水环境承载力约束下区域城镇化发展合理速度分析

城镇化发展在促进区域社会经济快速发展的同时也导致水环境问题日益严峻。基于区域水环境承载力探讨了城镇化发展合理速度的计量方法:①构建城镇化进程中水环境承载力评价系统,分析城镇化子系统及水环境承载力子系统的基本要素,建立评价指标体系;基于评价指标,利用向量模法测算水环境承载力综合评价值。②构建水环境承载力约束下的区域城镇化发展合理速度分析模型。③根据不同城镇化发展速度、政府不同管制力度设置9种组合情境,在对相关评价指标进行预测的基础上,分别测算不同情境下的水环境承载力综合评价值;通过“阈值”门槛筛选出合理情境,确定区域城镇化发展速度的合理范围。以经济实力强、城镇化水平高、水环境压力大、制度相对健全的江苏省作为研究区域进行实证分析,测算了2006—2017年江苏省水环境承载力综合评价值,以及2030年9种组合情境下的江苏省水环境承载力综合评价值。获得如下研究结论:①2006—2017年间江苏省水环境承载力虽呈现一定的波动,但2013年以后随着政府管制力度的加强,总体上呈现良好的上升态势,但水环境承载力下滑的压力已开始显现。②2030年9种组合情境中,只有“中/强”“低/强”“低/保持”满足水环境承载力阈值标准。结果表明:到2030年,政府对水环境管制力度“强”的情形下,江苏省城镇化发展可以维持1.0%~1.2%的年增长率;政府对水环境管制力度“保持”的情形下,江苏省城镇化发展只能维持1.0%的年增长率,并据此提出了政策建议。     

基于SIFT与SVM的应急救援图像检测方法研究*

针对公共安全突发事件应急救援的封闭空间场景（Confined Space Scene,CSS）信息采集不通畅、不全面而影响救援等问题,提出1种基于不变特征转换（Scale invariant feature transform,SIFT）和支持向量机（Support Vector Machine,SVM）的图像信息异常检测方法。在场景内外信息传递“断环”情况下,该方法可利用物联网技术采集的图片,或以网络图片信息、历史类似场景数据等作为补充,通过SIFT特征提取、K means聚类处理以及SVM分类,实现场景的智能识别。经仿真分析,该方法能实现封闭空间内外部图像信息互通,“接补”因无法了解事件内部情况而产生的救援环节链条的“断环”,为救援提供决策参考。     

中国能源效率与其影响因素的动态关系研究

本文利用1978-2006年样本数据,首先通过状态空间模型分析了经济结构、技术进步、能源消费结构和能源价格对能源效率的单向动态变化过程及成因;接着使用向量误差修正模型估算出能源效率与其影响因素之间的长期均衡和短期波动关系;在此基础上利用脉冲响应函数和方差分解模型就我国能源效率与其影响因素之间的动态关系作进一步分析。结果表明:改革开放以来我国能源效率与其影响因素之间存在长期均衡关系,经济体制改革和一些相关政策对能源效率有着深远的影响。从长期均衡关系来看,技术进步对能源效率的正面影响最大,能源价格和一些不可观测变量对能源效率有着促进作用,而经济结构和能源消费结构未能对能源效率起推动作用。从各因素对能源效率的贡献百分比来看,能源价格对能源效率的贡献最大,然后依次是经济结构、能源消费结构和技术进步。     

我国农村生态环境保护社区“自组织”载体刍议

当前,我国农村生态环境保护社区"自组织"的载体是居委会,已经得到法律与行政层面的认可.本文认为,社区"自组织"的载体不能仅仅局限于村委会,无论在理念层面还是在实践层面,村委会都存在着缺陷与不足,不能完全代表村民利益共同体.合作组织具有很多优势,应当成为我国农村生态环境保护社区"自组织"的重要载体之一.当前,合作组织载体作用的发挥还面临着许多难题,例如如何处理与村委会的关系、如何保证合法性等等.为此,我们认为,当前必需把合作组织自身建设与政府支持以及规范相互结合起来,合作组织自身建设的重点在于规章制度等环节,政府支持的重点在于人力资源培训以及保证合法性等环节,政府规范的重点在于立法、监督以及矫正等环节.同时,我们还要加强合作组织网络、综合性合作组织以及跨村域合作组织的建设,形成利益嵌套格局,以真正发挥合作组织在农村生态环境保护中的载体作用.     

煤与瓦斯突出预测的支持向量机(SVM)模型

基于支持向量机(SVM)分类算法,考虑影响煤与瓦斯突出的主要因素,建立了煤与瓦斯突出预测的SVM模型。该模型选取开采深度、瓦斯压力、瓦斯放散初速度、煤的坚固性系数以及地质破坏程度5个指标作为模型输入量,同时将煤与瓦斯突出程度划分为无突出、小型突出、中型突出和大型突出4个等级,进而使其评判结果更为细化。以实测数据作为学习样本进行训练,建立相应判别函数对待判样本进行预测。通过算例分析,表明该模型的方法对煤与瓦斯突出预测的合理性与有效性,可以在实际工程中推广。     

城市火灾案例库辅助决策方法的研究

在对城市火灾事故案例进行全面调查、统计和分类分析的基础上,提出一种城市火灾案例特征属性的表示框架,对特征属性进行了层次化和结构化,同时对属性值的取值进行较为科学而严格的定义,进而应用混合相似度度量方法和粗糙-模糊集方法提炼案例中蕴涵的灭火救援知识,给出一种灭火救援辅助决策过程模型;通过查找最相似案例和案例库提炼出相关的灭火救援规则进行灭火救援辅助决策;成功进行了实例验证。该模型的建立可为城市火灾案例智能决策系统的研究提供参考。     

Approximating SWAT Model Using Artificial Neural Network and Support Vector Machine1

Abstract: With the popularity of complex, physically based hydrologic models, the time consumed for running these models is increasing substantially. Using surrogate models to approximate the computationally intensive models is a promising method to save huge amounts of time for parameter estimation. In this study, two learning machines [Artificial Neural Network (ANN) and support vector machine (SVM)] were evaluated and compared for approximating the Soil and Water Assessment Tool (SWAT) model. These two learning machines were tested in two watersheds (Little River Experimental Watershed in Georgia and Mahatango Creek Experimental Watershed in Pennsylvania). The results show that SVM in general exhibited better generalization ability than ANN. In order to effectively and efficiently apply SVM to approximate SWAT, the effect of cross‐validation schemes, parameter dimensions, and training sample sizes on the performance of SVM was evaluated and discussed. It is suggested that 3‐fold cross‐validation is adequate for training the SVM model, and reducing the parameter dimension through determining the parameter values from field data and the sensitivity analysis is an effective means of improving the performance of SVM. As far as the training sample size, it is difficult to determine the appropriate number of samples for training SVM based on the test results obtained in this study. Simple examples were used to illustrate the potential applicability of combining the SVM model with uncertainty analysis algorithm to save efforts for parameter uncertainty of SWAT. In the future, evaluating the applicability of SVM for approximating SWAT in other watersheds and combining SVM with different parameter uncertainty analysis algorithms and evolutionary optimization algorithms deserve further research.     

AVGWLF‐Based Estimation of Nonpoint Source Nitrogen Loads Generated Within Long Island Sound Subwatersheds1

Abstract: The Generalized Watershed Loading Functions (GWLF) model and its ArcView interface (AVGWLF) were used to estimate and examine the components of the total nitrogen (TN) nonpoint source (NPS) load generated within New York and Connecticut (CT) watersheds surrounding Long Island Sound (LIS, the Sound). The majority of data used as model inputs were generally available from online sources, and the work involved an overall calibration to streamflow and TN data in accordance with generic guidelines recommended in the GWLF manual. The GWLF model performance for three calibration and two validation watersheds in CT was compared with results of a detailed model, Hydrological Simulation Program in Fortran, developed in a previous study. The results of the application illustrate the usefulness of the relatively simpler, less parameter‐intensive GWLF model in performing exploratory loading analysis in preparation for adaptive nutrient management in the LIS watersheds. The presented methodology is valuable for identification of priority watersheds for NPS pollution reduction and also for planning‐level evaluation of best management practices to achieve the desired reductions. It is estimated that ground‐water base flow may be the largest pathway for NPS TN to the Sound, contributing about 54% of the total NPS TN load, a finding with significant implications for LIS total maximum daily load reduction scenarios. In addition to ground water, septic systems are estimated to contribute about 17% of the total load, with the remaining TN load being mostly runoff from urban (17%), agricultural (5%), and low impact (e.g., forest) areas (6%).     

国外化学品环境管理和技术支撑体系发展概况(上)

概述了国外化学品环境管理和技术支撑体系发展现状,分析了我国化学品环境管理和技术支撑体系与国外的差距,针对国内化学品环境管理对科技的需求,提出了需优先开展的科学研究领域和课题建议.     

基于支持向量机的边坡稳定性预测研究

针对边坡稳定性影响因素复杂,传统的稳定性分析存在计算量大、计算过程复杂的问题,提出了边坡稳定性的支持向量机预测方法。分析了边坡稳定性的影响因素,选择影响边坡稳定性的边坡重度、内聚力、摩擦角、边坡角、边坡高度、孔隙压力比6项指标为特征向量。并运行该方法对典型边坡实例进行了预测,预测结果与边坡稳定性实际状态及其它方法预测结果相吻合,表明了支持向量机在边坡稳定性预测中的可靠性和有效性。