连云港海域浒苔藻体的光谱特征分析

采集连云港海域浒苔藻体进行自然光照和固定水环境条件下三种密度梯度(0.5g/L,2.5 g/L和5.0 g/L)的培养,利用美国ASD便携式地物光谱仪获取浒苔藻体整个培养过程中的反射光谱曲线,定性分析日时间序列的浒苔藻体反射光谱特征和定量分析日时间序列的浒苔藻体红边参数.结果表明:浒苔在衰亡过程中,颜色由绿变黄最后变白...     

序列间歇式活性污泥法处理毛纺厂废水的研究

采用序列间歇式活性污泥法处理毛纺厂废水。试验结果表明,经4h曝气处理,进水COD为190～650mg/L时,出水COD始终低于100mg/L,去除率大多在80％～90％之间,色度去除率大多在50％以上,出水COD和色度均达到行业排放标准。还对较低COD浓度下序列间歇式活性污泥法的COD降解过程进行了研究,推导出一级反应动力学关系式Sr＝So（1－10￣^-k1^t）,并以试验数据进行了拟合,求解出动力学常数k1和So。     

厌氧-好氧序列间歇式反应器处理生物制药废水的研究

采用厌氧序列间歇反应器与好氧序列间歇反应器相结合的技术,处理生物制药废水。结果表明,经7.0h厌氧搅拌处理和6.0h好氧曝气处理,进水COD为1180~3061mg/L,出水COD小于300mg/L,COD去除率在78.9%~92.8%之间,出水COD满足国家生物制药行业废水排放标准要求。      

天津沿岸海水中创伤弧菌的PCR检测和定量

采用普通PCR方法和SYBR Green实时定量PCR方法,根据创伤弧菌16S rDNA和23S rDNA基因间隔序列(internal transcribed spacer,ITS)设计引物,对渤海湾天津沿岸海水中的创伤弧菌进行了定性和定量检测.8个样品采集自天津市汉沽区沿岸海水,采集时间分别为2008年7月、10月和2009年3月、5月.PCR检测结果表明,这些样品都能扩增出276 bp的ITS序列,这些序列和GenBank上的同源序列(DQ462478)的相似性为96%～98%.用SYBR Green实时定量PCR方法测定了8个海水样品,样品中创伤弧菌的浓度为7.12×10~3～8.40×10~5 个/L,表明天津沿岸海水存在严重的创伤弧菌污染.     

基于BP神经网络方法的引滦入津工程黎河段水质预测研究

根据引滦入津工程黎河段前毛庄断面水质监测数据,采用BP神经网络与非线性时间序列相结合的方法,建立BP网络非线性时间序列水质模型.应用该模型对氯化物和氨氮水质指标进行预测.结果表明,模型预测精度较好.通过预测结果验证了模型的可靠性.与机理性模型相比,提出了该模型的应用条件及优缺点.     

探秘:智能监控技术全面实现安防自动化

智能监控归纳起来,无外乎以下两个层面:一是从图像中获得更多的信息,实现系统的预警功能;一是系统具有更高的友好性和可操作性,以适应日益增大的系统规模。两者的实质都是要改变传统视频监控系统对图像信息的处理方式。     

基于时间序列分解的京津冀区域PM2.5和O3空间分布特征

京津冀区域大气污染分布呈现明显的空间差异,厘清不同时间尺度下PM_2.5和O₃浓度分布有助于制定科学有效的污染防控措施.采用STL方法分解PM_2.5和O₃浓度,获取长期分量、季节分量和短期分量,研究其变化趋势与空间分布特征.结果表明,2017～2021年京津冀区域PM_2.5浓度下降幅度高于O₃,春、夏季PM_2.5和O₃浓度呈正相关,秋、冬季呈现负相关,短期分量和季节分量分别对PM_2.5和O₃浓度的贡献最大. PM_2.5的季节分量、短期分量以及O₃的长期分量和短期分量均存在2个主成分,对应河北省中南部和京津冀区域北部,在不同时间尺度上京津冀区域PM_2.5和O₃均存在次区域分布.与原始序列相比,长期分量能够更好地反映PM_2.5和O₃浓度的演变趋势...     

苏州城市化进程对降雨特征影响分析

城市化的发展过程中,城市下垫面的改变以及人类的生产生活共同作用使大气边界层的特性发生变化,从而影响了城市地区的降雨。位于太湖流域平原水网地区的苏州城市化发展迅速。在分析了苏州城市化发展进程的特点及1953~2000年降雨时间序列特征基础上,采用同时期城区（苏州站）与郊区（望亭站）雨量横向对比、城市化发展不同时期同一站雨量纵向对比的方法,研究了城市化对该地区降雨量、降雨年内分配、降雨发生次数等的影响。通过研究发现：城市化对年雨量、汛期雨量和最大日雨量都有不同程度的增加作用,其中对最大日雨量的影响最显著;受城市化影响,降雨年内分配有集中的趋势;城市化使不同类型降雨发生次数均增加,其中对暴雨发生次数的影响最大。     

基于混沌理论和模糊控制理论的深基坑变形预测研究

深基坑开挖引起的基坑侧移、基底隆起、坡顶沉降、相邻建筑物倾斜等的各种变形直接影响着建筑现场施工人员的生命财产安全,以及其周围建筑物、构筑物的安危.随着城市地下交通运输网和高层建筑物的大量兴建,使得城市建筑密集地区的大型深基坑工程越来越多,因此对其变形的监测与预报等相关课题的研究受到越来越多的重视.     

基于CEEMDAN和改进的混合时间序列模型工作面涌水量预测研究

为提高采煤工作面涌水量预测准确度,收集大量工作面涌水量观测数据进行整理、统计、分析,将涌水量稳定性、周期性和季节性特征考虑在内,提出1种基于数据驱动的完全自适应模态分解算法(CEEMDAN)和改进的混合时间序列模型工作面涌水量预测方法。该方法利用CEEMDAN处理涌水量数据,构建麻雀搜索算法(SSA)优化的长短期记忆网络(LSTM)和自回归移动平均模型(ARIMA)并行级联而成的混合时间序列模型对工作面涌水量进行预测。研究结果表明：该模型预测结果与真实数据相差更小,平均绝对误差为6.36 m³/h,均方根误差为10.6 m³/h,模型拟合系数为0.95,更适用于工作面涌水量预测。研究结果可为矿井工作面涌水量预测及防控提供参考。