走滑断层作用下X80管道设计应变规律和神经网络预测

走滑断层是埋地管道常见的地质灾害威胁,断层作用下管道会发生较大的拉压应变而失效。为得到X80管道的设计应变,基于有限元方法建立了走滑断层作用下管道的应变响应数值计算模型,模型使用壳单元模拟管道,非线性弹簧单元模拟土壤约束,采用西二线实际工程的管道应变影响参数范围,计算了管道的设计应变;为预测管道的设计应变值,基于以上参数化分析得到的4 817组设计应变结果,采用人工神经网络建立了管道设计应变预测模型。结果表明:该神经网络模型预测结果的最大相对误差小于10%,预测准确性良好,且该方法具有较高的计算效率,可以为断层作用下埋地管道的应变设计与评估提供参考。     

基于MSPA与MCR模型的余江县生态网络构建基于MSPA与MCR模型的余江县生态网络构建

在我国社会经济快速发展的背景下,城市化进程的不断推进导致城市生态斑块日益减少,生态环境问题正在逐年增加,构建生态网络是改善城市生态环境与服务功能的有效方法之一。以余江县为研究区,采用形态学空间格局分析(MSPA)方法和景观指数法,提取对生态网络具有重要意义的生态源地,并基于MCR模型构建综合阻力面,采用最小成本路径方法生成潜在廊道,再基于重力模型、中介中心度等对关键廊道及踏脚石斑块进行识别并提取,从而构建研究区潜在生态网络。结果表明：MSPA方法能够与MCR模型有机的结合,通过定量的分析识别出研究区潜在生态廊道,并根据斑块的中介作用选定踏脚石斑块,明确研究区景观要素的保护优先度,将景观中的潜在生态源地及廊道作为生态网络构建的主要依据,能够更加科学地为余江县生态网络的构建提供指导,同时也可为其他区域提供参考。     

阿海水电站新源沟砂石加工废水处理工艺浅谈

新源沟砂石加工系统生产废水SS浓度高,采用水力旋流/加药絮凝/多级沉淀工艺处理,运行结果表明,处理出水水质满足《污水综合排放标准》（GB8978-1996）一级标准中的给定限值70mg/L,达标出水全部回用。     

Comparison of the Performance of Statistical Models in Forecasting Monthly Total Dissolved Solids in the Rio Grande1

Abudu, S., J.P. King, Z. Sheng, 2011. Comparison of the Performance of Statistical Models in Forecasting Monthly Total Dissolved Solids in the Rio Grande. Journal of the American Water Resources Association (JAWRA) 48(1): 10‐23. DOI: 10.1111/j.1752‐1688.2011.00587.x Abstract: This paper presents the application of autoregressive integrated moving average (ARIMA), transfer function‐noise (TFN), and artificial neural networks (ANNs) modeling approaches in forecasting monthly total dissolved solids (TDS) of water in the Rio Grande at El Paso, Texas. Predictability analysis was performed between the precipitation, temperature, streamflow rates at the site, releases from upstream reservoirs, and monthly TDS using cross‐correlation statistical tests. The chi‐square test results indicated that the average monthly temperature and precipitation did not show significant predictability on monthly TDS series. The performances of one‐ to three‐month‐ahead model forecasts for the testing period of 1984‐1994 showed that the TFN model that incorporated the streamflow rates at the site and Caballo Reservoir release improved monthly TDS forecasts slightly better than the ARIMA models. Except for one‐month‐ahead forecasts, the ANN models using the streamflow rates at the site as inputs resulted in no significant improvements over the TFN models at two‐month‐ahead and three‐month‐ahead forecasts. For three‐month‐ahead forecasts, the simple ARIMA showed similar performance compared to all other models. The results of this study suggested that simple deseasonalized ARIMA models could be used in one‐ to three‐month‐ahead TDS forecasting at the study site with a simple, explicit model structure and similar model performance as the TFN and ANN models for better water management in the Basin.     

基于人工蜂群算法与BP神经网络的水质评价模型

针对BP网络水质评价模型的不足,引入人工蜂群(ABC)算法,将求解BP神经网络各层权值、阀值的过程转化为蜜蜂寻找最佳蜜源的过程,提出了一种新的结合人工蜂群算法的BP网络水质评价方法(ABC-BP)。并以2000—2006年渭河监测断面的10组实测数据作为测试样本对其水质进行了评价,实验结果表明该方法得到的水质评价结果准确,并具有很强的稳定性和鲁棒性。     

人工浮床对汾江河水质净化的研究

对佛山市汾江河内布置浮床的水域的7个断面进行采样监测,分析了布置浮床侧与未布置浮床侧各水质指标的差异,以考察人工浮床对汾江河水质的净化效果。同时比较了圆币草、水罂粟、梭鱼草、狐尾草、美人蕉和鸢尾6种浮床植物的生物量和氮磷吸收量。结果表明,布置人工浮床一侧的水质TN、TP、COD和NH4＋-N含量均显著低于未布置浮床一侧的水质,表明人工浮床对水体水质的有净化效果。总面积约4 900 m2的浮床植物经过3个月的生长,从水体中共吸收了192.5 kg的氮和76.1 kg的磷。6种浮床植物中,狐尾草的净增生物量最高,达到64.2 kg/m2;圆币草次之,为62.2 kg/m2。狐尾草和圆币草对氮磷的吸收能力在6种植物中处于较高水平,每平方米狐尾草和圆币草从水体中分别吸收了51.61g氮、19.79 g磷和46.90 g氮、22.93 g磷。综合比较得出,狐尾草和圆币草在生物量和氮磷吸收量上均保持在较高水平,是较好的浮床植物。本研究为人工浮床在南方类似河流中的应用及植物选择提供了参考依据。     

响应面法和神经网络优化Acinetobactersp．DNS32发酵基质

为了提高阿特拉津降解菌Acinetobactersp．DNS32的产量,分别采用响应曲面法和基于人工神经网络的遗传算法对阿特拉津降解菌DNS32发酵培养基中3个重要基质成分（玉米粉、豆饼粉、K：HPO。）进行优化研究。响应曲面法确定3种成分的含量为玉米粉39．494g／L,豆饼粉25．638g／L和K。HPO。3．265g／L时,预测发酵活菌最大生物量为7．079×10^8CFU／mL,实测量为7．194×10^8CFU／mL;人工神经网络结合遗传算法优化确定3种主要成分含量为玉米粉为39．650g／L,豆饼粉为25．500g／L,K2HPO4为2．624g／L时,预测最大值为7．199×10^8CFU／mL,实测量为7．244×10。CFU／mL;最终确定培养基配方：玉米粉为39．650g／L,豆饼粉为25．500g／L,K2HPO4为2．624g／L,CaCO3为3．000g／L,MgSO4·7H2O和NaCl均为0．200g／L;优化后阿特拉津降解菌DNS32发酵生物量比优化前提高了36．6％。结果表明,在阿特拉津降解菌DNS32发酵培养基组分优化方面,响应面法和基于人工神经网络的遗传算法都是可行的,基于人工神经网络的遗传算法具有更好的拟合度和预测准确度。     

响应面法和神经网络优化Acinetobacter sp. DNS32发酵基质

为了提高阿特拉津降解菌Acinetobacter sp.DNS32的产量,分别采用响应曲面法和基于人工神经网络的遗传算法对阿特拉津降解菌DNS32发酵培养基中3个重要基质成分(玉米粉、豆饼粉、K2HPO4)进行优化研究。响应曲面法确定3种成分的含量为玉米粉39.494 g/L,豆饼粉25.638 g/L和K2HPO43.265 g/L时,预测发酵活菌最大生物量为7.079×108CFU/mL,实测量为7.194×108CFU/mL;人工神经网络结合遗传算法优化确定3种主要成分含量为玉米粉为39.650 g/L,豆饼粉为25.500 g/L,K2HPO4为2.624 g/L时,预测最大值为7.199×108CFU/mL,实测量为7.244×108CFU/mL;最终确定培养基配方:玉米粉为39.650 g/L,豆饼粉为25.500 g/L,K2HPO4为2.624 g/L,CaCO3为3.000 g/L,MgSO4.7H2O和NaCl均为0.200 g/L;优化后阿特拉津降解菌DNS32发酵生物量比优化前提高了36.6%。结果表明,在阿特拉津降解菌DNS32发酵培养基组分优化方面,响应面法和基于人工神经网络的遗传算法都是可行的,基于人工神经网络的遗传算法具有更好的拟合度和预测准确度。     

ABR处理硫酸盐有机废水的BP神经网络建模

通过厌氧折流板反应器(ABR)处理硫酸盐有机废水的实验数据对BP神经网络进行训练,建立了ABR处理硫酸盐有机废水的BPNN模型,通过测试对比,找出了较优训练函数为traingda,较优训练次数为1 900.利用分割连接权值法(PCW)对影响出水SO42-和COD的主要因素进行分析,结果显示进水COD、SO42-、pH、COD/SO42-和HRT对出水SO42-和COD均产生一定影响,其中进水pH对出水SO42-和COD的影响最大,相对重要性(RI)指数分别为30.79％和23.44％;并通过样本试验数据分别建立了对SO42-和COD去除率的限制因子仿真模型,为预测硫酸盐有机废水的厌氧处理过程提供指导.     

大坝下游定点区域溶解氧饱和度预测

大坝通过坝身泄流时,巨大的洪水卷吸空气中的大量气体直泻到下游河床,造成下游河道特别是近坝区域气体含量过饱和,给下游水生生物带来不利影响,其中鱼类气泡病就是水体气体过饱和造成的典型病症。为探明大坝泄流对坝下河道溶解氧饱和度的影响,以三峡 葛洲坝区域坝下近坝区定点区域的溶解氧实测资料为基础,建立溶解氧饱和度的BP网络预测模型,对大坝不同运行工况进行下游溶解氧饱和度的预测仿真计算,并将仿真预测值与实测及数值模拟结果进行比较分析。结果得出BP网络模型能很好地逼近坝下近坝区指定区域的溶解氧饱和度,可根据大坝运行工况对下游水体溶解氧饱和度进行快速预测,为有效控制坝下水体溶解氧饱和度提供借鉴