计算机在环境监测数据辅助审核中的应用

以地面水环境监测数据为例 ,对实现监测数据计算机辅助审核的可行性以及审核的方法等进行了研究。指出实现监测数据计算机辅助审核是完全可行的。监测数据计算机辅助审核不仅将大大减轻数据审核技术人员的工作压力 ,也有利于提高监测数据审核工作的技术水平和工作质量     

“绿水青山就是金山银山”理念实现的理论创新

纵观习近平总书记关于"绿水青山就是金山银山"理念的有关论述,可以将其主要内容概括为:"绿水青山"与"金山银山"关系历史论,"绿水青山"与"金山银山"相互转化论,"绿水青山"与"金山银山"价值排序论。"绿水青山就是金山银山"理念在处理人与自然的关系、人与社会的关系等方面提出了新的范式,赋予了马克思主义生产力理论以绿色底蕴,也为人类建构一种新型文明形态——生态文明搭建了一种新型天人关系基础,它发展了马克思主义的发展观、生产力观和文明观。     

基于CALIPSO卫星数据的斜程能见度反演

基于CALIPSO(Cloud-Aerosol Lidar and Infrared Pathfinder Satellite Observation)卫星气溶胶产品，采用平面平行辐射传输模型SBDART(Santa Barbara DISORT Atmospheric Radiative Transfer)研究天津地区的斜程能见度。首先，使用CALIPSO卫星2015—2019年气溶胶产品对气溶胶消光系数廓线等垂直方向气溶胶光学特性进行统计分析。然后，针对具有“衰减型”气溶胶消光系数廓线的天气，采用SBDART模型求解大气辐射传输方程，得到天空背景辐射亮度，最后依据斜程能见度定义反演得到准确的斜程能见度。进一步，对使用Koschmieder定律和经验公式计算获得的斜程能见度准确性进行评估。结果表明，与经验公式法相比，在低能见度天气条件下，使用Koschmieder定律反演得到的斜程能见度更为准确，其平均误差小于15.0%,均方根相对偏差小于17.6%。此外，还对气溶胶消光系数廓线进行了拟合，并在斜程能见度反演中使用拟合的消光系数。结果表明，在低能见度天气条件下，拟合参数与近地面消光系...     

2014—2018年洛阳市大气污染变化特征及影响因素研究

研究采用空气质量指数法对2014—2018年洛阳市大气污染变化特征进行了分析,构建了空气污染物浓度的影响指标体系,采用灰色关联法研究了空气污染物浓度与影响因子之间的关联度,得到了影响空气污染物浓度的主要指标因子,并提出了改善洛阳市空气质量的措施。结果表明:洛阳市空气质量指数类别主要为良和轻度污染。2014—2018年空气质量为优良的天数主要出现在春季、夏季和秋季,重度污染和严重污染主要出现在冬季。2018年PM₁₀、PM_2.5、NO₂、SO₂和CO这5项污染物浓度随时间变化呈"V"型,污染主要集中在1—5月和11—12月。O₃浓度随时间变化呈倒"V"型,污染主要集中在4—9月。研究期内PM_2.5、PM₁₀和O₃是主要污染物。市区总人口、工业(综合)能源消耗量、人均生产总值、城市机动车总数、城市房屋施工面积、人均公园绿地面积、建成区绿化覆盖率和一般工业固体废物产生量等8项指标因子与PM_2.5、PM₁₀和O₃的浓度表现出高关联度或较高关联度。     

基于改进后力学试验夹具的航天阀门试验方法

随着振动试验技术的发展和进步，对试验夹具的要求也更加严格，试验夹具的特性对试验结果和试验方法产生重要的影响。本文基于某航天阀门的试验要求，对原有的存在缺陷的试验夹具进行改进，对改进后的试验夹具进行特性分析，确定改进后力学试验夹具性能更加满足产品试验要求。本文基于改进后力学试验夹具进行航天阀门振动试验和冲击试验，采用多点平均控制的方式完成了包括扫频、正弦振动、随机振动、冲击试验在内的试验项目，试验结果满足产品要求。     

基于层次熵权-云模型城市道路塌陷风险评价研究

城市道路塌陷灾害频发，有效的塌陷风险评价对于塌陷的防治具有重要意义。道路塌陷成因具有模糊性、随机性、复杂性等特点，为尽可能保证其评价过程的客观有效，通过识别城市道路塌陷风险要素，构建城市道路塌陷的风险评价体系，使用层次-熵权-云模型进行组合评价，建立道路塌陷风险评价模型。将该模型应用于宝安区部分道路塌陷风险评价，结果表明：6条主干道基于道路塌陷风险评价模型评价结果与探地雷达(Ground Penetrating Radar, GPR)实测风险评价结果吻合度较高，具有一定的应用能力。该模型为城市道路塌陷的防治起到了积极的指导作用，为城市安全风险防控起到了一定的参考作用。     

深度学习在危险天气自动识别中的应用研究

基于机器视觉的危险天气自动识别技术近年来已成为研究热点，但模型识别准确率不高和模型不够轻量化是该项技术面临的主要问题。针对上述问题，提出了一种利用CycleGAN网络自动扩展危险天气数据集的方法，有效解决了数据集数据量不足、数据类型不平衡的问题。同时，还提出了一种三通道融合卷积神经网络(3-Channel Convolutional Neural Network, 3C-CNN),该网络主干分支采用迁移学习的技术方案，并利用多分支结构提取并融合天气图像中的整体与局部特征。结果表明，利用CycleGAN网络扩充的WeatherDataset-6Plus数据集能够有效改善深度学习模型的训练性能，3C-CNN模型的6类天气现象综合识别准确率达到了98.99%,识别速度达到220帧/s。该方法在保证准确率的同时实现了模型的轻量化，有利于其在嵌入式设备中部署。