1976-2005年唐山地区降水变化规律及干旱预测

利用唐山市1976-2005年各县年降水序列,分析了该市降水的空间分布规律和时间变化特点。采用灰色系统的灾变预测方法,对各县分别建立了GM（1,1）模型,进行未来25年唐山市各站的干旱年预测。利用残差检验、后验差检验和关联度检验对各模型分别进行了精度检验。结果表明,预测模型精度较高,可以对唐山市各县未来的干旱年进行预测,从而为科学决策提供依据。     

基于LS-SVR、BP-ANN和MLR模型的PM10浓度预测

利用宁东能源化工基地PM10和气象监测数据,分别采用LS-SVR、BP-ANN和传统MLR模型预测PM10浓度变化。结果表明,较BP-ANN模型、MLR模型,LS-SVR模型能更好地刻画PM10浓度与各气象因素间的非线性相依关系,更准确地预测PM10浓度。     

一种移动通信基站发射天线非轴向功率密度预测模式

以移动通信基站轴向功率密度计算公式为基础,根据非轴向方向上实际监测点位和轴向方向的相对位置,对轴向功率密度计算公式参数进行系列修正,从而建立一种简单适用的移动通信基站非轴向方向上功率密度预测模式.     

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。     

江苏省空气质量预报准确度及改进方法分析

介绍了江苏省重污染天气监测预报预警系统以及大气重污染预警会商流程,将2015年13个地级市的模式预报、人工预报结果分别与实际观测值进行比较。结果表明:人工预报更准确,PM_(2.5)日均值、臭氧日最大8 h平均值、AQI 3个指标人工预报和实况的相关性分别比模式预报高出12.8%、0.3%、11.4%,平均标准误差(MNE)分别低20.7%、3.1%、23.1%。依据国家空气质量预报技术指南评分办法,对各市2015年全年空气质量级别为"良"时进行评分。通过开展07∶00预报更新,使2015年上半年空气质量预报级别得分平均提高了0.9分,全年级别得分平均提高了2.6分;通过改进模式预报参数,使PM_(2.5)日均预报值、臭氧日最大8 h平均预报值、AQI预报值和实际观测值的相关性比上年同期分别提高26.0%、5.0%、33.9%,MNE分别降低3.6%、31.3%、7.6%。     

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。     

基于3种时间序列模型的九龙江河流库区藻华预测

湖库富营养化和有害藻华是全球性生态环境问题,藻华预测与早期预警是保障湖库水源地供水安全的关键技术.如何基于高频水生态在线监测数据进行藻华的实时动态预测成为水生态管理领域的重大需求.本研究以福建省九龙江江东库区(水源地)为例,利用3年连续观测的逐时平均总叶绿素a浓度数据,对比研究了SARIMA、Prophet和LSTM(长短期记忆神经网络)3种时间序列模型在藻华(日平均叶绿素a大于15μg·L^-1)预测方面的效果.结果表明：(1)时间序列模型要求参数少,灵活性强,能清晰反映水质特征和未来变化趋势,可弥补传统藻类监测预警方法的局限性;(2)基于深度学习框架的LSTM模型,具有独特的迭代优化算法,对藻类非线性变化特征的识别和预测能力较强,其总叶绿素a逐日预测和7日预测效果均显著优于SARIMA模型和Prophet模型;(3)输入数据长度会在一定程度上影响模型预测效果,最优的输入数据时间长度为7 d;输入数据频率对预测效果也有影响,在预测非藻华日时,小时数据的预测效果优于日频率数据;在预测藻华日时,两种频率数据无显著差异,但日频率数据能更准确识别藻华日特征.总结起来,基于...     

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。     

Using the land transformation model to forecast vacant land

Growing or shrinking cities can experience increases in vacant land. As urban populations and boundaries fluctuate, holes can open in once tight urban areas. Many cities chase growth-oriented approaches to dealing with vacancies. It is critical to understand land-use alteration to accurately predict transformations of physical change in order to make better informed decisions about this phenomenon. This research utilizes the land transformation model (LTM), an artificial neural networking mechanism in Geographic Information Systems, to forecast vacant land. Variable influence on vacant land prediction and accuracy of the LTM is assessed by comparing input factors and patterns, using time-series data from 1990 to 2010 in Fort Worth, Texas, USA. Results indicate that the LTM can be useful in simulating vacant land-use changes but more precise mechanisms are necessary to increase accuracy. This will allow for more proactive decisions to better regulate the process of urban decline and regeneration.