水环境有机污染物预测的径向基函数网络模型

水环境中有机污染物的扩散迁移是一个由多种因素影响的复杂的非线性过程，根据河流有机污染物的浓度与其影响因素之间存在的映射关系，以实际监测数据为基础，建立了一个水环境有机污染物浓度预测的径向基函数网络模型，实例验证表明，该方法预测精度较高，具有一定的应用与推广价值。     

低碳源条件下供氧模式对活性污泥系统脱氮性能的影响

通过对比采用连续曝气和间歇曝气两种供氧模式的活性污泥系统对低碳源污水的脱氮性能,探究低碳源条件下供氧模式对活性污泥系统脱氮性能的影响.结果表明,反应器进水C/N为3时,连续曝气系统的总氮去除率较间歇曝气系统高17.92%,碳源脱氮利用率较间歇曝气系统高44.29%,同时,连续曝气系统中反硝化菌相对丰度(5.86%)也高于间歇曝气系统(2.06%),说明连续曝气系统对低碳源污水的脱氮性能明显优于间歇曝气系统.另外,基于16S rRNA测序功能预测,连续曝气系统中微生物的膜输送功能、碳水化合物代谢功能以及细胞组成功能均强于间歇曝气系统,因此连续曝气系统中微生物可以更好地利用碳源生长代谢,进而更好地处理低碳源污水.本研究为应对城市污水处理厂进水碳源不足提供思路.     

国外几种道路交通噪声预测模式的对比分析

对美国的FHWA模式、英国的CoRTN模式和德国的RIS90模式进行了介绍，分析了现存模式的缺陷，指出了提高预测模式精度的途径。     

区域滑坡地质灾害危险性评价与风险管理

<正>随着社会经济的飞速发展,人类生存空间不断向山区扩展,使得近年滑坡等山地灾害的发生越来越频繁,人们越来越认识到防范和减轻滑坡等地质灾害对社会经济发展的重要性,迫切需要寻求对滑坡地质灾害进行更为有效地控制和管理的现实途径。而区域滑坡地质灾害危险性评价是滑坡地质灾害风险评价和风险管理的基础,本文在这一领域做了有益的探讨,取得了以下主要成果:     

基于DE-BPNN模型的含腐蚀缺陷管道失效压力预测

为提升含腐蚀缺陷管道失效压力预测精度,准确把控管道状态,建立基于DE-BPNN的含腐蚀缺陷管道失效压力预测模型,有效避免BPNN模型陷入局部最优问题,提升预测精度.基于61组管道爆破实验数据,分别用DE-BPNN与BPNN模型进行仿真计算.结果表明:DE-BPNN预测结果平均相对误差为3.26％,R2为0.98585,...     

稻田土壤磷淋失潜力与磷积累的关系

了解稻田土壤磷积累对排水和渗漏液中磷浓度的影响,可为稻田磷素淋失预测提供依据.采用室内模拟方法,研究稻田土壤Olsen-P水平与土壤溶液中磷质量浓度之间的关系.结果表明,土壤溶液中磷质量浓度随土壤Olsen-P水平增加而增加,其中,黏土、壤黏土和壤土的Olsen-P超过临界值(分别为84、65和53 mg·kg-1)后,土壤溶液中磷质量浓度显著增加.土壤Olsen-P水平较低时,黏土、壤黏土和壤土的土壤磷素积累与排水和渗漏液中磷质量浓度之间的关系较为相近,这3类土壤溶液中磷质量浓度与土壤Olsen-P水平存在线性相关关系.而砂土溶液中无明显临界值,砂土溶液中磷质量浓度与土壤Olsen-P水平间也存在线性相关关系.相同Olsen-P水平时,砂质土壤磷淋失潜力明显高于其他土壤.     

Water quality soft-sensor prediction in anaerobic process using deep neural network optimized by Tree-structured Parzen Estimator

● Hybrid deep-learning model is proposed for water quality prediction. ● Tree-structured Parzen Estimator is employed to optimize the neural network. ● Developed model performs well in accuracy and uncertainty. ● Usage of the proposed model can reduce carbon emission and energy consumption. Anaerobic process is regarded as a green and sustainable process due to low carbon emission and minimal energy consumption in wastewater treatment plants (WWTPs). However, some water quality metrics are not measurable in real time, thus influencing the judgment of the operators and may increase energy consumption and carbon emission. One of the solutions is using a soft-sensor prediction technique. This article introduces a water quality soft-sensor prediction method based on Bidirectional Gated Recurrent Unit (BiGRU) combined with Gaussian Progress Regression (GPR) optimized by Tree-structured Parzen Estimator (TPE). TPE automatically optimizes the hyperparameters of BiGRU, and BiGRU is trained to obtain the point prediction with GPR for the interval prediction. Then, a case study applying this prediction method for an actual anaerobic process (2500 m³/d) is carried out. Results show that TPE effectively optimizes the hyperparameters of BiGRU. For point prediction of COD_eff and biogas yield, R² values of BiGRU, which are 0.973 and 0.939, respectively, are increased by 1.03%–7.61% and 1.28%–10.33%, compared with those of other models, and the valid prediction interval can be obtained. Besides, the proposed model is assessed as a reliable model for anaerobic process through the probability prediction and reliable evaluation. It is expected to provide high accuracy and reliable water quality prediction to offer basis for operators in WWTPs to control the reactor and minimize carbon emission and energy consumption.     

中、英、美污染场地风险评估导则异同与启示

近年来,随着国家"退二进三"旧城改造政策的实施,全国几乎所有的大中城市正面临着大批多种污染行业企业的关闭和搬迁,这些搬迁企业遗留场地都存在着不同程度的环境与健康风险.开展定量评估人体健康与生态环境风险是建立我国工业污染场地管理体系不可缺少的技术手段,也是适合我国国情并走向可持续性(绿色)土壤与地下水修复及综合环境管理的...     

大同铅锌尾矿不同污染程度土壤细菌群落分析及生态功能特征

随着工业化飞速发展,矿山开采滞留大量废弃物严重破坏了生态环境,造成的污染亟待解决.以不同污染区为对象,利用Illumina高通量测序技术分析土壤细菌群落的变化,结合土壤理化因子探究土壤细菌群落主要影响因素,并对其潜在生态学功能进行预测.结果表明,受尾矿污染加剧影响,土壤养分流失严重.土壤样品共获得细菌操作分类单元(OTU)14 253个,重度污染区(W1)、中度污染区(W2)、轻度污染区(W3)和清洁区(CK)的OTU数分别为3 240、 3 330、 3 813和3 870个,随着污染加剧,土壤OTU值下降.在土壤细菌群落α多样性分析中,与CK相比,W1显著降低了Chao1、 ACE和Shannon指数(P<0.05),W3无显著差异.土壤细菌群落的优势菌门是放线菌门(β-Actinobacteria)、变形菌门(β-Proteobacteria)和绿弯菌门(β-Chloroflexi),污染区(W1～W3)提高了放线菌门和变形菌门的相对丰度,降低了绿弯菌门的相对丰度,W1优势菌门的相对丰度与CK差异性显著(P<0.05).RDA分析表明土壤理化性质与土壤细菌群落的总变异...     

基于PSO算法的BP神经网络对水体叶绿素a的预测

BP神经网络(Back Propagation Network)在水体富营养化评价及预测中已广泛应用,但传统BP算法的收敛速度慢并易陷入局部最优. 提出了一种基于微粒群(PSO)算法的BP神经网络模型,利用PSO对神经网络的权值进行修正,优化神经网络结构及算法全局收敛性. 选择最能代表明湖水质状况的5号采样点作为研究对象,把2009年4月—2010年3月的月样本插值为周样本,对明湖ρ(Chla)的短期变化趋势进行了预测,并用6号采样点数据来验证网络的泛化能力. 比较分析基于PSO算法的新模型与传统BP算法模型的预测精度表明,新模型有效克服了传统算法的缺点,提高了网络的预测能力和学习能力.