改进SSD方法在电缆隧道明火识别中的应用

针对单次多重检查( single-shot detector, SSD)方法对小目标物体检测的鲁棒性较差的问题,提出了一种改进的单次多重检查方法应用于电缆隧道明火识别中,通过选取不同层次的特征映射图进行多尺度检测,并引入一组不同大小和长宽比的默认边界框,以增强对小范围明火识别的鲁棒性。首先,构建SSD网络模型,选取6组不同尺寸的特征映射图,并对采集到的明火图像进行预处理;然后,对整个SSD网络进行训练并对默认边界框的大小等参数选取进行优化;最后,得到应用于电缆隧道明火识别的SSD网络,并通过测试集对该方法的识别速度和准.确率进行了检验。应用结果表明该方法具有计算速度快、识别准确度高等特点,在电缆隧道明火识别中具有工程应用的参考意义。     

基于长短时记忆神经网络的河流水质预测研究

准确高效地预测河流水质变化趋势对河流水环境治理与保护具有重要意义。该文利用广州市白坭河上自动监测站每2 h的水质数据,从单测站数据时序之间的相关性和上游测站的影响两方面,分别建立长短时记忆网络(LSTM)河流水质预测的循环神经网络模型。模型以氨氮浓度为输出变量,比较了不同输入变量下的模型预测效果,并以最优模型和常用的深度学习算法支持向量机(SVM)进行了比较。结果表明:单测站LSTM模型经输入变量特征选择后的预测结果比仅使用氨氮浓度单变量的时间序列预测更接近真实数值;对加入上游监测站的双测站LSTM模型,输入的变量经过特征选择时,模型预测效果优于全部水质变量作为输入的预测结果,也优于单测站LSTM模型;但不进行特征选择时,输入变量增加,模型学习到噪声而使精度下降;和SVM模型相比,最优特征组合的LSTM模型具有更好的预测效果。研究也表明,对输入变量进行特征选择后,LSTM模型是一种有潜力的河流水质预测方法。     

上海市突发环境污染事故风险区划

环境风险区划是区域布局型环境风险管理及环境风险分区管理的重要手段.本研究在环境风险系统理论的指导下,借鉴“自上而下”和“自下而上”传统区划方对上海市突发环境风险进行区划研究.上海市突发环境风险区划中“自上而下”环境风险一级区的划分是依据上海市1990~2008年突发污染事故历史时空格局获得;而“自下而上”是通过构建上海市风险区划指标体系,在对指标进行概念模型量化的基础上,运用基于遗传算法的K均值聚类在最小区划单元进行聚类区划,并依据上海市政府宏观规划对聚类后的图斑碎块进行科学性和实用性调整,获得上海市突发环境污染事故风险亚区和小区;将上海市突发环境风险一级区及亚区和小区集成分析,实现上海市突发环境污染事故风险综合区划.结果表明:上海市突发环境污染事故风险区划包含2个风险一级区,5个风险亚区和21个风险小区,客观揭示了上海市突发环境污染事故风险的空间分布规律.针对上海市布局型环境风险和不同风险区提出相应的管理措施,为上海市综合减灾降险和风险管理决策提供科学依据.     

基于生态系统服务的生态承载力:概念、内涵与评估模型及应用

生态承载力是生态学研究的难点之一,是较资源承载力、环境承载力等更为复杂和综合的概念.论文在分析当前生态承载力研究进展的基础上提出以"生态系统—生态系统服务—人口和经济(承载力)"为研究主线的基于生态系统服务的生态承载力(Ecosystem-Servicesbased Ecological Carrying Capacity,ESECC)的定义,即某个区域生态系统的结构、过程及其空间格局决定的生态系统服务所能支撑的具有一定发展水平的人口和经济规模,并构建ESECC评估模型:将所有与人类密切相关的生态系统服务纳入评估模型,把生态系统和人类活动看作"黑箱",针对每种生态系统服务分别评估其承载力,并根据"短板效应"取最小值作为区域生态承载力.最后以全球重要农业文化遗产"云南红河哈尼稻作梯田系统"核心保护区之一云南省红河县为例对ESECC评估模型进行案例研究.     

基于水文学方法的珠江流域生态流量研究

珠江流域水资源丰富,但由于水体污染等原因,水质性缺水问题较为突出,区域水环境、水生态以及水安全等成为急需解决的重要科学问题。开展生态流量研究对于评价地表水文过程演变对区域水环境与水生态的影响具有重要理论意义,并为区域水资源优化配置和可持续开发利用提供科学依据。基于此,运用各种＂水文学＂方法（包括最小月平均流量法、改进的7Q10法、NGPRP法、逐月最小生态径流计算法和逐月频率计算法）对珠江流域11个主要水文控制站点的实测月径流量做了全面而系统的研究,分析珠江流域生态径流过程,并通过与Tennant法对比分析,选择逐月最小生态径流计算法和逐月频率计算法分别计算了各水文控制站的最小生态径流量和适宜生态径流量,除个别站点外,其评价结果分别处于Tennant法＂中＂和＂最佳＂的等级。对于逐月频率计算法中保证率的选取方法,研究表明各月径流系列均取50%最适合珠江流域。研究同时为仅利用水文资料中的多年逐月径流数据来确定生态需水提供了一种新的研究思路。     

低温下排水速率对CANON型人工快速渗滤系统稳定性的影响

在中温[(35±2)℃]、高氨氮[(459.98±36.98)mg/L]浓度下启动基于亚硝化的全程自养脱氮(CANON)型人工快速渗滤(CRI)系统,而后使其在低温[(10±2)℃]下处理生活污水,探究了排水速率(vd)对系统氮素转化性能及微生物特性的影响.结果表明,对vd的合理设置可修复并优化CRI系统中的限氧微环境...     

深度学习在裸地扬尘源监测中的应用研究

裸地是扬尘的重要来源,施工建设过程中形成的裸地极易在大风天气作用下造成扬尘污染。因此,快速、有效地定位裸地位置,并确认其管控措施落实情况,对于开展裸地扬尘源监管具有重要意义。基于高分辨率遥感监测数据,结合人工解译裸地扬尘源数据集,以北京市大兴区为例,利用深度学习方法对裸地和防尘网覆盖裸地进行分类识别。同时,利用颜色匹配法对大兴区防尘网覆盖裸地进行识别,横向评估深度学习方法的识别精度。结果显示：深度学习方法对防尘网覆盖裸地的识别精度达97%,对裸地的识别精度达61%;颜色匹配法对防尘网覆盖裸地的识别精度达85%。防尘网覆盖裸地的颜色特征鲜明,深度学习方法和颜色匹配法对防尘网覆盖裸地的识别精度都在85%以上。深度学习方法对于面积大于2 000 m²的图斑有着较好的识别精度。深度学习方法可以提高裸地遥感解译的效率,实现规范化图像识别,可以作为人工判读的辅助手段。在实际应用中,可通过进一步积累样本来增强模型性能。深度学习方法适用于裸地扬尘源线索快速发现、工地防尘网措施落实情况快速检测等场景。     

拔风管对CANON型人工湿地脱氮性能的影响

以猪场沼液为处理对象,探究了拔风管对基于亚硝化的全程自养脱氮(CANON)型潮汐流人工湿地(TFCW)氮素转化性能及微生物种群结构的影响.结果表明,拔风管数量可显著影响CANON型TFCW中脱氮功能微生物的数量与活性,进而影响其氮素转化速率.在水力负荷(HLR)≤0.18m3/(m2·d)的前提下,随着拔风管数量由0增...     

险时搞救援平时抓防范

过去,矿山救援队像消防站一样,养兵千日、用兵一时,其主要职责是当矿山发生事故后,进行抢险救援,没有救援任务时展开学习训练、值守待命。近年来,河北省沙河市矿山救援队按照国家安全监管总局关于组织救援队伍开展预防性安全检查的有关指示精神,转变观念,采用“四结合”模式,不仅在值守待命中学习、演练救援本领,而且变坐等事故救援为主动出击防灾避灾,