模糊向量加权记分评价水质

本文把模糊综合评判得到的水质模糊等级向量作为权,赋予不同的分值,即模糊向量加权记分,依据评分的高低确定水质级别,宏观上与最大隶属度判别原则判别结果一致,微观上提高了判别灵敏度,从而达到客观评价水环境质量的目的。     

基于规范变换与误差修正的回归支持向量机的环境系统预测

为了建立不同环境系统皆能规范、统一、简洁、实用的回归支持向量机预测模型,针对传统的回归支持向量机预测模型存在结构不能普适、规范和统一及用于大样本、多因子预测会出现学习效率低、求解精度差的局限,提出适用于环境系统预测量及其影响因子参照值和规范变换式的设计原则和方法,使规范变换后的影响因子皆"等效"于同一个规范影响因子;为提高样本的预测精度,还提出预测样本的模型输出的误差修正法.在对环境系统的预测量及其影响因子进行规范变换的基础上,由有m个规范影响因子的每个建模样本生成m个"等效"训练样本,从建模样本中,选择各影响因子的最大规范值组成训练样本集的"参考样本",计算核函数中每个训练样本相对于"参考样本"的范数;并应用优化算法优化模型参数,建立适用于预测量及其影响因子规范值的仅有2个或3个支持向量的两种简单结构的回归支持向量机预测模型.将基于规范变换的两种简单结构的回归支持向量机模型与相似样本误差修正法相结合,用于河津大桥监测断面6个样本的COD月平均值预测,并与多种传统预测模型和方法进行了比较.结果表明:对同一个预测样本,两种模型的预测值十分接近;此外,两种预测模型用于6个样本预测,其相对误差绝对值的平均值分别为2.09%、2.79%,均远小于传统的投影寻踪回归预测的41.63%、支持向量机预测的40.99%、灰色神经网络预测的25.94%和马尔可夫预测的10.16%;而两种预测模型对异常样本预测的最大的相对误差绝对值分别为5.85%、5.13%,更加远远小于传统的4种预测模型的169.07%、180.45%、68.44%、41.96%.两种基于规范变换的回归支持向量机预测模型简洁、普适、规范和统一,避免了"大样本数困难",提高了学习效率和模型的预测精确度,对其他预测建模法也有借鉴作用.     

自动气象站非规范算法对风观测数据质量的影响

目的弄清非规范算法对风观测数据质量的影响程度。方法采用规范方法和二种非规范方法同时统计长期正常采集的风向风速数据,统计每月16位风向的极大风速及其对应的风向和时间、最大风速及其对应的风向和时间、2 min平均风速、10 min平均风速、含静风的风向频率等参数,并绘制相应参数的风玫瑰图,比较不同算法、相同参数的风玫瑰图,探讨算法间的误差。结果风速简单滑动平均法、风向矢量滑动平均法对16位风向上极大风速、最大风速、10 min平均风速的统计结果与规范方法很接近,而风向、风速简单滑动平均法对上述5种参数的统计结果与规范方法都有很大差异。结论自动气象站非规范算法会降低风观测数据质量,加强自动气象站供货商资质管理是提高气象观测数据质量的基本保障。     

基于小波分解与自适应多级残差修正的最小二乘支持向量回归预测模型的PM2.5浓度预测

采用小波分解(WD)将济南市科干所监测站PM_(2.5)浓度的一维时间序列(2013年1月1日—2017年8月15日)分解为高维信息,获得了该监测站附近PM_(2.5)浓度的时频变化特征,重点分析了PM_(2.5)的随机性和趋势性问题.然后构建了基于小波分解的多级残差修正的最小二乘支持向量回归预测模型(AMLRC-WLSSVR),结果发现,该模型能够很好地对济南市PM_(2.5)浓度做出预测,特别是针对重污染天气的预测有很好的精度.为了避免预测结果的不确定性问题,提出了一种基于方差估计给出预测值置信区间上界的方法,同时,有效弥补了单点预测的不稳定性及预测精度不足的缺点,该方法能够为实际空气污染预警提供技术支持.     

水华过程水质参数与浮游植物定量关系的研究——以太湖梅梁湾为例

考虑到太湖水华暴发过程中水质参数（如营养盐或水体理化参数）对浮游植物增殖的滞后效应,利用有滞后变量参与的格兰杰因果关系检验和向量自回归模型,分析了太湖梅梁湾湖区2000年~2012年的监测数据,探讨了湖泊水质参数对于水华暴发的影响和定量关系.结果发现,表征浮游植物生物量的叶绿素a（Chl-a）浓度与总磷（TP）、氮磷比（N/P）、水温（WT）之间存在长期的均衡关系,格兰杰因果关系模型和向量自回归模型（VAR）的结果显示,水体中TP浓度、N/P和WT是Chl-a含量变化的格兰杰原因,上述结果提供了湖泊水质参数与蓝藻生物量的定量关系,在其他水质参数保持不变的情况下,约1%湖泊TP含量、N/P和水温的变化分别造成0.97%、0.078%和0.55%的浮游植物生物量的变化.本研究为水华暴发研究过程中水质参数的定量化影响提供一个新颖的视角,考虑了时间滞后变量的时间序列分析方法也可以加深对水华暴发过程的理解.     

A microcomputer-based emergency response system*

A microcomputer-based system was developed to provide local officials responsible for disaster management with assistance during the crucial period immediately following a disaster, a period when incorrect decisions could have an adverse impact on the surrounding community.
While the paper focuses on a potential disaster resulting from an accident at a commercial nuclear power generating facility, the system can be applied to other disastrous situations. Decisions involving evacuation, shelter and the deployment of resources must be made in response to floods, earthquakes, accidents in the transportation of hazardous materials, and hurricanes to name a few examples.
As a decision aid, the system was designed to enhance data display by presenting the data in the form of representations (i.e. road maps, evacuation routes, etc.) as well as in list or tabular form. The potential impact of the event (i.e. the release of radioactive material) was displayed in the form of a cloud, representing the dispersion of the radioactive material. In addition, an algorithm was developed to assist the manager in assigning response resources to demands.
The capability for modelling the impact of a disaster is discussed briefly, with reference to a system installed in the communities surrounding the Indian Point nuclear power plant in New York State.
Results demonstrate both the technical feasibility of incorporating microcomputers indecision support systems for radiological emergency response, and the acceptance of such systems by those public officials responsible for implementing the response plans.     

蜂窝状活性炭研究

蜂窝状活性炭是一种新型的活性炭。简要介绍了蜂窝状活性炭的结构特性和吸附性能，重点总结了蜂窝状活性炭基催化剂的制备方法及其在催化方面的应用。     

SOIL MOISTURE PREDICTION USING SUPPORT VECTOR MACHINES1

ABSTRACT: Herein, a recently developed methodology, Support Vector Machines (SVMs), is presented and applied to the challenge of soil moisture prediction. Support Vector Machines are derived from statistical learning theory and can be used to predict a quantity forward in time based on training that uses past data, hence providing a statistically sound approach to solving inverse problems. The principal strength of SVMs lies in the fact that they employ Structural Risk Minimization (SRM) instead of Empirical Risk Minimization (ERM). The SVMs formulate a quadratic optimization problem that ensures a global optimum, which makes them superior to traditional learning algorithms such as Artificial Neural Networks (ANNs). The resulting model is sparse and not characterized by the “curse of dimensionality.” Soil moisture distribution and variation is helpful in predicting and understanding various hydrologic processes, including weather changes, energy and moisture fluxes, drought, irrigation scheduling, and rainfall/runoff generation. Soil moisture and meteorological data are used to generate SVM predictions for four and seven days ahead. Predictions show good agreement with actual soil moisture measurements. Results from the SVM modeling are compared with predictions obtained from ANN models and show that SVM models performed better for soil moisture forecasting than ANN models.     

小断面锚网支护工作面上下隅角安全问题的探讨

利用事故树对小断面锚网支护方式下,上下隅角的安全问题进行了分析,求出了最小割集和基本事件的结构重要度,提出了防止事故的方案,并在现场应用中取得了良好的效果。     

决策支持系统应用于城市环境管理

南宁市环境决策支持系统集环境管理办公自动化、环境管理系统(MIS)、环境地理信息系统(GIS)、多媒体环境管理信息应用和环境管理信息辅助决策等多功能一体集成的综合性环境信息系统，为南宁市环境管理、经济发展决策提供环境信息支撑与服务。