类模型预测的最大的相对误差绝对值分别为4.11%和3.57%,更加远远小于传统的6种预测模型的37.18%、56.07%、27.40%、32.14%、38.38%和60.26%.实例分析结果证实了误差修正公式对提高模型预测精度具有切实可行性.基于规范变换与误差修正相结合的前向神经网络和投影寻踪回归两类预测模型不仅避免了"维数灾难",提高了学习效率和模型的预测精确度,而且具有简洁、普适、规范、统一和稳定的特点,对其他预测建模也有借鉴作用.     

深度学习方法在上海市PM2.5浓度预报中的应用

为提升PM_2.5浓度预报能力,尤其是对PM_2.5重污染的预报能力,以中尺度气象-化学耦合模式系统（WRF-Chem）为基础,结合中尺度WRF气象预报数据、地面及高空气象观测数据、PM_2.5浓度观测数据,基于人工智能深度学习序列到序列的算法建立了上海市PM_2.5统计预报模型.结果表明,人工智能深度学习算法（Seq2seq）明显修正了WRF-Chem模式由于模型非客观性造成的偏差,提高了上海市PM_2.5浓度的预报能力;该算法优化和修正了WRF-Chem模式结果,并通过检验发现可以使PM_2.5浓度预报值与实况值间的相关系数由0.51上升至0.79,均方根误差由25.9μg/m³下降至15.01μg/m³.而单独使用套索法（Lasso）线性回归算法对WRF-Chem模式优化效果不理想.基于Seq2seq的PM_2.5浓度预报修正模型能够有效提升预报精度.     

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.     

BP神经网络组合预测在城市生活垃圾产量预测中应用

文章分析了组合预测理论,在建立由二次指数平滑预测模型、灰色预测模型、BP神经网络预测模型组成的组合预测模型库的基础上,利用以上三种单一预测模型的组合构成BP神经网络组合预测模型。分别应用单一预测模型和组合预测模型对湖南省城市生活垃圾产生量进行预测,通过分析和比较预测结果,验证了该组合预测方法的有效性。     

基于GSK-AdaBoost-LightGBM的交通事故死亡人数预测研究

交通事故预测研究有助于降低交通事故发生的概率。为提高交通事故预测模型的精度,首先应用网格搜索法获得LightGBM模型的最优超参数,并进行5折交叉验证提升模型的抗拟合能力,建立优化的LightGBM(GSK-LightGBM)模型;然后基于AdaBoost算法训练多个GSK-LightGBM模型,加权组合得到AdaBoost-LightGBM增强集成模型,并采用网格搜索法结合5折交叉验证,实现了AdaBoost-LightGBM模型的参数优化,构建了GSK-AdaBoost-LightGBM模型;最后基于采集到的1953—2018年我国道路交通事故死亡人数相关样本数据训练模型,得到基于GSK-AdaBoost-LightGBM的交通事故死亡人数预测模型,并引入均方误差、平均绝对误差和平均绝对百分误差3项评估指标评估了模型的预测性能,探究了模型的优化效果。结果表明:GSK-AdaBoost-LightGBM模型的3项评估指标值分别为0.014、0.00035和0.077,低于LightGBM模型、GSK-LightGBM模型和AdaBoost-LightGBM模型的评估指标值,说明该模型的预测精度较高,且明显优于LightGBM模型、GSK-LightGBM模型和AdaBoost-LightGBM模型。