基于经验小波变换的鄱阳湖CODMn预测

高锰酸盐指数(COD_Mn)是衡量水质状况的最重要参数之一,能反映水体受还原性物质污染的程度。结合经验小波变换(EWT)和双向长短期记忆(BLSTM)神经网络,提出了一种先利用EWT将原始的COD_Mn时间序列分解成若干成分,然后利用BLSTM神经网络对分解出来的每个成分进行预测,最后将所有成分的预测结果重建获得最终COD_Mn预测值的新的混合模型EWT-BLSTM;并以2017年8月—2020年4月鄱阳湖COD_Mn监测数据为研究对象,进行模型性能验证。结果表明：EWT-BLSTM模型具有良好的预测性能,预测未来1 d以后的COD_Mn时,EWT-BLSTM模型的平均绝对百分比误差为2.25%,与单一BLSTM神经网络模型相比降低了10.53%;预测未来7 d以后的COD_Mn时,EWT-BLSTM模型的平均绝对百分比误差为8.36%,与单一BLSTM神经网络模型相比降低了16.16%。在COD_Mn峰值处,该模型依然保持较高稳定的预测性能,说明在数据相对复杂、极端的情况下,该模型依然适用。

     

2015—2020年中国三大城市群臭氧浓度时空变化特征及影响因子

针对中国京津冀、长三角、珠三角三大城市群,分析了2015—2020年三大城市群的臭氧浓度时空变化特征,基于随机森林模型和地理探测器模型分别研究了影响其时间变化和空间变化的主要因子。结果表明：1）2015—2020年三大城市群臭氧浓度整体呈逐年升高的时空演变特征。其臭氧变化率存在中部向南北递减的趋势,即长三角（3.4%）>京津冀（2.9%）>珠三角（2.1%）;臭氧浓度平均值呈北高南低的空间变化特征,即京津冀（98.3 μg/m³）>长三角（96.7 μg/m³）>珠三角（90.5 μg/m³）。2）温度、风速、人均GDP和能源消耗量不仅是影响三大城市群臭氧浓度时间变化的主要因子,而且与臭氧浓度存在着阈值效应。3）能源消耗量和人均GDP是影响三大城市群臭氧浓度空间变化的主要因子,其对臭氧浓度空间变化的解释率均超过36%。今后关于城市群臭氧的防控应更关注经济发达地区,并通过重点监测和预警高耗能区等手段,达到城市群臭氧防治效果。

     

燃气-蒸汽联合循环供热项目主机选型方案刍议

发展燃气-蒸汽联合循环供热对于解决经济发展和环境保护具有重要作用,在我国经济发达地区已经开始大规模推广。阐述了燃气一蒸汽联合循环发电、供热技术、特点等,对主机选型方案提出建议。     

基于深度学习的空气质量预报方法新进展

空气质量预报与人们的日常生活密切相关,其基本思想是分析历史空气质量数据,发现其内在的时空相关性,结合未来气象信息以及污染源排放量,对未来的空气质量进行预测。目前,环境管理和社会公众服务对空气质量预报提出了长时间、多维度、高精度的预测要求,一些新型的空气质量预测方法仍处于起步探索阶段。近年来,随着人工智能的普及与推广(特别是云计算与大数据的发展),深度学习这项基于传统人工神经网络的技术被国内外研究者所重视。笔者对现有典型的空气质量预报方法进行了阐述,包括数值预测模型方法、统计预报模型方法、基于机器学习模型的预测方法等,并重点介绍了该领域最新进展:基于深度学习模型的预测方法,并在此基础上进行了总结与展望。     

煤层瓦斯压力测定中的钻孔注浆新技术研究

为简化复杂地质条件下测定煤层瓦斯压力的工序并提高高压注浆的成功率和可靠性,以达到准确、快速测量瓦斯压力的效果,基于胶囊注水封孔器的原理和特性及高压注浆的现场情况,提出了一种新型的注浆方法。通过钻孔注浆模型的建立和数值分析、模拟,发现新式注浆工艺可满足10 MPa的注浆压力,能有效封堵钻孔中的裂隙。现场对比实验证明新式注浆方法较传统注浆方法减少了工序,提高了安全性和可操作性,节省时间约35 h。新型注浆方法在复杂地质条件下可提高测压工作整体的效率。     

模拟水下近距非接触爆炸环境的中量级冲击试验

由于非接触爆炸冲击环境引起的冲击值的范围取决于单位时间内的位移,中量级冲击试验条件是建立在舰船、装备受到剧烈的冲击载荷而不至于毁灭的基础上的,因此,采用了中量级冲击机进行试验,介绍了试验条件及参数。试验结果表明,用中量级冲击机来模拟水下近距离非接触爆炸性环境并对装备进行考核是当前可行的一种技术手段。     

烧结机湿法烟气脱硫吸收塔本体设计与应用

依据烧结烟气的特性,选用旋流板塔为脱硫吸收设备并对其结构进行设计。通过工程实例说明设计的塔型具有脱硫效率高、液气比低、运行费用低等优点,是一种值得应用于烧结机烟气脱硫的装置。     

城市交通道路氮氧化物浓度的CART回归树预测研究

提出了基于CART回归树的氮氧化物(NO_x)浓度预测模型,利用杭州市延安路路边空气质量监测站2016年6—9月空气污染物监测数据和同期延安路路段车辆抓拍识别数据,通过数据处理、影响因素分析及CART回归树构造,搭建了NO_x浓度预测模型.实验分析结果表明,相对于支持向量机和BP神经网络预测模型,基于CART回归树的NO_x浓度预测模型的预测精度有大幅度提升,可决系数在0.92以上;同时,对环境条件差异较大的G20会议期间NO_x浓度进行预测分析,结果表明,CART回归树方法的预测精度比其它方法更高,能够适应不同条件下的预测需求.     

基于PCA-AHPSO-SVR的煤层瓦斯含量预测研究

为了提高煤层瓦斯含量预测的准确性和科学性,通过主成分分析方法对影响煤层瓦斯含量的7个因素进行特征提取,消除影响因素之间的相关性,减少维度;用支持向量回归机对提取的因素进行训练,并用改进的自适应混合粒子群算法对SVR的参数进行优化,提出PCA-AHPSO-SVR模型;与PCA-PSO-SVR,PSO-SVR这2个模型在相同环境下进行30次运行比较。研究结果表明:研究提出的PCA-AHPSO-SVR模型较其他2种模型平均准确率分别提高5.51%和9.32%,稳定性更佳,可满足工程实际需求。     

硅碳比对机床铸件性能的影响

在一定的碳当量的条件下 ,提高硅碳比 (Si/C) ,可以提高机床铸件的抗拉强度、硬度及硬度均匀性 ,降低残留应力 ,改善铸造性能和机加工性能 ,降低废品率。从而达到提高机床的刚度和精度稳定性的目的