基于AGNES算法优化BP神经网络和GIS系统的大气污染物浓度预测

建立了大气污染物浓度与影响因子之间的BP神经网络,对城市中各监测点位的次日大气污染物浓度进行预测,采用GIS的插值分析进行污染物空间分布预测,其中BP神经网络的输入向量采用AGNES算法进行处理。以太原市区SO2、PM10浓度预测为例,选择气温、湿度、降水量、大气压强、风速和前5天的污染物浓度等10个参数训练BP神经网络,结果表明,BP神经网络的训练效果较好,预测结果与实际浓度显著相关,R2分别为0.988、0.976;结合太原市8个监测点位的污染物浓度预测值,运用GIS空间差值法绘出SO2、PM10的浓度分布预测图,该图与实际情况大体符合,并且与国控大气污染企业的分布显著相关,Pearson相关系数分别为0.969、0.949。     

基于激光雷达分析一次重霾过程混合层高度

为深化对冬季重霾天气大气混合层高度的认识,利用Mie散射激光雷达观测了成都市2014年1月23日至2月4日一次典型重霾天气过程。基于Mie散射激光雷达探测获取的后向散射系数,使用SBH99算法计算了该过程的混合层高度,并系统分析其演变特征及其与气象因子的关系,研究结果表明:将激光雷达探测的混合层高度与探空曲线表征出的混合层高度进行对比分析,结果显示两者具有较好的一致性,相关系数为0.893 4;此次重霾过程中,混合层高度平均值较低,约378 m;霾天气发生后,混合层高度显著下降,并且混合层高度的最大值与最小值之间差距缩小,日变化波动不明显;混合层高度的发展与空气温度的变化趋势呈正相关关系,与相对湿度呈负相关关系。     

基于数字图像处理的人员运动参数提取方法研究

针对人员疏散研究中提取疏散场景行人运动参数的需要,采用数字图像处理技术对记录行人运动的视频进行了处理.首先对背景进行混合高斯建模并提取前景,然后采用mean-shift算法对视频中彼此相连的多个行人目标进行有效地聚类分割并准确地跟踪每个行人,得到了包含有行人运动特性时空信息的运动轨迹,利用轨迹得到了行人在行进过程中的速度变化特征.结果表明该文所提出方法可以方便、快速、准确地提取人员运动特性参数,可望对提取人员疏散实验以及真实场景中行人运动的基础数据,如速度、密度、流量等提供有效的技术手段.     

免疫进化算法反演均匀混合气溶胶吸湿增长因子

通过对大气消光系数进行组分分解,并借助米散射理论,构建了以均匀混合气溶胶吸湿增长因子为唯一变量的目标函数.进一步利用免疫进化算法优化该目标函数,提出了一种针对均匀混合气溶胶吸湿增长因子的反演算法.基于成都市2017年10~12月浊度计,黑碳仪和GRIMM180环境颗粒物监测仪的地面逐时观测资料以及该时段同时次的环境气象监测数据（大气能见度,相对湿度RH和NO₂质量浓度）,评估了算法的性能及其适用性.结果表明：对所有测试样本而言,反演均匀混合气溶胶吸湿增长因子的免疫进化算法均能快速收敛到全局最优解.建立了成都地区秋冬季均匀混合气溶胶吸湿增长模型,该模型显著提升了环境条件下气溶胶散射系数的模拟精度,其模拟值与实测值之间的平均相对误差仅为12.7%.该反演算法的普适性可为气溶胶吸湿性及其辐射强迫效应的后续研究提供算法保障.     

基于随机优化方法的大气污染物总量控制模型

出了基于随机优化方法的总量控制模型.该模型引入随机变量描述影响环境容量的气象条件,对环境质量目标值的约束做了重要的改进,并利用随机模拟和遗传算法求解,使模型具有较强的合理性和可操作性.采用该模型对云南省玉溪市红塔区大气污染物总量进行了实验性计算,取得了较好的效果.     

基于B－P网络的水质营养状态评价模型及其效果检验

选取与ＴＳＩｃ为０，５０，１０相应的水质营养状态作为３个建模样本，以ｃｈｌ－ａ，ＴＰ，ＴＮ和ＳＤ４个水质参数作为样本的输入特征，建立了Ｂ－Ｐ网络的水质营养状态评价模型。该模型应用于全国３０个湖泊水质的营养状态评价，获得了较好的检验效果。     

地下水硝酸盐污染抽出处理优化方法模拟研究

以北京某场地生活垃圾填埋场硝酸盐污染地下水为研究对象,针对抽出处理技术,利用遗传算法(GA)和模拟退火法(SA)对地下水硝酸盐污染羽治理区中布置18口备选井方案进行优化.优化目标函数最小化治理成本,确定最佳井数及其井的位置和抽水速率,同时达到在100 d内将研究区硝酸盐浓度降低至10 mg·L-1的治理目标.GA优化结果为8号井优化抽水速率为155 m3·d-1,14号井优化抽水速率为10 m3·d-1.SA优化结果为8号井优化抽水速率为82 m3·d-1,14号井优化抽水速率为39 m3·d-1.基于GA和SA优化抽水速率,硝酸盐总量去除率分别为76.89%和84.92%.优化结果说明,最佳井的位置应位于硝酸盐污染羽中游及中下游的中轴线上,且中游抽水速率比下游要大.两种优化算法对比表明SA优化系统治理成本比GA节省6.8%,且波动性小,更收敛.     

基于遗传算法的次级河流回水段水质模型多参数识别

根据长江次级河流临江河回水段的实际情况,建立一维水质模型,模型中的各变化项采用有限差分法(FDM)进行离散,以回水段水体中COD和NH3-N的实测资料为基础,利用自适应遗传算法(AGA)对2种污染物的纵向离散系数及一级降解系数进行反演计算,得出回水段COD和NH3-N的纵向离散系数分别为0.5227,0.5196km2/h,一级降解系数分别为0.0342,0.0367h-1;计算值与实测值吻合较好,表明FDM-AGA方法能较好地运用于次级河流回水段水质模型的多参数识别.     

HSY算法在水质模型参数识别中的应用探讨

参数识别是水质模拟中的技术核心，数据稀缺是水质模型经常面临的问题。采用HSY算法可求得模型参数的分布，而不再是一个单一的最优参数，从而在一定程度上避免了由于“最优”参数失真带来的决策风险，本文以南水北调一期工为例，讨论了在稀疏数据条件下如何应用HSY算法识别CSTR水质模型的参数，并对识别的模型参数进行了检验。模型检验采取了2种方法：分别用动态和稳态计算方法得出的参数进行比较；用模拟结果分布于实测值进行比较。结果表明，HSY算法为稀疏数据条件下进行识别、建立数学模型提供了一条有效的途径。     

基于ANN分类的农田遥感动态监测模型研究

保护基本农田是我国农业可持续发展的基础和前提,动态监测基本农田在时间和空间上的变化能够为农业开发政策的制定,农业经济发展的规划与管理提供有效的辅助决策手段。论文利用人工神经网络的BP算法实现了对两个时期的遥感影像进行基本农田类型的分类提取,在保证精度的前提下,探索了一条把单要素监测和多要素监测相结合的遥感动态监测模型,并详细描述了模型实现的算法与步骤。最后利用该模型对实验区进行了监测,并对监测结果进行了分析,结果表明模型很好地评估了研究区基本农田的数量和发展潜力,定性、定量、定位地揭示了研究区基本农田类型在时空上的变化规律。