北京道路尘负荷分布及对大气环境影响

以北京平原地区铺装道路为研究对象,利用车载移动监测系统于2019年四季选择4个周期开展了道路尘负荷监测,分析数值分布及对大气环境影响.结果表明,道路频率在不同道路尘负荷范围内呈极显著的幂律分布,4个周期道路尘负荷小提琴图形状相似,存在部分道路数值显著高于其它道路.差道路与最清洁道路数值可相差100倍以上.各季节至少25%的道路数值在0.37 g·m^-2以内,至少50%的道路数值在0.64 g·m^-2以内,至少75%的道路数值在1.25 g·m^-2以内.核心区、中心城区、郊区、通州区道路尘负荷依次增大,且均呈现春季最高秋季最低的特征,城六区冬季高于夏季,郊区夏季高于冬季.核心区整体较低,通州区北部高值较多.道路尘负荷越高的道路类型,数据离散程度也越大.随着道路扬尘管控力度的加大,不同类型道路的尘负荷差距减小.道路扬尘排放量核心区占全市3%,中心城区占23%,郊区占74%(其中通州区13%).排放强度为核心区、中心城区、环路、国道等交通活动密集的区域高,而这些区域或道路的尘负荷低.典型道路PM2.5影响距离主要在下风向1 k...     

飞机货舱火灾CO浓度神经网络补偿算法研究

针对飞机货舱火灾探测误报率偏高且响应速度较慢的问题，采用电化学式一氧化碳传感器来代替传统民机所用的光电式烟雾探测器来探测飞机货舱火灾，并提出了一种基于粒子群算法(Particle Swarm Optimization, PSO)优化长短期记忆(Long Short-Term Memory, LSTM)神经网络的一氧化碳浓度补偿模型。首先在自搭建试验平台采集密闭空间火灾的多项试验数据，然后用PSO优化LSTM的隐藏层神经元个数和学习率，提高了LSTM的预测精度。通过与其他3种神经网络对比，PSO改进LSTM模型在基于时间序列的火灾一氧化碳检测中具有更好的补偿效果。通过浓度补偿，可以使电化学式一氧化碳探测器在飞机货舱火灾发生的早期阶段进行更准确的探测预警。