OPTIMIZATION OF INTERMITTENT PUMPING SCHEDULES FOR AQUIFER REMEDIATION USING A GENETIC ALGORITHM1

ABSTRACT: Using a genetic algorithm (GA), optimal intermittent pumping schedules were established to simulate pump‐and‐treat remediation of a contaminated aquifer with known hydraulic limitations and a water miscible contaminant, located within the Duke Forest in Durham, North Carolina. The objectives of the optimization model were to minimize total costs, minimize health risks, and maximize the amount of contaminant removed from the aquifer. Stochastic ground water and contaminant transport models were required to provide estimates of contaminant concentrations at pumping wells. Optimization model simulations defined a tradeoff curve between the pumping cost and the amount of contaminant extracted from the aquifer. For this specific aquifer/miscible contaminant combination, the model simulations indicated that pump‐and‐treat remediation using intermittent pumping schedules for each pumping well produced significant reductions in predicted contaminant concentrations and associated health risks at a reasonable cost, after a remediation time of two years.     

基于遗传算法优化的大气质量评价的污染危害指数公式

基于污染危害率概念,提出了大气环境质量评价的污染危害指数计算公式和新的因子赋权法．指出用污染物的浓度相对值代替其监测值,公式中的参数可认为不随污染物种类和数目而改变．采用遗传算法对公式中的参数进行优化,得到了适用于多种污染物的大气质量评价的污染危害指数计算公式应用该公式对实例评价的结果与用其他多种方法评价结果进行了比较结果表明,该公式用于大气环境质量评价的物理意义明确、普适性强、计算简单、使用方便．     

火灾探测算法评估技术研究

论述了火灾探测算法评估技术研究的重要性。提出一种火灾探测算法评估技术方法,在评估过程中主要考虑了火灾探测算法的三种重要属性,即火灾探测性能、环境适应性和抗误报能力。设计并实现了三种火灾探测算法评估模式和相应的实验流程,包括实体实验、接口模拟和软件模拟。为每一种模式设计了具体的实验方法,评估实例证明了所设计的模式和方法的有效性。     

改进的BP算法在黄河下游枯季径流预测中的应用

本在黄河下游地区应用多层前向人工神经网络理论,通过改进BP算法,建立下游枯季径流预测的BP神经网络模型,使用花园口-利津水站26年的完整序列测流资料训练和检验网络并用于预测,结果表明,通过本次研究建立的BP网络模型是合理的,可靠的,它较好地反映了黄河下游的枯季径流规律,可为今后黄河流域水资源的统一调度,管理,尤其是预防黄河下游再次出现断流提供科学依据。     

热电池失效分析及等效加速贮存试验技术

目的 建立基于实测环境载荷的热电池等效加速贮存试验技术,掌握其在环境载荷作用下的性能退化规律。方法 在分析热电池组成和所受环境载荷情况的基础上,分析热电池的主要失效模式,设计基于实测环境数据的等效加速贮存试验,开展热电池等效加速贮存试验,分析热电池性能和热图像的变化情况,利用粒子滤波算法对电池剩余电容量进行预测。结果 随加速循环次数（时间）的增加,热电池的电容量下降。热图像表明,热电池经过等效加速贮存试验后,其放电过程表面温度要高于初始放电表面温度。粒子滤波算法能够有效模拟电容量的退化过程,电池剩余电容量预测结果与试验结果误差在10%以内。结论 等效加速贮存试验得到了热电池的性能退化规律,从而为热电池的贮存试验提供一种解决方案。     

基于链式多重插补的WOA-ELM煤与瓦斯突出预测模型

为了提高缺失数据下煤与瓦斯突出预测准确率,提出1种基于链式支持向量机多重插补(MICE＿SVM)的鲸鱼优化算法(WOA)-极限学习机(ELM)预测模型,以淮南朱集矿区为例,选取5个煤与瓦斯突出影响指标作为模型特征,采用提出的MICE＿SVM算法插补突出事故数据中缺失值,利用WOA优选ELM输入层权值及隐含层阈值,构建煤与瓦斯突出预测模型,将插补后数据用于WOA-ELM模型的训练与测试,并与其他模型的预测效果对比。研究结果表明：MICE＿SVM插补前、后的有突出数据预测准确率分别为83.02%,90.41%,MICE＿SVM显著提高了有突出预测准确率,对无突出和整体的预测准确率提高不明显;数据插补后WOA优化ELM对无突出、有突出和整体的预测准确率分别为97.94%,96.25%,96.48%,较优化前分别提高了5.79%,5.84%,5.55%,数据插补后WOA-ELM为最佳预测模型。     

Numerical model of flow and pollutant transportation in non-orthogonal curvilinear coordinates

The planar 2D k-ε double equations‘ turbulence model was adopted and transformed into non-orthogonal curvilinear coordinates. The concentration convection-diffusion was introduced to planar 2D SIMPLEC algorithm of flow in non-orthogonal curvilinear coordinates. The numerical model of pollutant transportation in non-orthogonal curvilinear coordinates was constructed. The model was applied to simulate the flow and pollutant concentration fields. In the testing concentration field, two optimal operations of contamination discharging both along bank and in the centerline at the first bend of the meandering channel were adopted. Comparison with available data showed the model developed was successful, was valuable to engineering application.     

基于形态滤波遗传算法对目标红外图像特征检测

将形态滤波和自适应遗传算法结合起来,提出了一个用于目标检测的形态滤波器参数优化遗传算法。通过设计了形态滤波的遗传算法,寻求最佳结构元,以实现对目标的自适应检测。作为2个特殊环境中的应用检测实例,分别对固体推进器尾喷焰红外图像和复杂背景下的弱小目标进行检测。实验结果表明该方法能够更好地适应环境变化,更大程度地提高目标信号检测的信号噪声（SNR）比,有效地检测出复杂背景下的目标。     

城市景观格局时空特征的热环境效应研究——以广州市花都区为例

1999-2009 年,广州市花都区经历了经济腾飞的10 a,不断变迁的城市景观格局时刻影响着热环境的分布.论文基于Landsat TM/ETM+遥感数据,获得地温反演图和土地利用类型图.采用均值-标准差法划分热力等级以分析热力重心变化,并与建设用地重心变化作对比.通过移动窗口得出可视化的景观指数,指数刻画包括景观多样性和建设用地密度、形状和分布状况,进而分析景观指数与地温间的相关性.研究结果表明:区内南部受人类活动影响最为剧烈;土地利用类型并非是影响地温分布的唯一因素;区内城市景观格局多样性与地温虽存在正相关关系,但随着多样性程度加剧且各组合面积比例均匀,降低了两者相关程度;建设用地面积比例、分离度与地温的相关关系较为稳定,且比例较高或分离度较低的所在区域通常为高温区;建设用地平均分维指数与地温的相关性随着其形状的复杂性加剧和分布范围扩大而降低,即影响了高温形成的程度.     

基于数据挖掘算法和数值模拟技术的大气污染减排效果评估

近年来,京津冀地区采取了大量污染减排措施进行大气污染治理,如何客观评估减排效果是目前大气环境领域的研究难点.为准确评估大气污染过程的减排效果,本文利用北京地区常规气象资料、国控站PM_(2.5)浓度资料,遴选了北京地区2018年3月11—14日和2013年3月14—17日两次空气污染过程,计算了大气容量系数、静稳指数,并利用KNN数据挖掘算法和WRF-Chem模式,对比分析了有无减排条件下的PM_(2.5)日均浓度.结果表明:两次空气污染过程的天气形势和局地气象条件较相似,就大气热力和动力的垂直结构来看,2018年空气污染过程比2013年空气污染过程的大气稳定性更强、边界层高度更低、环境容量更小,但PM_(2.5)峰值浓度却显著下降,平均浓度明显降低,PM_(2.5)小时浓度的增长趋势相对平缓,重污染持续时间缩短.KNN数据挖掘算法减排评估结果显示,该方法能够较好地预测PM_(2.5)日均浓度的变化趋势,2018年3月11—14日,在减排和不减排情景下PM_(2.5)日均值分别为171和229μg·m~(-3),减排使得污染过程PM_(2.5)平均浓度下降了25.3%.数值模拟结果与KNN数据分析结论吻合,进一步验证了减排措施的有效性.综合看来,2018年空气污染过程中PM_(2.5)浓度相比历史相似气象条件下的污染过程显著降低,这是长期大力度减排效果的体现.