白龙港污水处理厂处理工艺比较分析

在对上海污水治理二期工程白龙港排放口水质进行监测分机和模拟处理试验的基础上，根据不同的排放标准，对白龙港污水处理厂处理工艺分别提出了不同方案并作了技术、经济比较分机。提出如果执行《污水综台排放标准》，可以采用化学法 悬浮粒子接触氧化法处理工艺；如果执行《城镇污水处理厂污染物排放标准》，可以采用A／0生物法处理工艺。     

九龙江流域地表水中硝酸盐来源辨析

从九龙江流域遴选出2个典型小流域--仙都和五川小流域作为研究区,于2005年春季运用15N同位素示踪法对其地表水中硝酸盐来源进行研究.结果表明,仙都小流域地表水中溶解态总氮、硝氮和氨氮的浓度范围(以N计,下同)分别为1.47～5.31 mg/L、0.83～4.05mg/L和0.21～0.36mg/L,硝酸盐的δ15N值(以样品相对于标准大气N2的15N和14N比值的千分偏差表示)范围在2.5460-7.92%之间;五川小流域地表水中溶解态总氮、硝氮和氨氮的浓度范围分别为1.14～5.56mg/L、0.96～1.46mg/L和0.12～1.28mg/L,硝酸盐的δ15N值范围在-0.19‰～5.89‰之间.对照不同来源的硝酸盐δ15N特征值,结合研究区的农作物种植和施肥状况,得出如下结论:仙都小流域地表水中硝酸盐主要来自无机化肥与土壤有机氮,有机肥有一定的贡献;五川小流域地表水中硝酸盐的来源以无机化肥与土壤有机氮为主,有机肥的贡献很小;2个小流域地表水中硝酸盐的来源随时空变化而有差异,与当地农作物种类及农田时令密切相关.     

基于改进的PSO‑BP神经网络的边坡稳定性研究∗

边坡稳定性研究对于重大地质灾害防治极其重要，但由于影响边坡稳定性的因素具有非线性、多样性以及模糊性等特征，边坡稳定性分析一直是地质灾害防治领域的热难点问题。已有研究表明神经网络预测模型可有效应用边坡稳定性分析，但同时存在预测精度低、鲁棒性差、收敛速度慢等缺点。为改善上述问题，在粒子群算法优化的 BP 神经网络（简称 PSO?BP 神经网络）算法基础上提出一种改进的边坡稳定性预测模型。该模型以容重、内聚力、内摩擦角、边坡角、高度、孔隙压力比作为输入参数，以安全系数作为输出参数。通过借鉴遗传算法中的变异思想来提升模型全局寻优的能力，利用能量函数负梯度下降原理提高模型的收敛速度。将所收集到百余条边坡数据进行数据清洗，最终得到 80 条高质量边坡数据，随机选取其中的 50 条边坡数据作为模型的试验数据。最后采用十折交叉验证的方法对模型的准确性进行验证，并在多维度与其余边坡稳定性神经网络预测模型进行对比分析。结果表明：①该模型相比于其余模型收敛速度、准确率、鲁棒性均有明显提高；②将 K 折交叉验证应用在小样本数据下的边坡稳定性神经网络预测模型，可有效避免结果的偶然性。③该模型的预测误差仅为 4.31%，满足工程精度需求，可在实际工程中为边坡稳定性分析与灾害防治提供参考。     

基于ADPSO-FNN算法的催化再生烟气二氧化硫预测方法

为了解决催化裂化装置再生器出口烟气二氧化硫质量浓度难以实时预测的问题，提出一种基于自适应粒子群优化-模糊神经网络(Adaptive Particle Swarm Optimization-Fuzzy Neural Network, ADPSO-FNN)算法的催化再生烟气二氧化硫质量浓度智能预测方法。首先，针对数据来源多，且来自数据采集系统(Data Collection System, DCS)与实验室信息管理系统(Laboratory Information Management System, LIMS)中多维数据时间尺度不匹配的问题，利用基于自适应回归算法实现多时间尺度的数据清洗；其次，建立基于模糊神经网络算法的二氧化硫质量浓度预测模型，提取再生烟气产排过程中的动态特性；然后，提出基于动态惯性权重和学习因子机制的自适应粒子群算法，平衡全局探索能力及局部开发能力，实现再生烟气二氧化硫质量浓度的预测；最后，利用炼厂检修前、后的数据分别建立二氧化硫预测模型并进行测试。结果显示：该预测方法实现了催化再生器出口二氧化硫的准确预测，解决了现场多时间尺度数据难以建模的问题。     

晚更新世长江中下游沙山和黄土物质来源研究

风成沉积物的产生、搬运和沉积过程是地球各圈层相互作用的产物。晚更新世末次冰期时，长江中下游广泛分布沙山和黄土，对于它们是远源搬运而来，还是近源堆积一直存有争议。对青山、九江、定山和红光这些典型沙山和黄土剖面进行碎屑锆石U-Pb年龄分析，获得346个新数据结果，将其与潜在物源区的碎屑锆石U-Pb年龄进行对比，结合这些地层的沉积时代和区域内已报道的物源示踪结果，发现在末次冰期青山沙山和九江黄土的碎屑锆石来自近源的江汉平原，定山沙山和红光黄土的碎屑锆石来自赣江。长江中下游沙山和黄土的发育属于河流搬运的碎屑物质被东亚冬季风吹拂和高大地形阻挡发生沉积的模式。     

基于改进粒子群算法的儿童防护系统优化

为保障儿童乘车安全，采用改进多目标粒子群算法优化儿童约束防护系统。首先，开展40%偏置碰撞的台车试验，验证儿童座椅台车试验仿真模型的有效性，建立儿童安全气囊模型；然后，建立防护系统参数与儿童头部、胸部损伤指标的二阶响应曲面模型，融合遗传算法的交叉变异和精英保留策略，提出改进的多目标粒子群算法，并验证改进算法的有效性；最后，利用多目标模糊优选决策算法获得系统设计参数的最优值，结合台车试验仿真模型，验证优化模型及算法的有效性。结果表明：模型的最优值兼顾对儿童头部和胸部的防护；遗传算法和粒子群算法的融合算法，可提高模型的收敛速度。     

下蜀黄土参数化粒度端元分析及其物源示踪

下蜀黄土的物源问题对于理解亚热带东亚季风区干旱化过程至关重要.目前采用的物源示踪方法存在一定的局限性,对下蜀黄土物源的认识也存在争议.粒度端元分析可定量分解出沉积物中不同动力过程和来源的粒度组分,具有解析风尘沉积物源的较好潜力.本文应用参数化粒度端元分析方法,对镇江大港和九江马垱两个下蜀黄土剖面的物源组分进行了研究.结...     

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。     

镁同位素示踪大陆风化：进展与挑战

大陆风化制约着地表物质循环及其从陆地向湖泊/海洋的迁移,并通过消耗大气CO2调节不同时间尺度的全球碳循环和气候变化,因此如何有效示踪大陆风化是地球表生过程研究的重要科学问题之一。镁（Mg）无化合价变化,不涉及氧化还原作用,主要赋存于硅酸盐岩和碳酸盐岩中,并且在表生地质过程中Mg同位素通常会发生显著的同位素分馏,这些优势赋予Mg同位素体系具备示踪大陆风化的广阔潜力。随着质谱技术的不断提高,高精度Mg同位素分析技术经历了快速且成熟的发展,并在示踪大陆风化作用研究中得到了广泛的应用。然而,风化体系中Mg的来源和同位素分馏的制约要素争议颇多,尚未达成共识。本文从Mg的储库、风化壳、流域体系、室内实验和模型模拟等方面综述了目前Mg同位素示踪大陆风化的研究进展与存在的挑战。最后指出,在示踪大陆风化方面,Mg同位素提供了独特的视角,建议细化岩石/矿物溶解及形成实验、大小流域相结合、加强多同位素体系联用并相互补充与验证,以及加强计算模型模拟,以此来约束Mg同位素示踪大陆风化的不确定性。