土壤全氮量测定的方法改进研究

对经典的土壤全氮量测定方法进行改进,采用修正的凯氏法消煮-凯氏定氮仪蒸馏-纳氏试剂分光光度法比色测定土壤全氮量,测定含氮量为0.2~0.8g/kg土壤样品时,RSD为3.72%~8.67%,加标回收率为85.7%~98.7%,方法检出限为0.0125g/kg,具有较好的准确度和精密度。     

基于支持向量机(SVM)的回采工作面瓦斯涌出混沌预测方法研究

针对瓦斯涌出传统的线性预测方法存在的问题,根据瓦斯涌出时间序列固有的确定性和非线性,利用混沌动力系统的相空间延迟坐标重构理论,结合基于机器学习理论的支持向量机(SVM),建立基于SVM理论的瓦斯涌出混沌时间序列预测模型。经Ⅱ1024回采工作面瓦斯涌出时间序列仿真计算,仿真结果显示该预测模型具有比传统的回归方法更好的泛化能力,预测方法具有很高的预测精度。同时,该模型具有以往传统机器学习的瓦斯涌出预测模型建立简便、训练速度快等优点。由于充分考虑瓦斯涌出时间序列的混沌性,并利用SVM预测的优良特性,使得预测更科学。     

人类发展指数的修正与可持续发展的替代指标

本文确认了全球社会-生态问题（过度消费,道德危机）的主要根源并提出了新的可持续发展的愿景,重点要关注精神、道德、心理、生理和人的智力开发（而代替以消费为导主的理念）。讨论了人类发展指标不足所涉及到的因素（寿命预期、人均国内生产总值）,提出了测量人类可持续发展的替代指标,即：健康人口的比例。生态效率也被建议作为转化可持续发展的必要条件,人的精神,根据生态中心立场（社会-生态幸福）。通过适当的教育和体制政策而实现环境和人类健康、公平和整个人类的发展。     

基于经验模态分解-支持向量机的滑坡位移预测方法研究

滑坡位移时间序列在外因的影响下呈现出单调非平稳的曲线特征,利用经验模态分解法(Empirical Mode Decomposition,EMD)将滑坡累计位移分解为周期项和趋势项,建立支持向量回归(Support Vector Regression,SVR)-布朗单一参数指数平滑(Browns Single Parameter Exponential Smoothing,Browns)模型对滑坡位移进行预测。以三峡库区木鱼包滑坡为例,首先在考虑降雨量和库水位等影响因子的基础上,采用SVR模型对周期项位移进行预测;然后采用Browns模型对趋势项位移进行预测;最后通过时间序列加法模型得到滑坡累计位移预测值,计算得到测试样本的平均绝对误差为13.31mm,均方根误差和判定系数分别为16.6mm和0.83。通过对比分析,结果表明:基于EMD与SVR-Browns模型的滑坡位移预测精度明显优于SVR模型和Browns模型,证明该模型是一种有效的滑坡位移预测方法。     

吉林市城区地下水污染时空演化

通过提出投影寻踪地下水污染指数模型,求得吉林市城区1980~2009年地下水监测井的污染指数.同时考虑第二松花江两岸地下水污染的非连续性,用修正的局部多项式插值方法对各年污染指数进行分区插值,得到各年地下水污染指数分布图.结果表明,吉林市城区地下水受到不同程度的污染,地下水污染指数普遍偏高,江北片区污染最为严重.全区在时间演化上具有"轻-重-轻"的阶段特征,地下水污染时空演化规律与人类活动方式紧密联系.吉林市城区地下水主要污染因子为"三氮",其中NO2-对地下水污染的影响最大,对地下水污染指数的贡献度多年保持在0.7上下.     

三维表面有限元网格生成的修正Delaunay法

介绍了有限元网格生成的Delaunay法基本概念和实施步骤。三维表面有限元网格生成的方案,主要的运算都在二维参数平面中进行。三维表面上的Delaunay三角形的外接圆映射至二维参数平面上时,“外接圆”变成了形状复杂的封闭曲线。提出在二维参数平面上用“外接椭圆”近似封闭曲线而取代“外接圆”的修正Delaunay法。这种方法能够在三维空间表面上得到更理想的Delaunay三角形网格。     

层次分析法与向量模法在水环境承载力评价中的应用——以胶州市为例

从社会经济、资源利用、与环境管理等角度分析了胶州市水环境承载力的主要影响因素,综合构建了胶州市水环境承载力评价指标体系。采用层次分析法和向量模法对胶州市2007~2011年水环境承载力进行了评价。结果表明,胶州市水环境承载力评价值范围为0.061~0.080,胶州市水环境承载力水平较低,总体上呈先下降后上升的趋势,其中,水资源短缺为制约胶州市水环境承载力的主要因素。     

基于机器学习方法的太湖叶绿素a定量遥感研究

为了比较评价人工神经网络和支持向量机2种机器学习算法在水质遥感中的应用能力,本研究首先从基础理论和学习目的入手,对比分析了2种机器学习算法的理论体系;其次,以太湖为例,基于MODIS遥感影像,构建了反演太湖叶绿素a浓度的2种机器学习方法模型,通过对模型的验证、稳定性和鲁棒性分析以及全湖反演结果对比3个方面评价了2种模型的泛化能力.验证结果表明,支持向量机模型对验证样本预测结果的均方差根和平均相对误差分别为5.85和26.5%,而人工神经网络模型的预测结果均方差和平均相对误差则高达13.04和46.8%;稳定性和鲁棒性评价亦说明,以统计学习理论为基础的支持向量机模型具有更加良好的稳定性、鲁棒性,空间泛化能力优于人工神经网络模型;2种机器学习算法对太湖叶绿素a的浓度分布反演结果基本一致,但人工神经网络模型因其学习目标设定和网络构建中的“过学习”等缺陷,造成了对东太湖以及湖心区叶绿素a的反演结果与实际监测结果差异较大.     

L波段SMAP卫星数据平静海面亮温信息提取研究

风致海表粗糙度是微波辐射计接收亮温的主要误差来源,通过建立亮温增益模型对海面亮温进行修正是获取平静海面亮温信息的一项关键工作。基于SMAP卫星L2C海面亮温数据和10 m风速数据,分析了亮温增益与风速之间的相关性,并利用最小二乘法根据不同风速区间建立L波段下的粗糙海面亮温增益模型,在考虑白冠对亮温影响的情况下,输入Argo浮标插值得到的温、盐数据集,使用Meissner-Wentz介电常数模型计算得到参考亮温,与亮温增益模型修正得到的平静海面亮温进行回归分析,定量评价了该模型在该海域的适用性。研究表明,风速与亮温增益呈现正相关关系,0～3 m/s风速区间的水平极化亮温灵敏度比垂直极化方式高0.25 K/(m/s),3～12 m/s风速区间的前者比后者高0.02 K/(m/s),大于12 m/s风速区间的前者比后者高0.01 K/(m/s);在靠近陆域的海面亮温偏差比较大,在开阔海域大部分极化亮温误差均能控制在0.2 K以内;模型亮温与参考亮温回归分析的决定系数均在0.5以上,均方根误差均可以控制在0.2 K以内。     

基于粗糙集的支持向量机地下水质量评价模型

以辽宁绥中县第四系松散岩类孔隙水的10组水质监测数据为基础,选取pH值、Cl^-、SO₄^2-、NH₄⁺、NO₂^-、NO₃^-、F^-、总硬度、总溶解固体等14项水质评价指标,采用粗糙集对指标进行约简,将基于属性依赖度和信息熵的启发式算法结合,获得属性约简集,应用支持向量机分别评价约简前后的地下水质量.结果表明,属性约简将14项水质指标精简为8项,水质评价结果与约简前保持一致,区域地下水普遍在III类以上,部分地区铁、"三氮"等超标,不适宜饮用.粗糙集和支持向量机的联合应用,在保证分类能力的前提下有效地减少冗余指标,降低运算维度,保证水质评价的合理性.