基于神经网络模型的千岛湖清洁水体叶绿素a遥感反演研究

叶绿素a浓度值是水体水质评价的重要指标,研究基于高分一号(GF-1)卫星遥感影像,利用神经网络模型,选用6节点的隐含层设置,构建了千岛湖清洁水体叶绿素a浓度反演模型,对其叶绿素a浓度值时空特征进行分析,并与其他常规反演方法精确度进行比较.研究结果表明,利用神经网络模型对千岛湖清洁水体叶绿素a浓度值进行反演是可行的,且与其他常规方法相比,该模型对于叶绿素a含量低的内陆清洁水体反演有着更高的相关性(R2 = 0.921 8);在空间分布上,千岛湖区域水体叶绿素a浓度整体较低,高叶绿素a浓度区域主要集中易受人类活动干扰的西南及东北区域;年际变化分析表明,千岛湖区域水体叶绿素a浓度稳定,且波动较小,平均叶绿素a浓度值皆维持在1.70～1.75 pg/L之间,清洁水体特征显著.     

气候变量和设计参数对生物滞留系统去除硝酸盐氮的影响

为探究生物滞留系统对NO₃^--N去除不稳定的主要影响因素,利用国际最佳管理措施数据库(BMPDP)和相关论文中的研究数据,统计分析了气候变量和设计参数对生物滞留系统去除NO₃^--N的影响,结合偏最小二乘回归(PLS)定量分析了不同影响因素的相对重要性,并提出了不同气候类型下的优化设计建议.结果表明,不同气候类型下生物滞留系统对NO₃^--N的去除能力分别为亚热带湿润气候(Cfa)>温带大陆气候(Dfa/Dfb)>温带地中海气候(Csb)>寒冷半干旱气候(BSk),对数去除率(LRV)中位数分别为-0.058、-0.212、-0.241和-0.327.设置内部存水区(IWS)、提高植物多样性、设置合理的服务面积比、添加介质土改良剂等措施均可在一定程度上增强生物滞留系统对NO₃^--N的去除能力.最小二乘回归(PLS)分析表明,气候变量较设计参数更能影响生物滞留系统对NO₃     

一元线性回归方差分析在分析质量控制中的应用

在检测相同标准浓度系数ｘｉ（ｉ＝２，２，．．．，ｍ）ｎ（ｎ〉２）时不同实验条件的重复试验结果时，应用一元线性回归方差分析，能不受重复试验次数ｎ的限制，同时统计检验ｎ次试验结果，根据检验结果是否存在显著差异，可判断ｎ次重复试验间是否等精度，本文介绍一元线性回归的方差分析在实验室分析质量控制中的应用方法，步骤，并以１９８９年温岭市环境监测站６位分析人员砷标准样品考核的数据为例，进行应用实例分析。     

酿酒,制药,化肥行业工业废水中COD与BOD5的相关分析

作为经常需要监测的有机污染综合指标COD、BOD5，它们之间存在着什么样的相关特性？能否以COD的值来确定BOD5的稀释倍数，从而提高测定结果的准确程度并节省一定的人力物力？作者对本地区酿酒、制药、化肥三种行业的工业废水监测数据作了回归分析。结果表明二者之间有着显著的相关性，可以用COD的实测值估算BOD5的值。     

基于RF-LSTM的鸡舍恶臭气体预测研究

以鸡舍氨气为研究对象,对鸡舍氨气预测模型进行了研究.首先,利用随机森林算法（RF）对影响鸡舍氨气浓度的环境变量进行重要性排序,选取温度、湿度、光照、气象温度、降雨量作为模型的输入变量;在此基础上,构建了基于长短时记忆神经网络（LSTM）的鸡舍氨气浓度预测模型,并将提出的预测模型应用于江苏省宜兴市某养鸡场的氨气浓度预测中,并与LSTM模型、RF-Elman模型和RF-BP模型进行了对比实验,结果表明,基于RF-LSTM模型的预测效果最好,其平均绝对误差（MAE）、平均绝对百分误差（MAPE）和均方根误差（RMSE）分别为0.9183、4.9637%和1.4262;同时,为了验证该模型的性能,本文还实现了不同时间尺度的鸡舍氨气浓度预测,提前2h、3h、4h、5h氨气预测的平均绝对误差（MAE）分别为1.6218、2.1991、2.8553和3.0677.本文提出的预测模型提高了鸡舍氨气浓度的预测精度,可为减少鸡舍恶臭气体排放提供科学依据.     

中国光伏组件报废量的预测

在采用威布尔分布模型分析光伏组件使用寿命分布情况的基础上,使用神经网络模型和市场供给A模型分别对中国光伏装机容量和组件报废量进行预测。将光伏组件按照不同质量分成2阶段,考虑不同退化情景预测组件报废量,并计算组件中有价值材料和金属报废量。预测结果表明:2025年后中国光伏组件报废量爆发,到2050年,中国光伏组件报废量最高可达60.22 GW,累计报废最高可达673 GW。在4种退化情景下,到2050年,典型贵金属方面最高产生3134.5 t的Ag;稀有金属方面最高产生228.1 t的Te;463.4 t的Cd,58.5 t的Ga,29.8 t的In;有毒有害金属方面最高产生263.9 t的Pb;Si最高产生量43735.4 t。到2050年,光伏组件材料累积废弃总量最高可达64623193.6 t。     

中国“四化”建设对水足迹强度的影响分析

采用2000—2016年中国30省市（不包括香港、澳门、台湾、西藏四省区）的数据,构建四化指标体系,计算四化发展指数,进行地区四化水平评价,通过OLS和GMM回归模型考察四化发展对水足迹强度的影响,同时设置四化之间的交互项来识别四化指标之间的相互作用。主要结论如下：首先,从四化水平的地域发展差异上来看,中国四化水平总体上呈现出东部优于中部、中部优于西部的格局,水足迹强度的分布与之类似,说明四化水平发展与水足迹强度之间可能存在相关关系;其次,计量模型显示四化水平的提升对于水足迹强度的改善有积极影响,但每一化对于水足迹强度改善的影响大小不一;第三,以交互项衡量的四化相互作用对于水足迹强度的影响作用为正,表明四化发展对水足迹强度的改善效果逐渐趋于收敛。因此,优先提升落后地区的四化水平,以四化水平的提升推动水足迹强度的降低,能够有效降低我国总体水足迹强度水平。     

基于SVR的长江经济带水环境承载力评价

基于DPSIRM模型构建区域水环境承载力评价指标体系,并基于SVR模型构建了区域水环境承载力评价模型,利用交叉验证法对SVR模型参数进行优化选择,进一步提高模型预测精度.运用该模型研究了长江经济带2009~2018年的水环境承载力演变趋势及空间差异,结果表明：长江经济带水环境承载力等级整体呈现升高趋势,其中上游城市群承载等级由II级（超载）提升到了IV级（弱可承载）;中游城市群承载等级由II级（超载）提升到了IV级（弱可承载）;下游长三角区域承载等级由I级（重超载）提升到了IV级（弱可承载）.将评价结果与熵权-TOPSIS法的评价结果相比较,相同率达到91.7%,说明SVR模型评价区域水环境承载力可行,评价结果可靠.以下游区域为例,分别对其6个子系统的承载力进行剖析,并运用单因素轮换OAT法对各子系统内的评价指标进行敏感性分析,便于决策者识别指标敏感性.     

融合Lamb-Jenkinson分型法和LSTM神经网络的PM2.5预测研究

文章采用NCEP/NCAR逐日海平面气压场资料,利用Lamb-Jenkinson环流分型法对张家口大气环流进行分型,分析环流型与PM_(2.5)质量浓度之间的关系,并针对PM_(2.5)浓度的预测,提出一种融合Lamb-Jenkinson环流分型和LSTM神经网络混合模型的方法,即以环流指数为预测因子基于LSTM方法搭建PM_(2.5)质量浓度的预测模型。结果表明:影响张家口地区的主要环流型有反气旋型、气旋型、偏北平直型、西南平直型、偏西平直型、东北平直型等、西北平直型、偏东平直型。PM_(2.5)污染日出现的主要环流型为南气旋平直型、东南平直型、偏南平直型、偏东气旋型、西南气旋平直型、偏东平直型、气旋型等,而反气旋型和反气旋式平直环流型不利于污染出现。张家口地区的PM_(2.5)污染与地面环流有着密切的联系,当存在PM_(2.5)污染时,张家口地区处于日本海高压后部的均压场区域,污染越严重,日本海高压中心强度越强。模型预测结果的均方根误差为9.88、平均绝对误差为5.84、拟合优度达0.80,表明该模型具有一定的预报能力。