咖啡因在河流沉积物中吸附的影响因素及模拟研究

咖啡因是一种在环境中广泛存在的药物,其在水系环境的迁移和分布主要受到吸附行为的影响.在实验室条件下,近似模拟自然河流水/泥界面,应用中心复合实验设计,考察了温度、pH、有机质含量和转速等对咖啡因吸附的影响;利用实验所得数据,分别拟合和验证了基于线性方程和神经网络的咖啡因吸附模型,通过对比拟合和验证结果得到适用于自然河流的咖啡因吸附模型.实验结果表明,咖啡因在沉积物中的吸附呈现先快速后缓慢的过程,30 h内吸附比例超过90%;咖啡因的吸附是放热反应,低温有利于咖啡因的吸附;而转速增大能促进咖啡因的吸附反应;pH和有机质含量的影响较小.模型模拟结果表明,两种模型均能较好地拟合吸附实验结果,但神经网络模型的拟合程度和精度均优于线性方程模型;且交叉验证结果表明,利用不同组数据进行训练,神经网络模型均取得了优于线性方程的拟合结果.因此,在所考察的因素和浓度范围内,神经网络模型较好地预测了自然河流沉积物中咖啡因的吸附行为.     

基于BP神经网络的二元混合液体自燃温度预测

为了给工业界提供一种快速预测二元混合液体自燃温度的有效途径,将试验所测不同组分及配比的168个二元混合液体的自燃温度作为期望输出,将基于电性拓扑状态指数(ETSI)理论、引入混合ETSI概念而计算出的9种原子类型所对应的混合ETSI作为输入,采用三层BP神经网络技术建立了根据原子类型混合ETSI来预测混合液体自燃温度的BP神经网络模型,并应用改进的Garson算法进行多参数敏感性分析。经模型评价验证及稳定性分析,得到训练集的决定系数R2为0.965,平均绝对误差MAE为11.892 K,测试集的交叉验证系数Q2ext为0.923,平均绝对误差MAE为15.530 K,发现该模型的预测性能优于已有的多元非线性回归(MNR)模型,表明BP神经网络模型具有较好的拟合能力和预测能力,对烷、醇类混合体系自燃温度的预测精度最佳。     

上海市电子废弃物产生量预测与回收网络建立

以上海市为例,利用无容量限制的设施选址模型(UFCLP模型)建立了上海市电子废弃物(WEEE)回收网络,同时,为获得模型求解所需数据,根据1991～2012年的销售量对上海市2010～2017年彩电、冰箱、洗衣机、空调和电脑的废弃量进行了预测.结果表明,5种电子产品的总废弃量会从2010年的269.49×104台增至2017年的635.75×104台.最后,依据区域GDP、人口密度和区域面积等多因素对电子废弃物空间分布量进行了预测,并以此为基础选取了214个回收站候选点,使用SITATION软件对UFCLP模型进行求解,最终确定10个点作为拟建回收点,可实现未来上海市约76%的电子废弃物回收.该网络的建立对长三角地区和全国大中型城市电子废弃物回收都具有良好的示范作用.     

飞机飞行振动预计技术研究

介绍了飞机飞行振动的主要来源和特征,分析了传统预计方法的不足,针对飞机飞行振动与高度、马赫数和攻角等飞行参数呈非线性关系的特点,提出了基于BP神经网络的飞行振动预计新技术,建立了预计模型,通过8组建模样本训练网络,确定了预计模型中的各个参数值。预计结果和实测飞机飞行振动信号比较分析表明,该方法预计精度高,验证了BP神经网络预计飞机飞行振动的可行性。     

基于网络监管系统的机动车排气污染控制管理

通过建立南京市机动车排气污染网络监管系统,将车辆上牌、尾气年检、路检抽检、公交治理、标志管理、区域限行、维修治理等有关机动车污染控制的工作环节纳入到系统中,实现全过程在线实时监控,以保证工作过程的规范性、检测数据的真实性和监督管理的科学高效性。     

汶川地震期间天津地震前兆台网运行与管理

汶川地震发生后,天津市地震局迅速进入应急体制,高效应对突发事件.监测中心、预报中心全体人员坚守岗位,履行职责,较好地完成了汶川地震期间天津地震前兆台网运行监控、数据管理、台站综合评比、数据服务、总结评估等项工作,以无私奉献的团队精神为地震监测预报工作做出了应有的贡献.     

基于神经网络评估的密封点泄漏检测

介绍了运用神经网络评估方法对石化生产装置泄漏风险进行量化评估的主要程序：输入变量的选择、风险指标的确定及总风险评估指标的确定等。以某炼油厂柴油加氢精制装置的应用为例,说明该方法可以指导企业根据最终确定的风险等级制定泄漏检测计划,对高风险部位增加检测的频次,既能有效监控密封点的密封效果,又减少不必要的资源投入。     

基于神经网络的城市夜间环境监控与预测

因夜间天空亮度分布具有非线性变化特点,故引入神经网络算法,建立基于时间序列的夜天空亮度预测模型,夜天空亮度预测模型可为城市光污染防治提供评价依据.文章对神经网络的原理进行了论述,建立了基于时间序列预测模型.以测试数据为训练样本集,基于MATLAB(矩阵实验室,Matrix Laboratory的简称),采用改进的BP算法(误差反向传播算法)对网络进行学习训练,并对存在的误差进行了分析.基于时间序列BP神经网络的夜天空预测模型,当隐含层神经元数目为5,训练函数为L-M优化算法(trainlm)时,最大绝对误差可达到0.003 6 cd/m2,最大相对误差达到2.361 4%.结果表明,模型的运行结果与试验数据比较吻合,输出与目标矢量之间相关性也较好.     

基于Monte-Carlo法的瑶寨隧道岩体结构性质评价

本文以瑶寨隧道为研究对象,结合现场地质分析与结构面统计,以Monte-Carlo法为基础,对该隧道各测线不同等级围岩分别进行结构面网络模拟,评价遂道岩体的结构性质,并进行工程岩体分类,估算其力学参数,以为采取合适的围岩支护方式提供依据。     

地市级环保数据网络的安全现状与对策

从地市级环保数据网络的安全现状展开调查,分析网络各个应用可能存在的安全漏洞和安全风险,并分析其解决方法,研究结果将对中国地市级进行环境信息系统的安全运行具有借鉴作用。