基于神经网络的东北地区秸秆焚烧预测

选取农作物秸秆露天燃烧严重的东北地区,采用人工神经网络的方法,结合卫星火点和气象数据,开展秸秆露天燃烧预测研究.结果表明：人工神经网络预测模型成功验证了松嫩平原地区2015年10月25日~11月15日的秸秆露天燃烧情况,其准确度为67.1%,经过多次试验,在神经网络建模与验证数据配比为80：20时,预测准确度最高,可达69.7%,同时该模型的稳定性较好.而对不同区域,不同时间段的预测研究表明,人工神经网络较适用于长时间序列的预测.就影响因素而言,相对湿度是影响秸秆露天燃烧的最重要因素.本研究结果可为空气质量模式提供火点预测数据,提高其预报预警能力,为区域联防联控政策的制定提供科技支持.     

乙醇汽油对国六直喷汽油车排放特性的影响

选择5台国六直喷汽油车采用3种不同组分的E10乙醇汽油和1种不含含氧化合物的国VI汽油,按照国六排放标准开展了WLTC循环测试,研究乙醇和基础油组分对污染物排放的影响规律.结果表明,多数国六直喷汽油车的CO、THC和PM排放有所降低,NO_x排放无明显差异,PN排放微增,所有样车的CO、THC和PM平均排放降低为6%、7%和14%.E10乙醇汽油中的重质芳香烃含量增高时,PN排放明显增加,PN排放与PMI指数呈现较强的正相关关系.     

Cr(Ⅵ)踪迹指标现场测定用于铬污染地下水源解析

根据研究区地下水样品测试结果,该文选定与Cr(Ⅵ)极强相关,且物理化学性质较稳定的钠离子作为研究地下水中Cr(Ⅵ)迁移规律的踪迹指标,并采用钠离子复合电极建立了踪迹指标现场检测方法。实验结果表明,钠离子浓度在5～500 mg/L线性范围内的电极响应斜率为-61.09 mV/pNa(103%),方法检出限为0.69 mg/L,加标回收率为92.8%～103.4%,现场测试结果与实验室测试结果一致。该研究根据踪迹指标钠离子与污染物现场检测数据,构建了钠离子与Cr(Ⅵ)浓度比值的对数函数,并有效识别出主污染源、次级污染源、污染物迁移主路径、潜在污染区、潜在影响区及背景区,为铬渣类污染场地土壤和地下水环境风险评价及污染修复提供了技术支撑和参考依据。