高校能源消耗建模研究与应用

针对高校能源消耗建模研究与应用问题,文中介绍了高校能耗日益增长现状,给出了高校能耗模型构建,为节约能源必须做好精准能耗预测.建立了灰色径向基函数神经网络高校能耗预测模型,并采用基于排序等分法赌盘规则选择算子的遗传算法对该模型进行全局优化,进一步用实例对比分析评估了模型的有效性.实践表明,优化后的模型能有效预测能耗,与传统单一的建模方式相比,有更好的拟合性、稳定性、预测精度和更快的收敛速度,为节能评估和设计提供了决策依据.     

环球扫描

<正>《美国国家科学院院刊》2014年2月2日气候变化是导致厄尔尼诺现象南方涛动(热带太平洋、印度洋之间大气质量的一种大尺度起伏振荡)发生的一个重要原因,而厄尔尼诺现象又会引致世界各地灾害频发。尽管预测厄尔尼诺现象非常的重要,但传统厄尔尼诺现象的早期预测     

我国废弃液晶显示器产生量预测及管理策略分析

随着液晶显示设备的广泛应用,液晶显示器(LCD)的废弃量逐年增多,为准确掌握当前及未来废弃LCD的产生量及其动态变化规律,对台式电脑LCD、笔记本电脑和液晶电视三大类主要LCD产品2014—2020年的销售量及废弃量进行了预测,分别采用灰色模型GM(1,1)和Carnegie Mellon模型进行分析。结果显示,2014—2020年我国台式电脑LCD、笔记本电脑、液晶电视三大类LCD电子产品的淘汰数量巨大,累计将达108 915.3万台,其中再使用和循环利用的废旧产品将达70 794.9万和16 922.1万台,被用户储存的废旧产品为30 051.3万台,最终废弃待处理量为51 589.1万台。围绕废弃LCD的回收处理问题,进一步分析提出,需从回收管理体系建设与产业化技术研发两方面加以应对。     

空气质量实况比预测骨感？

一些细心的城市居民经常发现,AQI（空气质量指数）预报情况与实际情况存在一定出入,似乎空气质量预测的数值总比实际监测值偏低,预报给人的感觉总是不准。对PM2.5浓度的预报同样存在类似情况。有市民调侃说,是不是在预报数上再自己加20才有参考意义呢？     

基于改进logistic模型的天津市电子废弃物产生量预测

随着我国在固体废物和电子废物污染治理方面政策和法律的完善,构建电子废弃物的回收网络和管理体系是今后我国电子废弃物资源化和处置的重点,但其前提是准确预测电子废弃物的产生量和类型。文章借鉴"环境容量"概念,根据城市化进程特征和人口数量变化规律,利用生态学中的logistic种群增长模型,并结合电子废弃物的产生特征,对该模型进行改进,以天津市为例,针对家用电脑、手机、彩色电视机、电冰箱、空调等5类电子产品为研究对象,对天津电子废弃物产生量的增加趋势进行预测,结果表明,5类电子产品的总废弃量将在2040年左右出现峰值,其产生量将从2010年的362.57万台增加到2040年的1 877.66万台。根据该预测结果,可以为天津市构建电子废弃物回收利用体系提供前期研究基础,并对全国其他大中型城市电子废弃物回收都具有借鉴作用。     

尾矿库溃坝环境风险预测方法实例研究

现行的《建设项目环境风险评价技术导则》主要是针对有毒有害物质的泄漏、火灾和爆炸事故,对于尾矿库环境风险评价可操作性差,存在评价方法及预测模式不适应的问题。目前已报道的尾矿库溃坝预测模式主要有坝高倍数估算法、经验公式法和二维数值模拟法。对不同的模式做了对比分析,并通过联合应用水库溃坝模式和泥石流模式对南方某山谷型金矿尾矿库的溃坝进行了实例研究。结果表明,水库溃坝模式更适用于洪水漫顶型溃坝,泥石流模式更适用于饱和失稳溃坝。2种模式联合应用的方法具有较强的可操作性。实例研究得该尾矿库溃坝的应急响应时间非常短,溃坝后160 s尾砂流就能淹没下游1 000 m的距离,尾砂堆积厚度超过1 m的距离达到1.2 km,最大影响距离达到1.7 km,对下游居民造成严重影响,预测结果为该金矿环评确定风险安全距离、环境风险应急预案的编制提供了重要的依据。     

集中供热项目环境效益分析——以某市集中供热项目为例

介绍了某市新区供热现状,并对预测模型AERMOD的运行参数及数据来源进行了简要说明,根据区内供热现状及采取集中供热方式后新区冬季采暖集中供热锅炉烟气污染物排放源强的变化情况,采用AERMOD模型分别进行了预测。在此基础上,通过对比分析,得出了大型集中供热工程具有明显环境效益的结论。     

北京市生活垃圾产生量的预测研究

分析了影响北京市城市生活垃圾产生量的因素,采用多元回归分析方法建立了城市生活垃圾年产生量的预测模型.并采用该模型,对2013-2015年北京市城市生活垃圾年产生量进行了预测.结果表明,未来2年北京市城市生活垃圾产生量呈缓慢上升趋势,预计到2015年北京市城市生活垃圾产生量将达到662.4t.     

基于ARIMA模型的PM_(2.5)预测

PM2.5的精确预测是大气污染评价和治理的关键性工作。本文针对PM2.5浓度变化的时间序列分布特征,结合环境监测站提供的相关数据,应用自回归移动平均模型(ARIMA(p,d,q))预测短期PM2.5的日平均浓度。结果表明:由于PM2.5浓度变化受气象场、排放源、复杂下垫面、理化生过程的耦合等多种因素的影响,不同时段内的变化模式存在巨大差异,因此采用分时段序列预测模型可以提高PM2.5的预测精度;通过将分时段序列模型与灰色GM(1,1)模型和全年时间序列模型的预测结果进行对比,发现该模型预测效果更好。     

软土地基沉降预测的GM(2,1)模型分析和改进

目前大多数地基沉降预测模型都是统计模型,物理意义不够明确。本文以灰色系统预测模型中的GM(2,1)模型作为软土地基沉降预测模型,通过分析GM(2,1)模型与Asaoka公式之间的联系,指出其白化方程与Asaoka法二阶微分方程具有严格的一致性,为GM(2,1)模型在地基沉降预测中提供了明确的物理意义;利用最小二乘法和模式搜索法对GM(2,1)模型的参数求解进行了优化,并将GM(2,1)模型应用于实际工程中,结果表明该模型优于双曲线法和Asaoka法,可以应用于软土地基的沉降预测。