基于GA-ELM浆体管道输送临界流速预测模型研究

针对浆体管道输送临界流速预测难度大、精确度低等技术难题,提出了基于极限学习机(ELM)的临界流速预测模型,用训练集对模型进行训练,以验证集预测值的均方误差作为适应度函数,利用遗传算法(GA)对ELM模型参数进行优化,应用优化得到的ELM模型对预测集进行预测。以某矿山为例,模型参数优化结果如下:隐含层节点数L为400,输入权值ai、偏置向量bi最优组合下预测结果适应度为0.0201。采用优化的ELM模型对预测集进行预测,预测结果的最大相对误差x=3.96%,平均相对误差y=1.58%,对比BP神经网络(x=12.95%)和SVM模型(x=3.19%),表明ELM模型更加精确、高效。     

基于PCA-ELM模型的露采爆破振动对民房破坏的预测分析

针对露天采矿爆破振动对民房破坏的预测问题,采用主成分分析(PCA)和极限学习机(ELM)方法,选取爆破振幅、主频率、主频率持续时间、灰缝强度、砖墙面积率、房屋高度、屋盖形式、圈梁立柱、施工质量、场地条件10个主要影响因素。引入相关性分析在主成分分析过程中,对相关性高的指标进行降维,把得到的3个综合因子和爆破振幅、主频率、主频率持续时间、砖墙面积率作为输入变量,构建露天煤矿PCA-ELM预测模型。选取露天矿实际爆破过程中测量的100组数据作为模型训练样本,用另外20组数据作为测试样本进行预测。结果表明:对民房破坏影响因素中灰缝强度、房屋高度、屋盖形式、圈梁立柱、施工质量、场地条件之间具有较高的关联度。该模型处理高维数据时较传统的ELM算法具有预测精度高、稳定性好等特点,可准确预测爆破振动对民房的破坏程度,误判率为1/20。     

沈阳地区臭氧污染日时空变化特征及天气分型研究

利用2013—2019年沈阳地区11个国控监测站近地层臭氧(O_3)浓度监测数据和地面气象观测资料,分析了沈阳地区O_3污染日的O_3浓度时空分布规律,并对造成O_3污染日的天气系统进行了主观分型。结果表明:自2013年以来,以O_3为首要污染物的天数逐年增加,2017年达到研究期内的最高值,但2018—2019年略有下降。O_3浓度的日变化趋势呈现明显的单峰形,O_3-1 h在10:00—20:00明显高于其他时间段,最大浓度值出现在15:00,而在01:00—07:00则相对较低。从季节变化上看,沈阳地区O_3污染主要发生在6—7月,两个月的O_3污染日之和占全年O_3总污染日的比例高达51%。从O_3浓度空间分布上看,沈阳地区三环外监测站测得的O_3浓度明显高于三环内监测站,高浓度区域主要集中在东部和东北部,城市中心存在明显的低浓度区,南部和北部差别不大,但也明显高于城市中心。造成沈阳地区O_3污染的主要天气类型有4种:暖脊型、均压场型、高空槽型和副热带高压型。其中:暖脊型出现的频次最高,占总样本的49.1%;副热带高压型出现的次数最少,占总样本的7.7%。     

2016—2019年夏半年成都市区臭氧污染天气特征分析

为揭示成都市区臭氧污染气象条件特征,通过欧盟COST733天气客观分型软件对成都市区2016-2019年夏半年(5-9月)海平面气压场和500 hPa位势高度场进行大气环流形势分型,并结合同期臭氧监测数据、地面气象观测数据以及总云量实况分析产品,分析成都市区夏半年臭氧超标天气及气象要素特征.结果表明:成都市区2016-2019年夏半年共出现臭氧超标日数为159 d,超标率为26.0%,超标日主要集中于5-8月,小时超标多出现于14:00-17:00.臭氧污染日数最多的海平面气压场为弱低压型,其后依次为低压前部型、低压型、高压后部型.臭氧超标率最高的海平面气压场为低压前部型,其后依次为弱低压型、低压型、高压后部型.500 hPa位势高度场平直西风气流型臭氧超标日数最多,青藏高压型臭氧超标日数最少.青藏高压型是臭氧超标率最高的500 hPa位势高度场型,平直西风气流型臭氧超标率最低.成都市区臭氧超标日多出现在偏西北风下,近地面气象要素特征一般表现为风速1.2~1.6 m/s,气温在25℃以上,相对湿度多集中在70%左右,总云量和降水概率多低于60%,降水量级以小雨为主,太阳辐射和日照时数分别位于20.5~23.2 MJ/m2和6.0~7.8 h区间.小时臭氧超标近地面气象要素特征为气温和总辐射曝辐量相对较高,二者分别在30~36℃和0~3.5 MJ/m2之间,相对湿度在60%以下,总云量低于40%,以偏南风影响为主.研究显示,成都市区海平面气压场为低压型,500 hPa位势高度场为青藏高压型时,易发生臭氧污染.      

基于EMD-MFOA-ELM的瓦斯涌出量时变序列预测研究

为准确分析工作面绝对瓦斯涌出量的非平稳特征,实现瓦斯涌出量的准确预测,基于经验模态分解(EMD)、修正的果蝇优化算法(MFOA)和极限学习机(ELM)基本原理,构建瓦斯涌出量的EMD-MFOA-ELM多尺度时变预测模型。通过EMD将瓦斯涌出量时变序列进行深层次分解,获得多尺度本征模态函数(IMF);采用MFOA-ELM对各IMF时变序列建立动态预测模型,等权叠加各预测值,得到模型最终预测结果。以晋煤某矿瓦斯涌出量监测时序样本为例进行研究分析,结果表明:EMD能充分挖掘出监测数据隐含信息,有效降低数据复杂度;该模型预测相对误差为0.024 3%~0.651 0%,平均值仅为0.252 6%,预测精度和泛化能力高于未经EMD分解模型,能很好地适用于非平稳时变序列预测。     

城市化对长三角地区极端气温影响的时空分异研究

论文利用长三角地区65个气象站1960—2014年日最高、最低气温资料,分析并比较了大城市站、一般城市站和乡村站极端气温指数变化趋势以及城市化对大城市站和一般城市站各极端气温指数趋势变化的影响。结果表明：极端气温暖指日数明显增加,冷指日数明显减少,极值指数呈微弱上升趋势。暖指数城市站比乡村站增加趋势明显,冷指数城市站比乡村站减少趋势明显。除月最低气温极小值外,其他极值指数变化趋势在城市、乡村间差异较小。大城市站冰冻日数、霜冻日数、冷（暖）昼日数和月最低气温极小（大）值城市化影响显著,一般城市站冰冻日数、霜冻日数和月最低气温极小值城市化影响显著,城市化对极端气温影响明显的是长三角北部、江苏南部和浙东南的部分城市站点。冷昼日数城市化效应在冬季较明显,暖昼（夜）日数城市化效应在夏季较明显,春季、夏季、冬季城市化对极值指数的影响显著。     

泉州市灰霾时PM2.5浓度与气象条件、能见度相关分析研究

利用泉州市空气自动监测站的监测资料,研究泉州市灰霾天气时PM2.5浓度与风速、温度、相对湿度等气象因素及能见度的关系.结果表明:泉州市灰霾天气期间往往会伴随气象因素及能见度的变化,灰霾发生前,风速降低,相对湿度减小,逆温层形成,能见度降低;灰霾结束前,风速增大,相对湿度趋于稳定,逆温层消失,能见度增大.灰霾发生时,PM2.5的浓度与风速、能见度基本呈负相关的关系,与相对湿度基本呈正相关关系.气象条件及能见度的变化可以为灰霾天气时污染状况的预判提供重要的参考.     

成渝地区一次区域重污染过程来源解析及减排效果研究

基于嵌套网格空气质量预报模式(NAQPMS)及耦合的污染来源追踪模块模拟2017年12月16日至2018年1月3日成渝地区一次区域重污染过程,定量解析成渝地区主要城市PM2.5来源,评估过程中应急减排的成效。结果表明,天气静稳和风向辐合是造成此次重污染过程的重要因素,污染峰值阶段,成渝地区多个城市PM2.5日均质量浓度超过150μg/m3,达到重度污染级别。污染过程中,成都市PM2.5本地排放的贡献率为42%,眉山和德阳贡献率将近30%;重庆市PM2.5本地排放的贡献率为60%,外来输送以湖北、湖南和其他地区为主,贡献率为24%,成都和重庆市的工业源和交通源的贡献最大。区域联防联控应急减排对成渝各城市空气质量改善效果显著,成渝地区PM2.5浓度降低率为5%~11%,对于未实施应急预警方案的地区(如眉山市)受周边城市减排影响,浓度降低可达6%。     

大气-气溶胶在线装置和离子色谱联用技术对西安市灰霾天气的监测研究

本文使用美国URG公司生产的大气气溶胶(PM2.5)水溶性组分/大气(气态污染物)在线监测分析系统,对西安市2013年1月持续近一月的灰霾天气空气质量污染的全过程,进行了连续不间断监测、分析研究,结果表明:结合西安市气候状况和地形等因素,汽车尾气、集中采暖等人类活动才是造成这次西安市冬季灰霾天气的主要因素.     

Flooding in Texas: Examination of Temporal Changes and Impacts of Tropical Cyclones

Annual maximum peak discharge measurements from 62 stations with a record of at least 70 years are used to assess extreme flooding in Texas at the regional scale. This work focuses on examination of the validity of the stationarity assumption and on the impact of tropical cyclones (TCs) on the upper tail of the flood peak distribution. We assess the validity of the stationarity assumption by testing the records for abrupt and gradual changes. The presence of abrupt changes in the first two moments of the flood peak distribution is assessed using the Lombard test. We use the Mann‐Kendall test to examine the presence of monotonic trends. Results indicate that violations of the stationarity assumption are most commonly caused by abrupt changes, which are often associated with river regulation. We fit the time series of stationary flood records with the generalized extreme value distribution to investigate whether TCs control the upper tail of the flood peak distribution. Our results indicate that TCs play a diminished role in shaping the upper tail of the flood peak distribution compared with areas of the eastern United States subject to frequent TCs.