酚类化合物臭氧氧化速率的神经网络研究

酚类化合物(BP)是重要的工业原料或中间体,但工业废水含有的酚类化合物会对环境造成污染。为建立酚类化合物臭氧氧化速率的QSPR(quantitative structure-property relationship)预测模型,分析了23种酚的分子结构与臭氧氧化速率之间的相关关系,计算了这些酚的分子连接性指数和分子形状指数,优化筛选了连接性指数的1χ和2χ、分子形状指数的K1和K2共4种参数,将其作为BP神经网络的输入层变量,臭氧氧化速率作为输出层变量,采用4:2:1的网络结构,获得了令人满意的QSPR神经网络预测模型,模型总相关系数r为0.976,计算得到的臭氧氧化速率的预测值与实验值较为吻合,平均残差仅为0.05;为检验结构参数建立模型的普适性,同样方法建立对酚类化合物的辛醇-水分配系数的预测模型,模型总相关系数r达到0.993,辛醇-水分配系数的预测值与实验值吻合度较为理想,结果表明,本法建构的神经网络模型具有良好的稳健性和预测能力。     

三峡库区消落带农用坡地氮素流失特征及其环境效应

三峡库区消落带坡地的自发农用较为常见,消落带的这种利用方式可能加剧养分流失并对库区水环境造成影响。通过对库区2011~2013年3个落干期消落带农用坡地的地表径流、壤中流中氮素形态与浓度进行定位监测,研究消落带农用坡地氮素流失特征及其环境效应。结果表明：常规施肥下,消落带农用坡地侵蚀模数为1 443 kg/（hm2·a）,落干期内坡地平均径流量为230 mm,径流系数为0.58,其中壤中流流量占总径流量的77%。历次降雨产流事件中常规施肥处理时,地表径流、壤中流中TN平均浓度分别是4.85±0.85、20.73±2.05 mg/L,落干期地表径流（泥沙）和壤中流的TN流失量分别为6.63±1.19、35.22±3.38 kg/hm2,分别占当季施肥量的2.2%、11.7%。可见,随壤中流流失是三峡库区消落带农用坡地氮素流失的主要途径。与常规施肥处理相比,减量施肥处理使地表径流（泥沙）、壤中流TN流失通量分别显著降低了25%、48%,表明减少氮肥用量可以显著降低消落带农用带来的环境风险,建议消落带农用地氮肥进行减量施肥,使其既不影响作物产量,也显著降低氮流失。 关键词： 三峡水库;消落带;地表径流;壤中流;氮负荷;减量施肥     

汕头市2020—2022年臭氧污染特征及大气环流客观分型

利用2020—2022年汕头市环境空气自动监测站数据和气象数据,分析汕头市出现污染天气过程中臭氧污染的变化特征。采用自组织神经网络（self organizing feature mapping,SOM模型）智能天气分型算法对汕头市2020—2022年的天气形势的再分析资料进行客观分型,总结出汕头市容易出现臭氧污染的天气环流分型,分别为东海气旋低压槽型（秋季）、高压后部与南海低压型（春季）、弱高压底部型（秋季）、槽后脊前型（春季）和副高控制型（秋季）。对应的臭氧污染站次分别为125站次（16%）,120站次（15%）,115站次（14%）,101站次（13%）和78站次（10%）。汕头市春、秋季较易发生臭氧污染,从近3年（2020—2022年）气团传输轨迹来看,臭氧污染的主要气团来源为东北沿海、西南沿海以及偏北内陆。     

基于BP模型的降雨酸度预测方法研究与应用

将通过同步观测实验系统获得的影响降雨酸度的主要大气污染物和气象参数观测结果作为自变量,降雨酸度作为因变量,建立了基于BP神经网络模型的降雨酸度预测模型。并通过设定天津市区未来环境空气中TSP、SO_2和NO_2的浓度变化情景,运用本研究所建立的BP网络模型进行情景分析。结果表明,降雨酸度随着TSP浓度的减小而增强,随着降雨量的增大也在增强;当TSP浓度降低到几十微克每立方米水平时,天津市区所发生的降雨属于酸雨的可能性将大大增加。     

应用数据挖掘算法预测台风条件下PM_(2.5)质量浓度

利用6种数据挖掘算法对2012年台风和污染物浓度等数据建模,建立台风条件下的气象因素和环境空气中PM2.5的关系模型。通过对2013年数据的测试,表明6种数据挖掘方法模型的预测值与实测值具有很好的一致性。6种算法均能实现实时预测,其中Bagging算法预测结果的相关性整体最好,而对于测试样本,M5Rules算法最好,SMOreg算法次之。以2013年的超强台风"海燕"的预测为例,讨论台风条件下PM_(2.5)质量浓度的变化过程及对预测结果的解释。     

基于Elman神经网络的地面沉降危险性预测

地面沉降是一种地壳表层土体在自然或人类工程活动影响下被压缩,导致地表标高区域性降低的环境地质现象。常规数学模型难以对地面沉降的危险性做出准确预测。为分析山西转型综改示范区潇河现代产业区的沉降发展趋势,开展了沉降量预测和危险性划分的工作。基于研究区2016年7月-2018年12月的InSAR地表沉降监测数据构造训练样本,建立Elman模型,预测了2019年2月～3月共3次的沉降量,并与实际值进行对比分析;同时根据建立好的模型预测2020年的年平均沉降量,并进行危险性划分工作。结果表明：Elman模型的沉降量预测值与实际值基本吻合,预测精度较高,划分结果偏安全,能够为研究区地面沉降的防治工作起到一定的辅助预警作用。     

T-S模糊神经网络在厌氧反应器预测中的应用

3个厌氧反应器运行稳定后,用三氯甲烷和2、4-二硝基酚作为毒物负荷对它们进行了冲击试验.利用负荷冲击试验所得的数据集建立了T-S模糊神经网络,并用其预测了反应器的容积产气率、挥发性脂肪酸和CH4体积含量.研究结果表明,基于某一反应器建立的T-S模糊神经网络可以很好地预测毒物负荷冲击下该反应器的容积产气率、挥发性脂肪酸和CH4变化规律,实测值与预测值的相关系数均＞0.850;但是基于某一反应器建立的模糊神经网络用来预测其他反应器时,其预测能力较差,预测值和实测值的相关系数基本上＜0.500.     

BP模型在河流水质预测中的误差分析

为验证BP模型在河流水质预测中的有效性,利用仿真技术模拟一条河流污染物的变化趋势,并得到大量的河流水质参数数据.用上游已知河段的水质数据预测该河流下游10个检测断面的水质状况.预测过程分2种情况进行:长距离预测(一次连续预测下游10个河段)和短距离预测(每次连续预测下游2个河段),并以MSE函数生成均方误差作为对2种预测方法性能的检验.结果显示,长距离预测的性能低于短距离预测,2种方法对溶解氧预测的均方误差为0.432和0.035,对生化需氧量预测的均方误差分别为0.243、0.055.     

基于BP神经网络的城市公园土壤重金属磁学诊断分析——以上海市莘庄公园为例

在上海市莘庄公园采集公园绿地表层土壤,结合磁学方法和化学方法,通过地统计学分析土壤重金属、土壤磁学特征的空间变异特征,对基于非线性BP神经网络和偏最小二乘法建立的土壤重金属磁学诊断模型的稳定性和精确性进行了比较分析。结果表明,土壤中Cu、Mn、Pb和Zn含量平均值分别为27.31、651.91、26.05和96.20 mg/kg,皆超过上海土壤重金属背景值,公园绿地土壤重金属存在富集现象。土壤低频磁化率、饱和等温剩磁和非磁滞剩磁磁化率平均值分别为27.39×10^-8 m³/kg、3 480.67×10^-6 Am²/kg和182.01×10^-8 m³/kg,也不同程度超出上海土壤背景值,公园绿地土壤存在磁性增强现象。土壤低频磁化率、饱和等温剩磁与Cu、Pb和Zn呈极显著正相关(p<0.01),与Mn呈显著正相关(p<0.05),通过非线性BP神经网络土壤重金属磁学诊断建模的稳定性和精确性均优于偏最小二乘法。     

基于BP神经网络的齐齐哈尔地区地下水水质评价

阐述了人工神经网络基本原理,介绍了BP网络的地下水水质评价模型.在传统的评价方法基础上,根据各评价因子对环境和人类影响程度不同,给水质监测指标分组,从实用角度对水质进行评价.与传统评价方法相比,该评价模型在某评价因子数值极大的情况下,也能准确反映地下水的污染情况,并且通过GIS技术利用评价结果得到地下水水质分布图,从空间反映地下水水质变化规律.