大数据解析技术在大气环境监测中的应用研究

针对近年来新兴的大数据及挖掘、分析技术,对大数据解析技术在环境科学研究中的应用进行了分析和探析。以城市局部地区大气细颗粒污染物PM2.5浓度计算为例,筛选了PM2.5浓度历史数据、气象条件、交通状况、人群活动情况、网格道路状况等数据为影响特征量,分析了用神经网络法进行大数据解析和推演的原理和数学过程,是用数学、计算机、统计等方法研究解决多元、非线性复杂环境问题的一种新的探索。     

大气环境数据分析预测方法对比研究

以西安市2006年9月27日至2008年5月3日每日的SO2平均浓度时间序列为例,应用时间序列分析对前555个数据进行拟合,得到合适的时间序列模型ARIMA(1,1,2);利用神经网络中的BP神经网络和RBF神经网络对同样的样本进行训练,用这三种方法对2008年4月4日至2008年5月3日的SO2日均浓度值进行了预测,并用同样的方法分析预测了同期PM10日均浓度值,最后比较了它们的预测效果。结果表明,利用这三种方法进行浓度预测都是可行的,其中RBF神经网络法的预测误差最小,效果最好。     

线性修正趋势分析技术在环境质量预警预测中的应用

线性修正趋势分析法根据历年数据建立线性模型并进行修正,预测年度、季环境要素污染物变化情况,可应用于空气质量、水环境质量、噪声环境质量、污染源污染物排放等预警预测数据统计分析评价,为环境决策提供技术支持。本文通过实例论述了该方法在实际工作中的应用。     

乌伦古湖水质现状、变化趋势及预测

通过对乌伦古湖现状水质及近十年来水质变化趋势的评价,分析了污染成因,并采用灰色预测法预测乌伦古湖未来几年的水质状况,为区域水环境保护和水体污染防治提供科学依据。     

地表水COD浓度灰色预测的GPPM（1）模型

根据地表水中ＣＯＤ浓度的时序数据,建立了ＧＰＰＭ（１）预测模型,结果表明ＧＰＰＭ（１）模型的预测精度优于常规灰色ＧＭ（１,１）模型,它为环境系统的拟合,预测和决策提供了新的方法途径。     

河北省火电企业吨煤烟气排放量测定及污染动态预测

火电企业大气污染动态预测是大气污染控制的基础。采用现场实测法,对河北省36家火电企业101台机组锅炉进行现场监测,经统计分析给出不同装机容量吨煤烟气排放量,并与其他方法进行了比较,发现实测结果更为合理。在此基础上,建立吨煤SO₂、NO_x,烟尘排放量和烟气浓度的关系,为火电企业大气污染动态预测提供新的公式,对定量测定火电企业污染物排放提供参考。     

高速公路交通噪声预测模型探讨

针对我国当前广泛使用的2种高速公路噪声预测模型《06规范》预测模型与《09导则》预测模型在预测时比较研究,重点利用环境现状监测数据分别对2种模型验证与对比分析.结果表明,2种模型预测值与实测值相差3dB ～5dB,车流量＞ 300辆/h,《09导则》更接近实测值;在夜间车流量＜300辆/h,《06规范》更接近实测值,2种模型结合采用《06规范》计算的车速,距离衰减考虑车流量的大小,在此基础上应用《09导则》,预测结果与实测值更为接近.     

市级国土空间规划核心指标纵向传导研究——以湖南省常德市为例

核心指标纵向层级传导作为市级国土空间规划的关键内容,对市域国土空间格局优化及规划统筹具有重要意义。针对当前指标传导研究不充分、不精细等问题,遵循“核心传导指标选择→指标传导技术逻辑构建→情景模拟预测”的研究思路,以常德市为例研究其2035年国土空间规划“市→县（区）”的核心指标传导。结果表明：（1）基于“指标全域总量预测—指标空间布局模拟—指标分区分类传导”的传导技术逻辑,通过SD与GeoSOS-FLUS模型的耦合集成利用,可有效实现市级国土空间规划核心指标“自上而下”与“自下而上”相结合的科学传导。（2）构建“人—地—业”协调的常德市国土空间利用SD模型,预测获得2035年市域核心指标总量,相应国土利用综合效益达12994.25亿元,相比2018年提升207.75%。（3）从指标传导结果来看,2035年常德市各县（市、区）社会经济类指标除常住人口规模指标外均保持增长趋势,边界类指标实现“只增不减”,用地类指标变化各异,但总体契合常德市主体功能区建设方向,核心指标传导结果符合实际。     

灰色模型理论在环境空气质量趋势分析中的应用

根据泰州市保护局公布的2006 ～ 2010泰州市环境空气的监测数据,利用灰色系统GM(1,1)残差修正模型,分析预测未来5年的环境空气质量.预测结果显示,泰州市未来5年环境空气质量将持续好转,这表明,泰州市近年来采取的产业结构调整和清洁能源战略实施卓有成效.     

以ARIMA模型预测全国生产安全事故

本文根据2000~2015年全国各类生产安全事故死亡人数统计数据,建立ARIMA(1,1,0)模型,并对2020年全国各类生产安全事故死亡人数进行了预测,预测结果表明,ARIMA(1,1,0)模型预测值与全国安全生产"十三五"规划中规划目标值的相对误差为1.4%,建立的模型预测精度较高,预测结果可为安全生产管理决策提供科学依据。