排序方式： 共有42条查询结果，搜索用时 0 毫秒
41.
随着环境功能材料领域产生的数据量及其数据复杂性急剧增加,高成本、长周期的传统实验手段已无法迎合目前功能材料的发展趋势。近年来迅速发展的机器学习能对数据进行深入挖掘和解析,有望为此类问题提供有效的解决方案。机器学习具备效率高、精度高等优势,有效弥补了传统"试错"方式的不足。介绍了机器学习的基本工作原理和算法,从预测理化性质、辅助微观表征和指导新型材料合成3个方面简述了机器学习在环境碳基功能材料领域中的应用研究进展,分析了机器学习在该领域的问题与挑战,展望了机器学习方法在环境碳基功能材料领域的前景与发展趋势。 相似文献
42.
奥运前期与奥运期间北京市大气细颗粒物特征比较分析 总被引：1，自引：4，他引：1
利用城市生态系统研究站对北京市奥运前后(2008年6～9月)大气中细颗粒物(PM2.5)进行连续监测,获得不同阶段PM2.5日平均浓度的动态特征,分析气象因素、人为控制管理措施对颗粒物浓度的影响.结果表明,近北五环的生态中心站点(RCEES)颗粒物日均浓度平均值为0.067 mg.m-3,奥运期间的颗粒物浓度(0.060 mg.m-3)比奥运前期(0.081 mg.m-3)减少了约26%.而位于南二环市中心的教学植物园站点(JX)颗粒物浓度平均含量为0.078 mg.m-3.JX站点奥运期间的颗粒物浓度(0.069 mg.m-3)比奥运前期(0.095 mg.m-3)减少了约27%.各个阶段PM2.5的日变化都基本呈现双峰态势.第一个峰值出现在08:00～10:00左右,RCEES站点颗粒物浓度为0.068 mg.m-3,JX站点浓度值为0.089 mg.m-3;另一个峰值出现在晚20:00～22:00左右,RCEES和JX站点颗粒物浓度为0.079 mg.m-3和0.083 mg.m-3,这主要与上班交通高峰导致的尾气排放污染和道路扬尘污染等有关.研究气象参数发现奥运期间与奥运前期气象条件无显著差异,属于高温高湿风力不大的典型北京夏季天气条件.奥运期间颗粒物浓度与温度呈显著正相关(P<0.01),而与风速、相对湿度及降水相关性不显著(P>0.05).而连续多年大气污染综合治理措施和奥运空气质量保障措施的实施,产生了显著环境效益.在自然因素相差不大的条件下,人为控制因素对奥运期间颗粒物的下降起到主导作用. 相似文献