基于ARIMA的安全生产事故预测与实证研究

为了减少企业安全管理者在生产作业中由于不确定性导致错误决策所产生的风险,在企业历年安全生产事故数据基础上进行预测具有一定的现实意义。以某企业2008年至2011年的安全生产事故次数时序数据,采用EViews 5统计分析软件,基于ARIMA时间序列预测模型更加关注对事故发生是否平稳而相对于其他预测模型更关注于趋势研究的良好特点,建立安全生产事故ARIMA时序预测模型,并对2012年的安全生产事故发生次数进行预测,通过效果检验发现该模型预测结果基本上能够反映该企业安全生产事故发生的实际情况。通过ARIMA方法在某企业安全生产事故预测具体案例的实现,是对现有安全生产事故预测方法的补充和完善,可为企业安全管理和决策提供一定的指导。     

回采工作面瓦斯涌出量遗传投影寻踪回归预测

为快速、准确预测回采工作面瓦斯涌出量,基于投影降维思想,建立一种遗传算法(GA)投影寻踪回归预测方法。选取煤层瓦斯原始含量、埋藏深度、煤层厚度、煤层倾角、工作面长度、推进速度、采出率、临近层瓦斯含量、临近层厚度、临近层层间距、岩层岩性、开采深度作为评价因子,对某矿15个学习样本进行训练,建立GA投影寻踪回归预测模型。利用该矿3个实测样本对模型进行检验,并与主成分分析和BP神经网络方法结果进行对比。研究表明:利用GA投影寻踪回归预测回采工作面瓦斯涌出量,平均误差为3.43%,最大误差为5.7%,精度优于其他2种方法。     

Development and Operational Testing of a Super‐Ensemble Artificial Intelligence Flood‐Forecast Model for a Pacific Northwest River

Coastal catchments in British Columbia, Canada, experience a complex mixture of rainfall‐ and snowmelt‐driven contributions to flood events. Few operational flood‐forecast models are available in the region. Here, we integrated a number of proven technologies in a novel way to produce a super‐ensemble forecast system for the Englishman River, a flood‐prone stream on Vancouver Island. This three‐day‐ahead modeling system utilizes up to 42 numerical weather prediction model outputs from the North American Ensemble Forecast System, combined with six artificial neural network‐based streamflow models representing various slightly different system conceptualizations, all of which were trained exclusively on historical high‐flow data. As such, the system combines relatively low model development times and costs with the generation of fully probabilistic forecasts reflecting uncertainty in the simulation of both atmospheric and terrestrial hydrologic dynamics. Results from operational testing by British Columbia's flood forecasting agency during the 2013‐2014 storm season suggest that the prediction system is operationally useful and robust.     

预测沉积物-水微宇宙系统中化学品浓度变化的多介质模型

沉积物-水微宇宙系统是经济合作发展组织(Organisation for Economic Co-Operation and Development,OECD)颁布的化学品测试准则中推荐的试验系统之一,可用来测试化学品对底栖生物的慢性毒性。为了在试验前对化学品的浓度变化进行预测,进而确定试验方法,以摇蚊慢性毒性试验系统为例,采用环境多介质模型的建模方法,构建了一种可通过化学品理化性质和试验系统参数,对化学品在沉积物-水试验系统中浓度变化进行预测的模型。结合试验数据和文献资料,给出了模型中试验系统参数的推荐取值,并使用Matlab软件中的Simulink工具对模型进行编程和求解。以此模型为基础,给出了模型在3个方面的应用,即预测蓄积时间、预测平衡时间以及拟合试验数据。对80种已有或假想化学品的蓄积时间和平衡时间进行了计算,得出的范围分别为1~204 d和1~73 d。此外,适当修改模型结构和模型参数,也可将其应用于其他暴露场景中。但使用模型对化学品浓度进行预测时发现,模型仅对沉积物中化学品浓度的预测结果较为准确,而对水中化学品浓度的预测结果与实测值相差1~2个数量级。模型对浓度的预测精度未来仍需进一步提高。上述研究结果完善了沉积物-水微宇宙系统试验方法。     

焦化行业环境风险预测应用

以焦化行业中典型企业——徐州某焦化生产企业年产100万t捣固焦生产线项目为例,采用新的评价体系和数学模式对项目环境风险进行定量的预测评价,在环境风险定量预测方面作出了有益的尝试,对同类焦化行业环境风险预测及防范具有很好的借鉴意义.     

BP 神经网络模型在环境气象灾害预测中的应用研究--以湖南省为例

依据环境气象数据与自然灾害统计数据,建立BP神经网络模型,对湖南主要气象灾害（洪灾、旱灾、冰冻灾）及受灾经济损失进行实例预测,将在MATLAB7软件中的仿真结果与传统的多元线性回归模型分析结果进行比较和误差分析。结果表明,BP神经网络模型在洪灾、旱灾受灾率方面的预测效果和精度优于多元回归模型,而由于冰灾训练样本不足及经济损失与输入因子的线性相关程度高,在冰灾与受灾经济损失率方面稍逊于多元回归模型。     

2014年-2020年江苏省城镇化的边际资源环境影响预测分析研究

利用历史数据,选取合适计算模型,定量预测了2014年-2020年江苏省城镇化边际资源环境影响,即以与城镇化发展密切相关的资源使用量或者城镇生活污染物排放量较上一年的增量,除以当年城镇化率增量,得到江苏省城镇化水平每提高一个百分点带来的资源环境影响,以期为江苏环境管理及政府综合决策提供切实有效的数据依据.结果表明:未来7年,江苏省城镇化率每上升1个百分点,增加城镇生活用水量约0.5亿立方米、城镇建设用地面积16万亩;增加城镇生活污水排放量1.15亿吨、生活氮氧化物排放量10 228吨、生活垃圾产生量36.4万吨;减少生活COD排放量7 549吨、生活氨氮排放量762吨、生活二氧化硫(SO2)排放量371吨.     

公路线源大气环境影响预测方法对比分析研究

文章通过从模式原理、范围和特点等方面对AERMOD大气预测模式与EIAA预测模式进行对比分析,以甘肃省天水段G310国道升级改造项目为例,分别采用AERMOD和EIAA两种模式对交通线源排放的特征污染因子CO在各环境空气敏感点的小时最大浓度进行预测,并对预测值与实测值进行对比分析,探讨两种模式在公路线源大气环境影响预测中的适用性及差异性。以期为今后开展道路交通类建设项目大气环境影响预测评价中模式的选取提供参考和借鉴。     

基于变更平衡表的土地利用演化信息提取与预测方法研究——以苏州市为例

变更平衡表为国土资源管理部门历年实地调查、汇总所得,精度高,目前的研究中对其深入的应用较少,基于变更平衡表的应用方法研究可为区域土地利用演变信息提取与预测提供帮助。推导了由连续年份的年度变更平衡表求多年周期的平衡表的方法,提出了基于土地利用综合动态度分析土地利用有序程度的思路,探讨了利用连续年份的变更平衡表预测任意年份土地利用结构的方法,并基于传统方法进行了改进,提出了利用矩阵开方法求预测概率矩阵。应用苏州市一定时期的连续年份的年度变更平衡表对上述方法进行了验证,结果表明:提出的信息提取方法有效,预测结果可信;在分析期内(1998~2008年),苏州市耕地大量减少的去向是各类建设用地增加的来源,区域土地利用有序程度较高;预测显示至2020年土地利用结构变化仍将维持农用地、耕地不断减少和建设用地总量不断增加的趋势,但转化的速率将有所放缓;对变更平衡表的深入应用有一定的借鉴意义。     

皖江区域城市能级与生态环境协调度的测度和发展趋势研究

随着城市能级的不断提高,城市生态环境问题也日益突出,二者间协调发展成为城市发展一致的追求。以皖江区域10个城市作为研究地域单元,构建了城市能级与生态环境的指标体系,并建立了城市能级与生态环境的协调度模型。在此基础上,对皖江区域2002~2011年的城市能级与生态环境协调度进行了测度,研究发现过去10a皖江区域城市能级与生态环境的协调度处于较低水平。根据测定的协调度数据,建立了协调度自回归预测模型,并运用该模型探究了未来10a皖江区域城市能级与生态环境协调度的发展趋势,结果表明皖江区域城市能级与生态环境的协调度发展水平经过拮抗期和基本协调期后不断提高,将于2019年前后趋近高质协调发展阶段,即城市能级与生态环境两个系统有序互动发展的态势。