Design of a water quality monitoring network in a large river system using the genetic algorithm

Despite several decades of operations and the increasing importance of water quality monitoring networks, the authorities still rely on experiential insights and subjective judgments in siting water quality monitoring stations. This study proposes an integrated technique which uses a genetic algorithm (GA) and a geographic information system (GIS) for the design of an effective water quality monitoring network in a large river system. In order to develop a design scheme, planning objectives were identified for water quality monitoring networks and corresponding fitness functions were defined using linear combinations of five selection criteria that are critical for developing a monitoring system. The criteria include the representativeness of a river system, compliance with water quality standards, supervision of water use, surveillance of pollution sources and examination of water quality changes. The fitness levels were obtained through a series of calculations of the fitness functions using GIS data. A sensitivity analysis was performed for major parameters such as the numbers of generations, population sizes and probability of crossover and mutation, in order to determine a good fitness level and convergence for optimum solutions. The proposed methodology was applied to the design of water quality monitoring networks in the Nakdong River system, in Korea. The results showed that only 35 out of 110 stations currently in operation coincide with those in the new network design, therefore indicating that the effectiveness of the current monitoring network should be carefully re-examined. From this study, it was concluded that the proposed methodology could be a useful decision support tool for the optimized design of water quality monitoring networks.     

计算机辅助事故树分析研究

计算机辅助事故树分析中,求最小割集和绘制事故树是非常重要的。实用中,由于事故树往往规模庞大且最小割集的数目难以预知,这就使传统的用不能动态扩充的数组实现的计算机算法在应用时受到很大限制。本应用VC＋＋（MFC）中可动态扩充的数组类数据结构,实现求最小割集的Fussell算法,并提出和实现“堆砖法”计算机辅助事故树绘图。     

改进的遗传算法在城市污水处理厂区间数优化设计模型中的应用

对于高度非线性的城市污水处理厂区间数优化设计模型(IPODM),若采用传统的方法求解,不仅计算繁琐,且难以有效地寻找全局最优解.本文通过引入遗传算法(GA),与传统的步长搜索法相结合,大大提高了问题的求解效率.本文给出了这种改进算法在某一城市污水处理厂优化设计中的应用实例.结果表明,不仅解的搜索效率有明显的提高,而且目标函数值在原有的基础上改进了20%,有着显著的经济效益;但是由于遗传算法自身的局限性,所求得的解只是一定条件下的最优区间解.     

医化废水驯化过程中细菌遗传多样性的RAPD分析

利用RAPD分子标记技术分析了医化废水驯化过程中细菌的遗传多样性. 结果表明:9种引物在5种浓度的废水驯化细菌中共扩增出134条带,其中88条表现为多态性,多态性位点百分率为65.7%. 根据Jacaard相异系数转换的距离矩阵,富集细菌与10%医化废水驯化细菌及20%医化废水驯化细菌之间的遗传距离最大,为0.750　0;而20%医化废水驯化细菌与40%医化废水驯化细菌之间遗传距离最小,为0.545　5. UPGMA法聚类结果表明,富集细菌与5%医化废水驯化细菌聚在一起组成一组;20%医化废水驯化细菌与40%医化废水驯化细菌先聚在一起,再与10%医化废水驯化细菌聚在一起组成另一组.      

大气污染总量控制GA方法对气象因子的敏感性

通过数值模拟试验,研究了基于遗传算法(GA)的大气污染总量控制方法对风向、风速、稳定度三个最重要的气象因子的敏感性。结果表明,用基于遗传算法的大气污染总量控制方法所求得的区域允许排放总量以及允许排放总量在各污染源之间的分配方案,对风向、风速、稳定度三个气象因子都敏感,从而验证了该方法的稳定性和可靠性。     

基于贝叶斯网的网箱养殖区网箱移动预测建模

由专家知识和给定数据,采用著名贝叶斯网络学习K2算法构造了一个海底网箱养殖水环境指标与网箱移动间的贝叶斯网结构模型.该模型能有效的表达网箱养殖环境各个指标之间以及与网箱移动之间的因果关系和影响程度,实验结果表明,试验数据显示准确性为90.6%,以上证明该方法是有效可行的,表明贝叶斯网络是一种很有前途的网箱移动预测评价方法.     

浙东南中生代酸性岩浆的形成与喷发

浙江东南部中生代酸性火山岩其成因类型为同熔型岩类;岩浆起源于成分为安山质的中下地壳(16-25km)的部分熔融,属古老大陆变质基底构造活化的产物。在弱挤压—弱拉张这样的总体构造背景下,因火山喷发之岩浆房的深度。过饱和水含量等物理化学因素的变化,从而导致不同旋回甚或同一旋回的火山产物在产状、组份、结构构造等发生变化。     

耦合遗传算法与RBF神经网络的PM2.5浓度预测模型

基于北京市空气质量监测点获取的空气污染物浓度数据,通过遗传算法搜索径向基人工神经网络的最优隐含层神经元数目和扩展常数,构建了耦合径向基人工神经网络算法与遗传算法的预测模型,预测北京市未来一天24h平均PM_2.5质量浓度.结果表明,预测精度与泛化性能良好.该模型不需要输入气象和地理位置信息等数据,具有依赖变量少、预测精度高（R²达0.75）和运算效率高等特征,并可以通过训练样本的驱动,使自身不断优化调整.该模型预测效果可以通过扩展输入特征、增加训练样本量等方法进一步提升,可对多种时空情境下的城市空气污染进行高效率且精确的预测.     

免疫进化算法反演均匀混合气溶胶吸湿增长因子

通过对大气消光系数进行组分分解,并借助米散射理论,构建了以均匀混合气溶胶吸湿增长因子为唯一变量的目标函数.进一步利用免疫进化算法优化该目标函数,提出了一种针对均匀混合气溶胶吸湿增长因子的反演算法.基于成都市2017年10～12月浊度计,黑碳仪和GRIMM180环境颗粒物监测仪的地面逐时观测资料以及该时段同时次的环境气象监测数据(大气能见度,相对湿度RH和NO₂质量浓度),评估了算法的性能及其适用性.结果表明:对所有测试样本而言,反演均匀混合气溶胶吸湿增长因子的免疫进化算法均能快速收敛到全局最优解.建立了成都地区秋冬季均匀混合气溶胶吸湿增长模型,该模型显著提升了环境条件下气溶胶散射系数的模拟精度,其模拟值与实测值之间的平均相对误差仅为12.7%.该反演算法的普适性可为气溶胶吸湿性及其辐射强迫效应的后续研究提供算法保障.     

基于自助法与云模型的区域旱灾风险评估及区划研究

区域旱灾风险评估与区划是科学揭示旱灾风险系统要素相互作用与演变机制的基础性工作,可为制定区域旱灾风险防控措施、实现旱灾风险管理提供合理有效的决策依据。为系统描述区域旱灾风险系统包含的随机性、模糊性及未确知性等复杂不确定性信息,论文基于随机抽样Bootstrap方法在合理构建区域旱灾风险系统样本方案集的基础上,将传统的确定性旱灾等级标准进行云化处理,采用正向正态云算法对区域因旱受灾风险系统Bootstrap样本集进行风险估计,并借助ArcGIS自然间断点分级法对区域旱灾风险分布状况进行区划研究,最终建立了基于自助法与云模型的区域旱灾风险评估及区划模型。该模型在安徽省的应用结果表明：1）云模型方法能较好地描述旱灾风险系统的不确定性,计算所得的旱灾风险率区间估计结果能进一步反映风险内涵;2）淮北平原（阜阳市、宿州市、亳州市、滁州市）、江淮丘陵地区（六安市）及皖东南山区（黄山市、池州市）未来发生旱灾风险事件的总体概率较大,是安徽省旱灾风险管理的重点区域。可见,采用云模型方法进行旱灾风险评估能进一步降低旱灾风险系统不确定性对评估结果的误差影响,对区域旱灾风险评估及区划的理论与实践研究具有参考应用价值。