武汉市城区大气环境质量现状及趋势研究

对武汉市7城区1991～1995年间的大气环境质量进行分析评价,并通过模式计算污染物的多年平均地面浓度分布。在此基础上,运用等维灰数递补技术预测大气质量的变化趋势并进行预评价。结果表明,武汉市城区大气SO₂浓度逐年下降,TSP浓度基本持平,煤烟型污染将有所改善。但石油燃料燃烧排放的NO_X将有显著增加,整个大气环境质量仍呈下降趋势。     

基于梯形模糊数的沉积物重金属污染风险评价模型与实例研究

综合考虑到经典确定性污染评价模型的现实缺陷,将梯形模糊数理论引入环境评价领域,通过将研究区域重金属背景值及重金属实测含量的梯形模糊数化,结合聚类分析、α-截集技术和区间数隶属度计算,最后基于定义的重金属生物毒性评价权重系数建立了沉积物重金属污染风险模糊评价模型.采用该评价模型评价了洞庭湖表层沉积物重金属污染的风险状况,结果表明,洞庭湖水系表层沉积物中7种重金属污染风险程度排序为:Hg>Cd>Pb>Cu>Cr>Zn>As,Hg、Cd和Pb应成为洞庭湖水环境污染治理的优先控制因子.与确定性模型评价结果的对比分析表明,模糊评价模型得出了各重金属地累积指数的可能值区间,并进而得出与之对应的隶属可信度水平,从而较好地弥补了确定性评价的不足,更客观地、全面地表征了评价区域沉积物中重金属的真实污染状态与空间分布差异.     

城市大气环境监测优化布点模糊优选模型及应用实例

文章根据城市大气环境监测优化布点的模糊性,提出了一种模糊环境条件下的模糊聚类与模糊识别理论模型,并且在山东省肥城等市成功应用。结合统计方法确定出的大气监测优化点位,不但具有代表性和整体性,而且具有较高的分辨率,能快速准确地、最大范围地反映出该区域的环境空气质量状况、大气污染扩散规律、污染源分布特点、污染气象及地理位置特征,为环境管理和政府决策提供可靠依据。     

中国西南部分地区地震灾害恢复力时空变化特征研究

从自然、社会和经济三个维度遴选了12个指标,构建地震灾害恢复力的综合评价指标体系,综合运用熵权法与模糊逻辑等方法,评价西南四省(四川、云南、贵州、重庆)的地震灾害恢复力,并分析其时空变化特征及主要影响因素.结果表明:2006-2016年,西南四省大部分地区地震灾害恢复力呈提升趋势,且恢复力水平总体随城市级别的增大而增大...     

基于模糊综合评价的地铁站消防安全风险评估

为了降低地铁车站的火灾发生率,对地铁车站消防安全风险进行评价,从主动防火能力、被动防火能力、消防安全管理、乘客安全行为4个方面建立包含24个二级指标的地铁站消防安全风险评价体系.对武汉市武昌火车站地铁站进行实地调研,利用模糊综合评价法对地铁站进行火灾风险评估,得出该地铁车站火灾风险隶属矩阵为{0.2284,0.3721...     

模糊综合评价在大伙房水库下游水污染风险评价中应用

采用模糊综合评价模型对大伙房库区下游浑河抚顺段在1996～2004年间水质状况进行评价.结果表明,在1996～2004年间该河段水质呈波动性变化;除1997、2001、2003年外,该河段的3个监测断面的年综合评价值属Ⅱ类和劣Ⅲ类水质,其主要污染物是有机污染物、油类和氨氮;但污染物变化规律各不相同,油类和氨氮呈逐年增加趋势,COD呈波动性变化,BOD₅呈现逐年递减趋势.     

低压脉冲袋式除尘器清灰控制策略研究

从理论上分析清灰过程及影响因素,针对传统控制方式的缺陷和变频调速后带来的新问题,提出了除尘器清灰模糊控制策略。即先根据风量变化对除尘器阻力目标值进行模糊修正,再根据阻力偏差和风量大小模糊推理脉冲间隔时间。在此对模糊控制器设计过程作了详细介绍。该策略应用效果良好。     

改进的模糊综合评价法在太湖水质类别判定中的应用

水质判别是一个多参数多级别的模糊概念,基础的模糊综合评价法存在局限性,对基础模糊数学法中隶属度函数及最大隶属度原则进行改进,建立一种改进的模糊综合评价法。以太湖流域水质判别为实例验证了此方法比传统的方法更有效,且适合在太湖流域应用。     

青岛海洋倾倒区海水水质模糊综合评价

基于1985～2003年青岛海洋倾倒区水质监测资料,应用环境质量分级与评价的模糊综合-加权平均复合模型对青岛倾倒区海水水质现状及1985～2003年各年度海水水质进行了综合评价,并在此基础上分析了18 a间的海水水质变化趋势.结果表明:20世纪90年代由于受倾倒的疏浚物中污染物影响,海水水质较差,均为Ⅱ级水质,2000年后海水水质一直维持良好,均为Ⅰ级水质.历年水质优劣顺序为:2000＞2002＞2003＞1997＞1985＞1991年.     

A conceptual framework for Jatropha seed yield estimation using adaptive neuro-fuzzy inference system (ANFIS) modelling

Jatropha seed yield prediction is one of the most important influencing factors for developing a supply chain modelling of Jatropha seed. The oil from this Jatropha seed is used to blend with diesel to obtain biofuel (Hiromi, Yamamoto, Junichi Fujino, and Kenji Yamaji. 2001. “Evaluation of Bioenergy Potential with a Multi-regional Global-Land-Use-and-Energy Model.” Biomass and Bioenergy 21: 185–203). The Jatropha plant is easy to cultivate and produces high yield if properly maintained. The main focus of this study is to utilize uncultivable wastelands for cultivating Jatropha seeds. As suggested by Liu et al. (Liu, Xiaohong, David B. Grant, Alan C. McKinnon, and Yuanhua Feng. 2010. “An Empirical Examination of the Contribution of Capabilities to the Competitiveness of Logistics Service Providers: A Perspective from China.” International Journal of Physical Distribution & Logistics Management 40 (10): 847–866), the effectiveness of prediction affects the functional characteristics of a supply chain network design. The yield prediction of Jatropha seeds has two important roles which include (i) the identification of external parameters that affects the yield and (ii) the detection of internal attributes that changes the growth characteristics of the Jatropha plant. The development of the fuzzy inference system is characterized by a large number of input variables (Dobrila Petrovic. 2001. International Journal of Production Economics 71: 429–438). A Matlab programming software was used to integrate an adaptive neuro-fuzzy inference system. This approach gave the numerical as well as graphical output that was used to interpret the final result. The root mean square error values were identified for the given inputs which were then compared with the trained input variables to select the best input among the given alternative variables.