运用灰色GM（1,1）系统模型预测北京市污水排放量

北京市水资源开发利用已经超过了水资源承载能力范围,由此引发的水资源短缺问题日益严重.对污水的综合利用进行研究可以达到持续利用水资源的目的,解决水资源短缺问题.以北京市2005-2012年污水排放量资料为基础,运用灰色系统模型,对工业、生活污水排放量及总污水排放量进行了预测,分析北京市污水排放量走势及存在的问题,提出未来北京市污水综合利用的对策措施.     

营口港辽宁腹地的关联效应分析

在对国内外港口腹地相互关联研究文献综述的基础上,采用灰色关联分析的定量方法对营口港与辽宁腹地2001--2009年的关联效应进行了分析。实证分析表明：港口港城动态关联效应总趋势逐渐增强,但具有明显的阶段性特征;营口港港口区域一体化进程在关联程度较强的基础上不断强化;营口港辽宁腹地关联发展效应演化具有明显的波动性;自然条件与区位、区域设施与交通、经济水平与社会条件是影响营口港辽宁腹地关联度演化的主要因素。为了促进营口港辽宁腹地经济的快速发展,分别从辽宁腹地、营口城市角度提出相关发展建议：进一步加强政府的政策支持;充分利用自主发展和区域合作推进区域发展;集中发展现代服务业,拓展集装箱业务。     

《国家重点保护野生动物名录》1988年12月10日国务院批准

雨燕 “小燕子,穿花衣,年年春天来这里。”春天到,可爱的小燕子你在哪里？ 雨燕目 雨燕科 灰喉针尾雨燕是小型鸟类,体长18～19厘米,体重95克左右。额部、头顶、头侧、后颈、翅膀、尾上覆羽和尾羽为黑色而具蓝色的金属光泽,枕部缀有烟灰色。肩部、背部和腰部为褐灰色,在背部形成一个不明显的马鞍形灰褐色斑。     

信息共享平台在环境管理中的支撑作用

建立环境信息共享平台,使环境管理数据实现共享,实现各类数据及时的关联,是环境管理工作发展的必然趋势,将为环境管理提供强有力的技术支撑.信息共享平台利用了大型数据库在性能、安全性、可靠性、数据一致性、分布式处理等方面的优势,将各主要环境业务部门的统计、收费、审批、监测等数据集中管理起来,数据管理人员、各级领导、业务部门员工通过统一的Web界面进行管理、查询分析大量的环境数据,从而简化环境数据管理的难度,提高环境数据管理的水平,大大方便用户对环保数据的访问,提高了数据利用效率.     

邹平县大气降水酸度影响因素分析

应用灰色理论,以2002,2003,2004,2005,2006连续五年为时间序列点,取大气降水pH值为参考因素,取大气中SO2、NOx、TSP、降尘的浓度为比较因素进行关联分析。灰关联度矩阵表明：邹平县大气降水酸度的最大影响因素是SO2,其次降尘的影响也不容忽视。     

火灾事故发展趋势预测方法的应用研究

介绍了三种火灾事故发展趋势预测方法：灰色理论预测法、指数平滑法和马尔科夫预测法。结合贵州省1997至2006年火灾四项指标统计数据,探讨了三种预测方法对不同波动幅度数据序列的适用性;给出了贵州省未来两年火灾的发展趋势,可为当地制定正确地防止火灾发生的决策提供重要的参考依据。此外,还对每种方法在预测过程中值得注意的问题进行了讨论。     

城市生态安全多层次灰色综合评价

从城市生态安全的基本内涵出发,根据压力(pressure)-状态(state)-响应(response)模型,从生态系统压力、生态系统状况、生态系统响应3方面构建一个4层次的城市生态安全评价指标体系,运用灰色系统理论,构建了城市生态安全多层次灰色综合评价模型,并结合实例进行计算。评价结果与实际情况基本相符,表明该模型能有效地利用评价指标的信息,所给出的综合评价值既能用于描述所评价城市的生态安全状况,亦可对不同城市的生态安全状况进行比较,对更加科学合理地评价城市生态安全状况具有参考价值。     

基于灰预测模型的大跨度预应力混凝土桥梁施工监测

运用灰色系统理论,建立大跨度预应力砼刚构-连续组合梁桥悬臂浇筑施工梁段立模标高预测的GM(1,1)模型,并用残差的GM(1,1)模型对其进行修正;同时把该预测模型应用于松原龙华松花江特大桥实际工程;其结果表明梁段立模标高预测精度较高,完全能够满足工程的需要,为同类桥梁的施工监测提供参考。     

美丽缘于安全

我曾经有过抱怨,抱怨这样的环境扼杀了女孩爱美的天性。满头乌黑的长发扎了又扎,盘了又盘,然后静静地躲在安全帽下面。漂亮的花衬衫,羞涩地藏在工作服里面。工作服的颜色永远那么单调,蓝色、灰色,灰色、蓝色。飒爽英姿的炼化女工们,只有一个着装原则,那就是——安全。     

用灰关联分析和神经网络方法预测煤与瓦斯突出

本文应用灰色系统理论的灰色关联分析,对煤与瓦斯突出影响因素进行灰关联分析,得出了各影响因素对煤与瓦斯突出影响程度的大小排序,选择灰关联分析的五个优势因子:瓦斯放散初速度、坚固性系数、瓦斯压力、煤体破坏类型和开采深度,作为输入参数,用计算机对神经网络编写程序,建立了煤与瓦斯突出预测的神经网络模型.用我国典型突出矿井的煤与瓦斯突出实例作为学习样本,对网络进行训练学习,并以云南恩洪煤矿的煤与瓦斯突出实例作为预测样本进行验证.