基于BP神经网络的污染物浓度多模式集成预报

基于中国气象局雾-霾数值预报系统CUACE、北京区域环境气象数值预报系统BREMPS和华东区域大气环境数值预报系统WRF-Chem三个环境气象模式预报产品,利用BP神经网络方法建立多模式集成预报模型.首先通过实验得到BP神经网络的训练函数、隐含层节点数和训练样本长度分别为贝叶斯归一化训练函数trainbr、10和50.随后选取北京、天津和石家庄站点的预报结果检验该模型的预报性能.结果表明：（1）相对于单模式,BP神经网络集成预报的3~72h逐3h污染物浓度和观测之间的归一化平均偏差从-100%~200%降低到-20%~20%,污染物浓度和观测的均方根误差比各单模式降低15%以上,相关系数从0.1~0.8提升到0.3~0.85之间,说明其预报结果优于各单模式.（2）2016年AQI等级评估表明,集成模型预报的北京轻度和中度污染的TS评分分别比CUACE提高22%和10%,在天津重度污染的空报率和漏报率分别降低31%和25%.（3）2016年12月份的重污染过程评估发现,集成模型预报的PM_2.5浓度的演变趋势和实况基本相符.     

造纸废水处理过程的高斯过程回归软测量建模

针对造纸废水处理系统的时变性、非线性和复杂性等特点,本文提出一种基于高斯过程回归的软测量模型.基于平方指数协方差、线性协方差和周期性协方差函数组合构建了7种高斯过程回归模型,分别对出水化学需氧量和出水悬浮固形物浓度进行回归预测.此外,还对比了多元线性回归模型、主成分回归模型、偏最小二乘模型、人工神经网络模型和高斯回归模型的预测效果.对比计算结果表明无论是对输出变量的训练拟合还是预测,高斯过程回归模型的拟合效果均优于非高斯过程回归模型.高斯过程回归模型的预测结果表明：对于出水化学需氧量,线性协方差函数与周期性协方差函数的组合模型可以取得最好的预测结果;对于出水悬浮固形物,平方指数协方差函数与线性协方差函数组合模型可以取得最好的预测结果.     

基于空间回归模型的中国碳排放空间差异模拟

以中国碳排放数据库的多年分省碳排放数据为基础,选取植被指数NDVI、夜间灯光影像DMSP-OLS、生产总值、工业总产值和人口数5项指标,采用1 km×1 km格网,运用空间滞后回归模型对中国2000年和2013年的碳排放进行时空分布模拟,并对空间模拟结果进行误差分析及纠正,获得地均碳排放强度的空间分布图,以弥补传统碳排放统计空间展示效果差、空间分辨率低等缺陷.结果发现,中国碳排放的空间分布格局差异显著,地均碳排放强度分布呈现由东部地区向中西部地区逐渐递减的阶梯状区域分布差异,东部地区的碳排放高值聚集区域大致呈现面状聚集分布特征,区域之间碳排放的差异较小,西部省会城市、工矿城市与农村地区碳排放量差异显著.2013年的地均碳排放强度明显高于2000年,且高值区域的分布范围明显扩大,低值区域分布范围面积明显减少.     

三峡水库蓄水对消落带土壤Cu、Zn、Cr、Cd含量的影响

为揭示水位涨落形成系列淹水梯度对消落带土壤重金属含量的影响,论文采集三峡水库忠县消落带土壤,分析了不同淹水深度土壤Cu、Zn、Cr、Cd含量,并探讨了这些重金属元素物质来源及其与三峡水库水位涨落关系。结果表明：1）不同淹水深度下消落带土壤重金属含量差异较大,长期淹水土壤Cu、Zn、Cd含量远远高于短期淹水和未淹水土壤,Cr则在不同淹水深度略有变化;2）除Cr相对独立外,不同淹水深度下土壤SOM、pH与土壤Cu、Zn、Cd含量密切相关,但pH、SOM间仅有微弱的相关关系;3）因子分析中因子1和因子2对Cu、Zn、Cr、Cd的累计贡献率为93.47%,Cu、Zn、Cd在第一轴载荷值为0.962、0.967、0.925,Cr在第二轴载荷值为0.998。研究发现：1）重金属输入来源和流向异质性是决定不同淹水深度Cu、Zn、Cr、Cd含量差异的重要原因,长期淹水显著增加了土壤Cu、Zn、Cd含量,但对Cr效应并不明显;2）区域土壤内Cr主要来源为自然源的土壤侵蚀和母岩风化,Cu、Zn、Cd来源于人为输入的库岸输入和长江上游来水悬浮颗粒沉积,应引起足够重视。     

基于PCA-BP神经网络的多股铜导线 熔痕定量金相识别方法研究

为实现火灾现场中多股铜导线熔痕的自动识别,采用主成分分析(PCA)和反向传播(BP)神经网络算法对四种多股铜导线熔痕(一次短路熔痕、二次短路熔痕、过负荷熔痕和火烧熔痕)的金相组织进行了识别研究。利用Image-Pro Plus 6.0和Axio-Imaging软件获取每种熔痕30组17维金相组织参数数据,采用PCA对四种熔痕共120组数据降维,获得前6个主成分得分矩阵,建立具有6个输入层节点,10个隐层节点和4个输出节点的神经网络模式识别模型。随机抽取每种熔痕的20组样品的主成分得分矩阵作为训练集,将每种熔痕的剩余10组主成分得分为测试数据,输入最终训练完成的模型进行识别,其识别准确率达到92.5%。实验结果表明采用PCA+BP神经网络的算法,可以较好地实现多股铜导线熔痕识别,为火灾物证鉴定工作提供了有力的工具。     

基于BP神经网络和SVR的Fund?o尾矿坝排水数据预测对比研究

针对尾矿库运行过程中安全预警问题,选取2015年巴西Samarco铁矿溃坝事故案例,研究BP神经网络和SVR方法在排水数据预测的适用性。综合分析了排水数据的复杂且非线性的特点,以库水位、降雨量和干滩长度为输入特征,采用上述2个模型对尾矿坝排水数据进行预测。研究结果表明:基于BP神经网络预测结果的最大相对误差不高于4.35%;基于SVR算法的最大相对误差不高于9.21%;Fundo坝的排水预测结果是可行的,BP神经网络的预测精度更高,而SVR模型的运算速度更快。研究结果可为矿山安全工作的快速响应和溃坝预警提供信息支撑和参考依据。     

基于地理加权回归的NO2排放预测模型

为了探究影响NO2排放的交通相关因素,以交通分析小区为基本单位,提取了美国洛杉矶城市的人口特征、道路网络特征、交通状况等数据,采用地理加权回归模型(GWR)分析各交通相关因素对NO2排放的影响,从而建立交通小区NO2排放预测模型。结果表明,交通小区路网密度、交通小区机动车吸引量、通勤时间在30~60 min的工作人数与NO2的排放呈正相关,表明3种影响因素的增加会造成NO2排放的增加;而交通小区在家工作的人数、慢行交通(步行、自行车等绿色出行方式)吸引量与NO2的排放呈负相关,表明适当鼓励在家工作的新型办公方式、鼓励居民出行选择慢行交通,能有效减少交通小区NO2的排放。     

醇酚类化合物毒性的QSAR研究

化合物毒性与描述符通常呈现为非线性关系,量子化学计算的化合物分子描述符中包含诸多无关特征与冗余特征.最大相关最小冗余(m RMR)是应用较广泛的特征选择方法,但当前的m RMR对连续型因变量不适用,且存在相关性测度与冗余性测度不可比的缺陷.定量构效关系(QSAR)研究中因变量(毒性)与自变量(描述符)多为连续型变量,本文以非线性的距离相关系数(d Cor)取代线性的Pearson相关系数(R),在非线性条件下实现了相关性测度与冗余性测度可比,由此提出了新的特征选择方法 m RMR-d Cor.3个醇酚类化合物毒性QSAR数据集的分析表明,基于m RMR-d Cor选择特征的支持向量回归(SVR)模型独立预测Q2分别为0.954、0.941、0.981,明显优于参比模型与文献报道,m RMR-d Cor选择的多数保留分子描述符得到文献报道支持.m RMR-d Cor在化合物QSAR、定量构质关系等研究中有广泛应用前景.     

基于规范变换的空气质量指数公式的广义普适性

为了建立形式简洁、计算简便和普适的室内、外空气质量评价的指数公式,基于室内空气质量标准(GB/T 18883—2002),适当设置室内空气各指标"参照值"及指标值的规范变换式,并对各指标的标准值进行规范变换,使室内空气15项指标的各级标准规范值的变化范围与室外空气7项指标的同级标准规范值的变化范围一致。因此,基于规范对称性原理,用免疫进化猴王遗传算法优化得出的适用于7项指标规范值的室外空气质量评价的6个普适指数公式也同样适用于15项指标规范值的室内空气质量评价。以邯郸居民区和广州公共场所2个室内空气质量评价为实例,对6个指数公式的实用性进行了检验。结果表明,6个指数公式的评价结果是彼此和谐和一致的,也与传统的指数公式法的评价结果相符合。6个指数公式是目前室内、外空气质量评价中最简化、规范、普适和统一的方法。     

华东地区公众低碳意识及其影响因素分析研究

基于安吉县、临安市、杭州市和上海市4个地区公众低碳意识的调研数据,对不同性别、不同年龄、不同学历、不同月收入水平和不同居住地公众的低碳意识(低碳认知、低碳消费、低碳践行、低碳责任)进行了单因素方差分析,在此基础上,利用广义线性模型(GLM)对影响公众低碳意识的因素进行了实证分析.分析结果表明,公众的学历和居住地对公众低碳意识有显著的影响.基于分析结果,最后提出增强公众低碳意识、促进社会低碳发展的建议.