矿井水源判别的GA-SVM模型研究

作为水在岩体中流动通道的渗透结构面,微观上表现出不连续性和高度的非线性等特点,因此,矿井充水水源具有不确定性、非线性。传统水化学判别分析方法往往难以准确地描述这种复杂的非线性特征,因而对矿井水源进行准确判别尚存在一定的困难。在传统SVM(Support Vector Machine,SVM)的基础上,利用遗传算法(Genetic Algorithm,GA)对传统SVM进行优化,克服了传统SVM模型参数选取经验化的弊端,并利用该方法对开磷集团马路坪矿几种水源的6个化学样本进行训练,建立了GA-SVM模型。实例分析表明,该模型判别结果与实际情况相符合,表明该模型在矿井水源判别中具有良好的实用性和有效性。     

基于突变理论的太湖富营养化程度判别

基于太湖夏季9个水功能分区的水质监测结果,综合考虑生物因子(叶绿素a浓度)、营养盐因子(总氮、总磷)、理化因子(水体透明度、高锰酸盐指数)作为评价指标,运用印第安人茅舍型突变模型对太湖的富营养化程度进行定量判别和分析。结果表明:太湖营养化程度时空分布不均。6月份,竺山湖的综合突变隶属度值为0.363;7月份,五里湖、梅梁湖、竺山湖及西部沿岸区的综合突变隶属度值分别为0.328、0.371、0.344及0.337;8月份,梅梁湖和西部沿岸区的综合突变隶属度值分别为0.373和0.362。因此太湖西部、北部的富营养化程度较高,处于中度富营养化状态。     

土地资源、环境与经济发展的协调性评价

评价系统发展协调性的“协调判别法”是这样一种方法：先为系统的各子系统选择一些有代表性又可用一定指标度量的要素，按一定标准将要素分作满意与不满意两类，统计加总各类要素的数量，以之作为度量用的综合指标，并经归一化处理得各子系统的“状态数”；再将这些子系统与一定的“状态空间”对应，在此空间中利用“状态数”确定子系统所属系统的“状态点”及“完全协调线”；然后分别计算状态点与协调线的距离（偏离度）、状态点与原点的距离（优化度），借助它们便可评价各子系统发展的同步性及相应系统的协调性。以此方法对通州市由土地利用、自然环境和社会经济3个子系统组成的系统进行的协调性评价表明，“协调判别法”具有含义明确、简单、较客观、易操作、可比性强的特点，适用于评价复杂系统的协调发展问题。     

对水质自动监测中测量值突变的判别与处理

以程序化方式介绍了判别水质自动监测中测量突变的原因。提出当发现某主要指标异常时，应查看相关指标的运行情况，再校准仪器，并人工同步分析样品。若测定结果的相对偏差大于5％，表明测量仪器故障；若相对偏差小于5％，应继续进行源水分析比对，以判别是仪器故障还是污染事故。通过实例分析，淮南市水质自动监测中DO测量值偏低的原因：一是取水泵安装位置不当，造成负压抽水，使水中DO溢出；二是流程太低，致使管道藻类大量繁殖，消耗了水中DO。解决方法：正确安装取水泵，并加大水泵抽水量，冲刷管道藻类。     

煤中掺比伴生硫化物的自燃特性分析

为了深入探究矿井下伴生硫化物对煤自燃及着火燃烧特性的影响,向原煤中添加不同量的含硫物配制4种不同含硫量的煤样,通过TG实验、DSC测试和XRD分析,研究伴生硫化物对煤自燃及着火燃烧特性的影响规律;基于Coats-Redfern法计算煤中掺加不同伴生硫化物时煤燃烧阶段的活化能。研究结果表明:随着煤中掺比伴生硫化物的增多,煤的特征温度相应减小,而吸氧量、可燃和稳燃指数相应增大,原煤中混入伴生硫化物后更易自燃;随着煤中掺比伴生硫化物的增多,煤燃烧阶段的活化能降低,煤更易着火燃烧;伴生硫化物的主要成分为水绿矾、叶绿矾,这些物质在常温下遇水和氧气能够发生化学循环反应,反应放热促使了煤更易自燃;伴生硫化物在温度高于200℃以后整体表现为放热,在温度为565℃时达到放热峰值,这使得煤燃烧阶段的活化能降低,煤更易燃烧。     

人工神经元网络辅助酚类化合物构效关系研究

分子连接性指数（^tXv）与在正辛醇和水之间的分配系数logP是反映化合物性能的重要结构参数。本文计算了酚类化合物的分子连接性指数及分配系数,运用新型的模式识别方法──人工神经元网络对酚类化合物的构效关系进行了研究。所得结果优于逐步判别法,对于预测未知化合物的毒性,具有重要意义。     

沙尘暴对大连市空气质量影响的判别研究

利用二次因子分析法对大连市区5个大气自动监测点住所测的四种污染因子(CO、SO2、NOx、PM10)和风速(1997～2004年)资料数据进行分析,分析了当地污染排放累积和外来输送两种主要原因,对大连市空气质量的影响.通过进一步对CO、NOx、PM10因子得分之差(FS2-FS1)的分析,找出了适合确定沙尘暴对大连市空气质量影响的判据,即(FS2-FS1)>0     

Water quality evaluation of Haihe River with fuzzy similarity measure methods

Fuzzy similarity measures, which are used to judge the closeness of two fuzzy sets, are presented to evaluate the water quality of the Haihe River. Based on the membership functions and coefficient of variation as the weights, four fuzzy similarity measures （including Lattice similarity measure, Hamming similarity measure, Euclidean similarity measure and the max-min similarity measure） are used to classify the 299 samples into the proper water quality standard ranks. The results are compared with the traditional distance discriminant methods. The calculation of two traditional distance discriminant methods （both Euclidean distance and absolute value distance） is also based on the use of coefficients of variation as the weights. Without the Lattice similarity measure, for this method loses some information, the correct assignment of samples classified into the same water quality ranks is 75.92% with the other three similarity measures and two distance discriminant methods. This result shows the reliability of the five methods. Only considering the three similarity measures, there were only 1.01% of the samples that did not classify to the same ranks, while the corresponding ratio of the two distance discriminant methods was 5.69%. The results of leave-one-out cross validation show that more than 88% of the samples are classified to the proper ranks, which demonstrates that the similarity measures are suitable to evaluate the water quality of the Haihe River.     

矿山地质环境安全评估的Bayes判别分析法及应用

从矿山地质环境的实际特性出发,应用Bayes判别分析方法评估矿山地质环境问题。选用13项影响矿山地质环境的区域地质条件、环境现状、矿产资源开发规划、生态恢复治理状况的具体评估指标,以大量实测资料作为学习样本,并按各总体的样本比例确定先验概率,建立了矿山地质环境评估的Bayes判别分析模型。将该模型用于预测样本的评估中,采用回代估计法对判别结果进行验证,误判率为零,判别结果和实际一致。研究结果表明,Bayes判别分析模型是一种结构稳定、判别准确率很高的评估模型,能够用于矿山地质环境的评估。