我国大气污染灾害联防联控的研究进展

基于文献计量技术和知识图谱数据可视化的方法,对数据库中有关大气污染灾害联防联控为主题的文献进行定量分析。从文献的时间分布、主体机构特点等方面,对我国大气污染灾害联防联控研究的现状及趋势进行分析,并利用CiteSpace软件和战略坐标图等方法,揭示发展趋势和动态。主要发现：(1)政府和学者们对该主题的关注度高,但尚未形成严格意义上的核心作者群或研究机构;(2)中心度排名前5的关键词依次为：“大气污染联防联控”“大气污染”“京津冀”“政府治理”“PM_2.5”;(3)主要研究话题为：国内外的联防联控、严重污染区域和山区城市的冬季联防联控、城市雾霾与联防联控等;(4)以下类团很可能转变为未来研究的核心类团：大气污染、大气污染联防联控、大气污染防治、区域大气污染联防联控、区域大气污染、京津冀地区。     

非线性时序法在城市大气污染预测中的应用

建立城市大气污染预测模型是治理城市大气污染的重要工作。在简述时间序列方法基本原理的基础上，分析了系数为变量的自回归滑动平均（ARMA）模型、截断ARMA模型，和残差为自回归综合滑动平均（ARIMA）的半参数方法等城市大气污染预测模型。以法国某城市为例，分别采用AR模型和系数为变量的AR模型对大气污染进行了预测。通过比较预测结果可知，基于非线性时间序列方法的城市大气污染预测模型可以提高预测精度，降低预测误差。     

数字中国背景下城市韧性提升路径研究——基于模糊集定性比较分析(fsQCA)

增强城市韧性既是城市提升恢复能力和适应能力的重要保障，也是城市高质量发展的重要支撑。目前“数字中国”建设步伐不断加快，城市数字化对城市新形态的塑造具有重要影响作用，进而深度赋能提升城市韧性。该文运用组态思维和fsQCA方法对我国45个城市研究影响因素的协同联动机制，最后得出城市韧性的驱动路径。研究发现：(1)单一条件变量并不是城市韧性的必要条件；(2)实现高韧性城市的路径有3条，即数字经济与数字基础设施主导型、数字经济与数字政府主导型、“四轮”驱动型；(3)数字经济和数字政府两个条件变量对城市韧性具有更为重要的作用。因此，韧性较低的城市可以依据自身资源禀赋，因城施策，选择适宜的韧性提升路径，从而有效地提升城市韧性。     

台风灾害时空特征分析与评估模型构建

基于1993—2016年中国热带气旋灾情资料分析台风灾害及其损失(死亡人数、受淹农田面积、直接经济损失)的时空特征，并构建定性和定量模型评估台风导致的直接经济损失。结果表明：(1)1993—2016年间三类灾害损失呈下降趋势，且局地受灾程度与区域经济发展和台风登陆频次密切相关；(2)沿海地区的登陆台风以中等强度为主，且目前的防台减灾政策有一定成效；(3)通过构建组合分类模型和BP神经网络回归模型可以更好地评估直接经济损失，且两个模型的最终预测精度均达到了较高水平(86.08%和80%)。     

环境规制、空间溢出与城市大气污染——以关中地区为例

基于2001-2016年关中地区城市面板数据,构建空间杜宾模型,识别城市大气污染治理成效。研究表明,关中地区PM2.5存在显著的正向空间溢出效应,周边城市PM2.5浓度升高将加剧中心城市的大气污染状况;关中地区环境规制对本地大气污染的减排效应以及地区间“逐顶竞争”的空间联动效应不足以抵消城市人口、能源结构以及城市交通等社会经济因素对城市PM2.5排放的促进效应,并且工业发展、城市交通使得关中地区城市之间存在跨界污染“转移效应”,不利于区域整体大气质量改善。落实区域大气污染协同治理机制、做好区域内城市经济、产业以及交通的协同发展规划,提升“逐顶竞争”空间联动效应、规避跨地区污染“转移效应”才能进一步提升大气污染联防联控的成效。     

基于VIKOR方法的广东省城市洪涝灾害韧性评估

在全球变暖和城市化的共同影响下，城市洪涝灾害频发，韧性评估是城市灾害风险管理的关键环节。在综合考虑经济、社会、环境、管理四个维度的基础上，选取15个城市洪涝灾害韧性评估指标，采用熵权法和VIKOR方法构建评估模型，对广东省21个地级市的洪涝灾害韧性进行评估。结果表明：广东省洪涝灾害韧性等级分布主要从珠江口两岸城市向四周降低，韧性等级最高的为深圳市，韧性等级最低的为清远市；灾害韧性指数在空间分布上存在显著集聚，其中高-高聚类的城市分布在珠三角地区，而低-低聚类的城市分布在粤北地区；从灾害韧性在灾前、灾中和灾后的变化情况来看，深圳市、清远市、韶关市和揭阳市的变化幅度最小。根据城市灾害韧性敏感性分析提出优化建议，研究结果可以推动城市韧性水平建设。     

城市环境风险程度排序的模糊分析方法

首先,强调了加强我国城市环境风险程度排序的重要性,然后将城市环境风险系统分解为大气污染环境风险等5个子系统。在建立包含14个城市环境风险因素评价集的基础上,运用模糊集贴近度理论分别构建了城市风险程度排序中“最优序城市”、“中序城市”、“最劣序城市”3个数学模型,这将有利于防范城市环境风险,提高我国城市环境风险管理科学化水平。     

极端气温对城市人群死亡的影响评估

利用北京心肺血管疾病研究所提供的1994-2000年北京城近郊区的七个监测点的以25-74岁人群为监测对象的25余万居民中全死因死亡事件监测数据、同期北京观象台的逐日气温观测数据、月平均气候资料，对极端气温对城市人群死亡的影响进行分析，得出对城市人群死亡影响的极端气温阈值及其长序列的时间线形变率，采用最优子集回归方法建立预测评估模型，根据气候模式对未来气候变化的预测结果，对未来北京城市人群死亡的影响进行定量评估。     

城市生态防减灾中人工智能技术应用的进展与逻辑框架

在全球气候变化影响下,传统工程防灾难以解决自然灾害风险的不确定性问题。生态防减灾(Eco-DRR)作为国际韧性城市的前沿理论,对我国韧性城市发展有重要参考价值,人工智能(AI)技术可以很好地解决城市生态防减灾的不确定性问题,然而当前Eco-DRR理论研究与AI技术的实践应用存在断层。该文使用PRISMA2020框架调查城市Eco-DRR中AI技术应用的实践案例,通过质性研究总结城市Eco-DRR中AI技术的应用场景,从生态系统灾害调节服务评估、自然灾害风险评估、Eco-DRR方案决策以及Eco-DRR实施监测与后评估4个阶段剖析城市Eco-DRR中AI技术应用的典型案例。最后基于案例研究提出城市Eco-DRR领域AI技术应用的逻辑框架,总结其在应用过程中工具选择和数据准备的实践经验,探讨城市防灾中Eco-DRR的智能实现途径,为我国城市综合防灾和韧性城市建设提供借鉴。     

淮安市砂土地震液化势的综合评估

建立了BP神经网络模型LM算法的砂土地震液化判别方法,采用LVQ模式分类网络对数据进行分类,选取唐山地震时76个场地、320组现场液化勘察资料为研究对象,训练和检验网络模型的数据各160组,结果表明,该方法的砂土液化预测准确度为96.8%。根据淮安市典型场地土的钻孔资料,采用《建筑抗震设计规范法》液化判别法(规范法)、美国国家地震研究中心建议的液化判别简化方法(NCEER法)和谢君斐-陈国兴液化判别方法(谢-陈法)等3种液化判别方法及本文提出的BP神经网络模型液化判别方法对22个钻孔、120标贯点进行了液化判别,结果表明:14种地震液化判别方法的计算结果基本一致;2NCEER法比谢-陈法的计算结果要保守;3谢-陈法与规范法的计算结果很吻合,预测正确率相差不大;4规范法相对BP神经网络模型法的计算结果要保守;5BP神经网络模型法比其他3种方法的预测结果更符合实际的液化规律。最后,综合4种方法的液化判别结果给出了该地区地震液化势的评估结果,并给出了部分典型地质剖面土层地震液化势分布图。     

基于免疫遗传算法的洪灾神经网络评估模型

灾情评估的结果既是制定防洪减灾决策的基本依据，也是评价防洪工作成效的重要指标。提出了一种基于免疫遗传算法优化的神经网络模型（IGA—NN）并用于洪水灾情的评估，给出了IGA—NN的设计方法和优化步骤。同时还将ICA—NN与标准遗传算法优化的神经网络模型进行了比较，显示了IGA—NN的优越性。最后通过实例，验证了IGA—NN的实用性。     

磁流变阻尼器结构控制策略研究进展

磁流变阻尼器(Magnetorheological Damper,简称MR阻尼器)是一种在振动控制领域中表现出巨大应用潜力的智能型驱动装置,它主要是根据输入电压(电流)的变化产生趋近于最优主动控制力的阻尼力。本文详细综述了MR阻尼器控制策略的研究现状,分析了各种控制策略的优缺点。探讨了如何充分发挥不同电压下的MR阻尼器耗能能力,指出神经网络和模糊逻辑等智能技术的应用是解决这一问题的有效途径。     

基于主成分分析与遗传优化BP神经网络的风电场短期功率预测研究

为降低风电场弃风率及对电网稳定性影响,对风电场短期功率进行准确预测显得十分重要。针对传统BP神经网络泛化能力差、网络收敛速度慢等问题,建立了一种基于主成分分析与遗传优化BP神经网络相结合的风电场短期功率预测模型。首先,利用主成分分析法对风电场原始气象数据进行分析,将得到的独立变量作为BP神经网络的输入;然后利用遗传算法确定了神经网络的最优初始权值和阈值的大致范围,并用L-M算法对BP网络权值和阈值进行细化训练;最后,利用中国北方某风电场实际运行数据进行验证,结果表明,所建立的预测模型合理有效,不仅可以加快BP神经网络收敛速度,减少预测误差,还可以提高风电场短期输出功率的预测精度,具有一定的工程应用价值。     

人工神经元网络在事故应急对策中的应用

本文简述了人工神经元网络的结构及其特征。介绍了人工神经元网络BP算法在大型炼油厂灾害、事故防治对策中的应用,并以停水、停电为例进行了仿真运算。结果表明,采用人工神经元网络做出的决策符合实际情况和人的思维逻辑,可克服传统专家系统的某些不足,具有一定的实用价值。     

粗集神经网络在煤与瓦斯突出预测中的应用

结合粗集理论的属性约简功能和人工神经网络的非线性映射特性,提出了煤与瓦斯突出的一种预测方法.首先用粗集理论对训练样本进行属性约简和降噪,然后将经过预处理的训练样本代入神经网络进行训练,获得稳定的网络结构,最后用训练好的神经网络对待测样本进行预测.实际应用表明:瓦斯压力、瓦斯放散速度、地质构造、煤的坚固性系数和开采深度是煤与瓦斯突出预测的必要指标;粗集神经网络模型具有较高的预测精度和良好的实用性,是一种十分有效的煤与瓦斯突出预测方法.     

天津市大气污染现状及对策研究

本文对天津市大气环境质量现状进行了系统分析,论述了大气污染特征及导致大气污染的原因。从综合防治煤烟型污染、解决风沙尘侵袭、加强城市建设管理三大方面,提出了改善天津市大气污染的对策和具体措施。     

基于GIS多准则评价与BP神经网络的暴雨洪涝灾害风险辨识--以闽三角地区为例

灾害风险辨识是灾害有效防控的重要环节之一,辨识体系与风险水平之间的非线性复杂关系使研究方法向精细化、智能化转型。闽三角地区是我国重要的沿海经济开放区,独特的“山-海”自然地理格局、起伏破碎的地形、高发的台风暴潮和极端短时降雨特征使其常遭受洪涝灾害侵扰。以闽三角为例,将生态服务价值纳入风险评价体系,构建基于GIS多准则评价与BP神经网络模型的风险辨识方法,旨在完善评价体系的同时,弥补传统评价方法存在的非线性缺陷和主观依赖,并以此为基础,进一步探究该地区风险空间分布规律和空间格局,为灾害风险防控提供思路。结果表明:①基于GIS多准则评价与BP神经网络模型的风险辨识方法能够系统准确的认知暴雨洪涝灾害风险水平与空间分布;②高风险区主要分布在河流沿岸、河口处、湾区,且人口、经济活动较活跃地区,城市化发展快速区与缓慢区相比,更容易遭受洪涝灾害威胁;③洪涝风险以高-高和低-低集聚为主,风险根据空间自相关性特征分为“整体随机”“局部随机-邻域集聚”和“整体集聚”三种类型。最后根据风险特征将闽三角地区高风险分为“厦门集美版块”“泉州湾区版块”“漳州县区版块”,分别提出灾害治理建议。     

基于小波包和改进纵横交叉法的风电预测模型

针对风电出力的随机性、季节性和波动性及一般方法预测精度不高的问题,采用改进纵横交叉(improved crisscross optimization, ICSO)算法,建立了一种基于小波包变换与改进纵横交叉算法优化Elman神经网络的风电预测模型。仿真结果表明:改进的纵横交叉算法不但克服了一般算法早熟收敛的缺陷,有效提高神经网络的泛化能力和预测精度,而且表现出良好的稳定性,适用于风电的预测。     

智能断路器保护算法的研究

针对智能断路器的工作特点,提出了一种基于采样值的可实现对故障点的快速检测的配电网智能断路器保护算法,并通过计算机仿真模型验证了算法的有效性。结果表明:相较于FFT算法,该算法具有计算速度快、无须同步采样的优点,特别适用于对经济性和可靠性要求较高且承担多任务的单CPU检测与控制系统的应用。     

两种定性天气预报模型的对比分析

以南京１９６５～１９９４ 年４ 月平均气温作为预报量, 选取前期５００ ｈ Ｐａ 月平均高度场相关因子, 分别建立了事件概率回归预报模型和神经网络预报模型。通过对比分析发现, 在同等条件下,由于神经网络方法能更好地反映预报量与预报因子间的非线性关系, 并能有效避免采用事件概率回归方法预报建模时, 对预报因子分级造成信息损失的缺点。因此, 其拟合和预报效果明显优于传统的概率回归预报方法