再聚焦“神功运动”

<正>"神功运动"的标准地点在浙江富阳神功村,指以河上镇群骆家门组与双溪坞群章村组之间的"角度不整合"为代表的一次构造运动,主要地质证据为:骆家门组地步砾岩为底砾岩;双溪坞群与骆家门组之间为高角度不整合接触;不整合面之下的双溪坞群为绿片岩相变质并强烈褶皱,之上骆家门组为低绿片     

寒区典型湿地浮游植物功能群季节变化及其与环境因子关系

安邦河湿地是一个典型的寒区湿地,本文运用功能群的方法对其浮游植物季节变化进行研究,并运用多元分析方法分析其与环境因子的关系.安邦河湿地共有浮游植物种8门104种,划分为14个功能群,分别是C、D、E、F、H1、J、Lo、M、MP、N、P、SN、X1和Y.其中重要功能群是C、D、E、J、Lo、N、P和Y.浮游植物的功能群组成季节变化明显,春季以功能群E和Lo生物量所占比例最大,分别为27.45%和20.49%;夏季以功能群D、J、P占优,为28.59%、18.53%和19.47%;秋季以功能群J、P为主,占39.65%和13.34%.可见,安邦河湿地浮游植物功能群的季节变化呈现为E+Lo→D+J+P→J+P的特点,反映了水环境特征:春季低水温低营养盐、夏季高水温高营养盐且水体混浊、秋季水温和营养盐均较高.运用冗余分析(RDA)分析浮游植物功能群与环境因子之间的关系,结果显示水温(WT)、无机氮(DIN)和溶解性磷酸盐(SRP)是安邦河湿地浮游植物功能群季节变化的主要环境因子.     

煤矿突发事件应急救援的群决策方法

提出了基于直觉模糊集的煤矿突发事件应急救援TOPSIS群决策模型。其中决策者权重采用偏好值与群体平均偏好值的相似度计算,属性指标权重采用直觉模糊熵权法确定。通过直觉模糊加权集成运算将各决策矩阵进行合成得到综合决策矩阵,利用改进后的直觉模糊距离公式计算出全部备选救援方案到正负理想解的距离,根据TOPSIS运算结果可以确定最佳事故救援决策方案。最后通过黑龙江省鸡西某矿的实例分析,验证了该模型的有效性及合理性。     

阿哈水库浮游植物功能群时空分布特征及其影响因子分析

为了解贵州高原阿哈水库的浮游植物功能类群时空分布特征及其影响因素,于2012年至2013年枯水期(11月)、平水期(4月)、丰水期(7月)对浮游植物与水样进行分层采样分析.研究结果表明:浮游植物可分为23个功能群,优势功能群为B、D、J、LO、P、S1和X1,其时空分布特征表现为:枯水期、平水期与丰水期分别以B+D+P+LO、S1+LO以及S1为主,其丰度由枯水期至丰水期依次递增;优势功能群主要在15 m以下水体发生变化,营养物质分布差异及人工放闸泄水是产生该特征的主要原因;采样点大坝和库中的优势功能群季节变化大致相同,但却表现出大坝多于库中,而其丰度却低于库中的特征,水动力条件是导致这一变化的主要原因.经RDA分析得出,优势功能群丰度与水温呈正相关,与总氮、透明度、磷酸盐、硝氮呈负相关,其中水温、透明度为影响浮游植物功能群时空分布的主要因子.     

华阳河湖群底泥沉积物特性研究

对华阳河湖群底泥沉积物的粒径、有机质、总磷、总氮含量进行研究,探讨华阳河湖群龙感湖、黄大湖(由大官湖和黄湖组成)、泊湖三大湖区底泥污染物表层及垂向分布规律。结果表明,黄大湖污染程度最大,其底泥中有机质、总磷和总氮含量均比其它湖区要高;有机质,总磷和总氮随着深度而降低,底泥再悬浮释放污染物风险较大;在龙感湖和黄大湖中,总磷和有机质弱相关,总氮和有机质正相关,泊湖则相反,表明3个湖泊底泥沉积物中氮、磷污染负荷的来源有所不同。该研究为研究华阳河湖群内源污染负荷特征和制定湖泊污染综合整治策略提供重要的科学依据。     

关于建立港口群环境管理机构的论证研究

港口群是区域经济发展的重要载体,其环境管理是港口群区域经济可持续发展的重要部分.现阶段中国港口群建设过程中出现环境管理理念落后、环境保护积极性不高、生态功能无序等现象,导致区域环境恶化,生态系统紊乱.通过论证基于港口群基础上建立环境管理机构的必要性与可行性,界定机构的目标、人员组成以及职责与运作,旨在为解决港口群现有环境问题、谋求港口群的长远发展提供一定的政策建议.     

基于多目标规划的防灾避难场所选址模型研究

给出了固定避难场所选址的影响因素,应用层次分析法与信息熵相结合的方法确定影响因素权重。建立了多目标规划选址模型,并用粒子群算法对模型进行求解。模型综合考虑了避难场所的灾害风险、区位规模和防灾救灾设施等因素,因此模型具有较高的实际应用价值。最后,结合实例,验证了该模型与求解算法的有效性和适用性。     

农村突发公共卫生事件应急医疗设施选址研究

为提高农村突发公共卫生事件应急医疗设施选址决策的科学性,基于新冠肺炎(COVID-19)疫情传播迅速,危害性强的突发公共卫生事件特征,依据应急医疗设施设计标准并兼顾农村医疗预算少、应急道路崎岖的特点,首先,选取设施备选地工程地质条件、单位成本、传染率、抵达时间、场所规模以及服务覆盖区域6项影响因素,将熵值法(EVM)和层次分析法(AHP)有效结合确定影响因素权重;其次,建立考虑患者到应急医疗设施的距离之和最小以及所选择应急医疗设施的综合评价值最优的多目标选址模型;然后,设计改进的粒子群优化(IPSO)算法求解模型,得到选址决策;最后,选取天门市部分村庄进行实证分析,以验证模型算法的有效性。结果表明：传染率和单位成本是建设应急医疗设施主要影响因素,IPSO算法选取3个应急医疗设施,能够满足8个村庄患者的治疗需求,并保证患者在4～7 min内就医,为高效开展疫情防控活动提供保障。     

基于IPSO-LSTM的新能源汽车锂电池健康状态监测

为监测新能源汽车锂电池的健康状态(SOH),防范电池故障引发安全事故风险,提出改进粒子群算法(IPSO)和长短期记忆(LSTM)神经网络相结合的模型,监测锂电池的SOH。首先,采用Spearman相关性分析法,提取锂电池SOH监测的健康因子;其次,采用线性惯性权重和非对称学习因子改进传统粒子群算法(PSO),利用IPSO算法对LSTM模型的隐含层神经元个数、神经元失活率、批处理值进行关键参数寻优,进一步优化LSTM模型,建立IPSO-LSTM锂电池SOH监测模型;最后,以新能源汽车主流采用的18650锂电池数据集验证IPSO-LSTM模型,并对比分析BP、LSTM和PSO-LSTM这3种模型。结果表明：IPSO-LSTM模型的平均绝对误差(MAE)在0.02以内、均方根误差(RMSE)在0.03以内,监测误差在15%以内,相较于BP、LSTM、PSO-LSTM模型,IPSO-LSTM模型的误差指标值均最小,模型具有更高的精度和稳定性。     

对称可识别模型的建立研究

通过三个定理的证明,提出了对称可识别模型,为以后进一步研究和应用对称可识别模型提供理论基础。