优化、RSA和GLUE方法在非线性环境模型参数识别中的比较

参数识别是数学模型应用的前提,本文对非线性环境模型常用的3种参数识别方法进行了比较分析.优化方法是出现最早、应用最广泛的参数识别方法之一.但在观测误差存在的情况下,采用优化方法识别的最优参数进行模型预测,存在很大的决策风险.考虑到这种不足,RSA方法和GLUE方法摒弃了识别单一最优参数的传统思维,而把识别参数扩大到多点组成的参数集.RSA方法与GLUE方法不同的是,RSA方法把可行的参数点看成是同等接受的,而GLUE方法则根据模拟值与实测值的差别,确定其似然度,代表参数的可信度水平.除参数识别以外,RSA方法和GLUE方法也是全局灵敏度分析的重要工具.     

浙江西苕溪水环境容量模型与参数灵敏度分析

针对浙江西苕溪河月流量丰枯悬殊较大、流速小、存在倒流的特点,建立了零维反复流水环境容量模型.以水功能区为基础划分计算单元,选取频率P=50%、75%、90%和近10年最枯月流量为设计水文条件,分别计算了西苕溪CODCr、氨氮、总氮、总磷的水环境容量值;对模型参数进行了蒙特卡罗模拟分析,95%置信水平下,CODcr环境容量置信区间为[17982 t/a,45489 t/a],氨氮为[493t/a,1624t/a],总氮为[435 t/a,1332t/a],总磷为[20t/a,147t/a];模拟结果给了流量、降解系数不确定条件下水环境容量的所有可能值,为决策者提供了更全面的信息.参数灵敏度分析结果表明,各站流量对各污染物环境容量均最敏感,方差贡献占73.3%~99.1%,而降解系数中除k2对CODCr具有一定影响外,其余影响最小,说明计算水环境容量时,选择合适的设计流量极为重要.     

An Analysis of the Wind Energy Potential of Elazig,Turkey

Abstract

In this study, the wind energy potential of Elazig is statistically analyzed based on hourly measured wind speed data over the five-year period from 1998 to 2002. The probability density distributions are derived from cumulative distribution functions. Two probability density functions are fitted to the measured probability distribution on a yearly basis. The wind energy potential of the location is studied based on the Weibull and Rayleigh distributions. It was found that the numerical values of both Weibull parameters (k and c) for Elazig vary over a wide range. The yearly values of k range from 1.653 to 1.878 with an average value of 1.819, while those of c are in the range of 2.757–2.994 m/s with an average value of 2.824 m/s. In addition, yearly mean wind speed and mean power density of Elazig is found as 2.79 m/s and 38.76 W/m², respectively. The wind speed distributions are represented by Weibull distribution and also by Rayleigh distribution, with a special case of the Weibull distribution for k = 2. As a result, the Rayleigh distribution is found to be suitable to represent the actual probability of wind speed data for Elazig.     

碳酸氢钠及其固态分解产物对玉米淀粉爆炸抑制实验研究*

为研究NaHCO3对玉米淀粉爆炸的抑制效果,采用20 L球形爆炸装置测试玉米淀粉在添加不同抑制比NaHCO3及其固态分解产物Na2CO3后爆炸参数变化规律,并分析NaHCO3抑制淀粉爆炸过程。结果表明:NaHCO3及Na2CO3对玉米淀粉爆炸均有抑制作用,NaHCO3抑制效果优于Na2CO3;混合粉尘的最大爆炸压力、最大爆炸压力上升速率与爆炸指数随抑制比增大而逐渐减小,爆炸时间随抑制比增大而逐渐延长。随着NaHCO3浓度增加,物理抑制效果逐渐增加,化学抑制效果基本保持不变。NaHCO3浓度不同时,其抑制主导过程不同,当抑制比为0.1~0.5时,NaHCO3抑制效果以化学抑制为主,物理抑制为辅;抑制比为0.8和1.2时,NaHCO3抑制效果以物理抑制为主,化学抑制为辅;当抑制比为1.2时,玉米淀粉爆炸完全被NaHCO3抑制,此时物理抑制起主导作用。     

关于悬浮填料生物膜工艺的探讨

通过对市场上悬浮填料产品的调查研究,分析了其材质、结构、形状、物理生化特性,总结了悬浮填料的一些基本特性参数,阐述了其在工程实例中的应用情况,并对当前悬浮填料的开发现状作了介绍,为悬浮填料产品的行业规范制定提供参考。     

水质模型参数识别与验证的探讨

参数识别与模型验证是水质模型应用的两个重要步骤。在对模型参数的本质含义进行辨析的基础上,对模型参数的时变性、集成性和可识别性进行了分析。采用科学哲学的方法,对水质模型验证的必要性和不足进行了讨论,指出虽然模型验证必不可少,但也不能证实模型本身就是实际物理和生化过程的反映,因此应充分地意识到“经过验证的”模型在预测中的风险。     

根据阵流估计泥石流堆积参数

泥石流堆积是泥石流产生灾害的主要方式，也是进行泥石流灾害评估的主要依据。根据泥石流堆积的形态特征提出了堆积的元过程叠加，将堆积与间歇性的阵流运动联系起来；利用近20年来蒋家沟泥石流阵流序列的观测数据，估计了堆积的相关因子，如速度、流深、流量、堆积厚度等。这些因子表现出一定的频率分布特征，它可能改变过去确定论的泥石流观念，同时也为提出新的泥石流评估模式提供了定量的依据。     

氢燃料电池汽车动力系统生命周期评价及关键参数对比

发展氢燃料电池汽车被认为是解决能源安全和环境污染问题的理想解决方案之一,为量化探究氢燃料电池汽车动力系统的化石能源消耗和排放情况,运用GaBi软件建模,以新能源汽车相关技术路线为参考,构建我国氢燃料电池汽车动力系统的数据清单并对其全生命周期化石能源消耗和全球变暖潜值情况进行定量评价计算和预测分析,对不同类型的双极板、不同能量控制策略和不同制氢方式对环境的影响分别进行了对比研究,并对关键数据进行了不确定分析.结果表明,预计到2030年我国每台氢燃料电池汽车动力系统生命周期的化石能源消耗量（ADP_f）、全球变暖潜值（GWP,以CO₂ eq计）和酸化潜值（AP,以SO₂ eq计）分别为1.35×10⁵ MJ、9108 kg和15.79 kg.动力系统生产制造阶段的化石能源消耗和全球变暖潜值均高于使用阶段,主要原因是燃料电池堆栈和储氢罐的制造过程.金属双极板、石墨复合双极板和石墨双极板的制造工艺中石墨复合双极板的综合环境效益最好.能量控制策略的优化会使得氢能消耗降低,当氢能消耗降低22.8%时,动力系统的生命周期化石能源消耗和全球变暖潜值分别降低10.4%和8.3%.相比于甲烷蒸气重整制氢,基于混合电网电解水制氢的动力系统生命周期全球变暖潜值高出53.7%[KG-*6],而基于水电电解水制氢降低39.6%.降低动力系统生命周期化石能源消耗和全球变暖潜值的措施包括优化能量控制策略降低氢能消耗、规模化发展可再生能源发电电解水制氢产业和聚焦突破燃料电池堆栈关键技术实现性能提升.     

水深梯度对荆三棱(Scirpus yagara)生长的影响

研究湿地植物对水深梯度的响应对于湿地修复具有重要的指导意义.在南四湖湖边滩地上的人工修复湿地中开展水深梯度对荆三棱(Scirpus yagara)生长的影响研究,试验观测水深分别为-10、0、10、20、30 cm共5个梯度.结果显示:随着水位的升高,1)荆三棱的株高、基茎、叶长和叶宽均有所增加,当水位大于10 cm时各项指标增加更为显著;2)生物量呈增加趋势,而根茎比则逐渐减小,水位为30 cm时的生物量和根茎比分别为-10 cm时的2.67倍和58.15%;3)叶绿素含量总体呈增加趋势,但在不同水位间的差异不明显(P>0.05);4)叶绿素荧光方面,最大光化学量子产量Fv/Fm均在0.75以上,光化学淬灭qP和非光化学淬灭qN分别呈现出升高和下降的趋势.结果表明,在试验所设置的水位条件下(-10～30 cm),荆三棱的生长没有受到水深梯度增加的显著影响,相反表现出随着水深的增加而生长更好的趋势.可见,在试验设置的水深梯度范围内,相对较高的水位有利于荆三棱的生长,因此在湿地管理中应控制适当的高水位以利于其种群的生长和稳定.     

Random parameter models for accident prediction on two-lane undivided highways in India

Introduction

Generalized linear modeling (GLM), with the assumption of Poisson or negative binomial error structure, has been widely employed in road accident modeling. A number of explanatory variables related to traffic, road geometry, and environment that contribute to accident occurrence have been identified and accident prediction models have been proposed. The accident prediction models reported in literature largely employ the fixed parameter modeling approach, where the magnitude of influence of an explanatory variable is considered to be fixed for any observation in the population. Similar models have been proposed for Indian highways too, which include additional variables representing traffic composition. The mixed traffic on Indian highways comes with a lot of variability within, ranging from difference in vehicle types to variability in driver behavior. This could result in variability in the effect of explanatory variables on accidents across locations. Random parameter models, which can capture some of such variability, are expected to be more appropriate for the Indian situation.

Method

The present study is an attempt to employ random parameter modeling for accident prediction on two-lane undivided rural highways in India. Three years of accident history, from nearly 200 km of highway segments, is used to calibrate and validate the models.

Results

The results of the analysis suggest that the model coefficients for traffic volume, proportion of cars, motorized two-wheelers and trucks in traffic, and driveway density and horizontal and vertical curvatures are randomly distributed across locations.

Conclusions

The paper is concluded with a discussion on modeling results and the limitations of the present study.