运动目标检测与跟踪技术研究应用现状与展望

针对目标检测与跟踪技术中单目标或多目标跟踪已有的多种计算方法,分析现有各种方法的特点及发展状况,并对目标跟踪技术的应用情况进行介绍。     

活性炭负载TiO_2电催化氧化处理酸性红B的研究

采用溶胶凝胶法制备颗粒活性炭负载二氧化钛(TiO_2/GAC)的催化粒子电极用于染料废水中酸性红B的降解去除。XRD图谱表明负载的TiO_2是锐钛矿相和金红石相的混合晶型,FESEM-EDS显示GAC表面Ti元素的质量百分比约为14.4%,N_2吸附脱附结果显示TiO_2/GAC的比表面积是708.5 m~2/g,孔容是0.395 4 cm~3/g,与GAC一样,是以微孔结构为主。在电流为0.6 A、电解质Na_2SO_4浓度为0.03 mol/L、水力停留时间为20 min条件下,TiO_2/GAC粒子电极对COD和TOC的去除率分别达到68.60%和45.12%相比GAC分别提高了35%和30%。紫外可见吸收光谱和分子荧光吸收光谱显示,电流的增加有利于酸性红B的降解,降解中间产物主要以类富里酸类物质为主酸性红B的降解会导致具荧光吸收性类富里酸物质浓度增加。     

丹东市少尘污染监测及分析

分析了2002年4月7日－9日沙尘对丹东市的影响和危害，提出了监测沙尘的到达时间，持续时间，污染项目，污染物成份及建立沙尘影响的数据库和信息网。     

复合负载型γ-Al2O3-Bi-(Sn/Sb)粒子电极电催化降解四环素废水

以模拟废水中的四环素(TC)和TOC(总有机碳)去除率为研究指标,探讨粒子电极的不同体系对降解四环素废水的影响。同时以浸渍法优化制备不同负载型γ-Al_2O_3粒子电极,并研究了其电催化性能和降解能耗,考察浸渍法和后浸渍法制备粒子电极的优劣。结果表明:三维电解体系对TC的降解效果达到40.1%,明显优于二维体系的29.1%;不同负载型粒子电极对TC的降解效果依次为Bi>Sn/Sb>Ti>Co>Cu>Fe>Mn,其中γ-Al_2O_3-Bi粒子电极对TC和TOC的去除效果最佳,分别为63.8%、36.3%;γ-Al_2O_3-Bi和γ-Al_2O_3-Sn/Sb粒子电极的能耗分别为85.9,90.7 (kW·h)/kg,远低于二维降解体系(205.5 (kW·h)/kg);浸渍法制得的γ-Al_2O_3-Bi-(Sn/Sb)对TC的电解效率明显优于后浸渍法制得的粒子电极,其中前者为78.9%,高出后者约10百分点。     

大气新粒子生成参数化方案的测量与应用研究

该研究搭建流动管反应器研究了气态硫酸-水-氨气(H_2SO_4-H_2O-NH_3)三元成核体系,实测了不同NH_3浓度条件下新粒子成核速率和生长速率与前驱气体浓度、温度和湿度各影响因素之间参数化关系。依据气溶胶动态平衡方程,结合实际大气成核过程中成核速率、碰并清除速率、生长速率和新粒子浓度变化速率的定量联系,间接估算出大气新粒子碰撞捕获效率系数γ在10 nm以下平均值为0.07,在10～20 nm平均值为0.12。结合Kerminen and Kulmala公式,将实测的参数化关系式耦合到区域空气质量模型WRF-Chem中,用模式模拟了2016年杭州G20会议期间新粒子生成粒径谱、纳米级气溶胶数浓度和亚微米气溶胶数浓度,结果表明能够在一定程度上预测新粒子生成事件的发生和超细粒子的数浓度。     

基于PSO优化BP神经网络的水质预测研究

为快速准确地预测河流水质,结合汾河监测数据,使用粒子群算法(PSO)优化BP神经网络模型(PSO-BP)进行水质预测.通过灰色关联度分析确定输入变量,利用PSO算法修正BP网络的初始权值、阈值,优化神经网络结构及算法全局收敛性.采用该模型对汾河主要污染物指标COD、BOD5、氨氮、挥发酚等进行预测和验证.结果表明,与传统的BP神经网络模型相比,PSO-BP模型使最大相对误差从15.43％减小到1.46％,其平均误差由4.00％减小到1.01％,预测均方根误差从5.956×10-3减小到1.605×10-4.因此,基于PSO-BP神经网络模型的预测更加精确,可用于水质预测.     

基于证据理论的煤矿瓦斯涌出组合预测

为提高煤矿瓦斯涌出量预测的准确度,引入证据理论组合预测方法。根据瓦斯涌出量及其主要影响因素间的实验数据,采用3个不同的粒子群神经网络模型对涌出量进行初步预测。并由BP、RBF网络对预测误差及预测点的影响因素进行分析建模,以获取每个模型的可信度。再利用证据理论对其进行合成,确定组合模型的权值,最终实现对瓦斯涌出量的组合预测。实例结果表明,该组合预测方法的平均绝对误差、均方误差分别为18.5%、5.8%,均小于神经网络组合法及等权平均法的相应预测误差,适用于煤矿瓦斯涌出量预测。     

固废填埋场地土壤-地下水的砷污染反应运移模拟与源强识别

污染场地土壤-地下水系统中污染组分源强的精准识别是实现地下水污染高效治理与有效防控的根本前提.针对某固废填埋场地1号、3号地块地下水As(Ⅲ)浓度出现高值异常,采用统计相关分析方法分析了地下水中As(Ⅲ)与其他检出特征组分的相关关系,确定了As(Ⅲ)与PO₄^3-之间的竞争吸附反应是地下水中As(Ⅲ)污染的主要原因;随后采用表面络合模型(SCM)模拟竞争吸附反应,并建立了基于TOUGHREACT的场地土壤-地下水系统As(Ⅲ)污染组分反应运移模型;最后利用粒子群优化(PSO)算法构建了污染地块As(Ⅲ)污染的源强识别的模拟优化模型.结果显示:(1)固废中存在的磷酸盐能解释污染地块土壤不同深度As(Ⅲ)含量较背景值偏高的现象;(2)构建的土壤-地下水系统As(Ⅲ)运移模型可较好地模拟As(Ⅲ)与PO₄^3-竞争吸附反应;(3)优化识别出1号和3号地块的As(Ⅲ)污染源强分别为187.25μg·L^-1和192.49μg·L^-1.研究表明,基于PSO算法的模拟优化模...     

Fe3O4@SiO2-NH2磁性复合纳米材料对铀(Ⅵ)的吸附性能

采用化学共沉淀法制备Fe_3O_4磁性纳米粒子,利用正硅酸乙酯的水解在其表面包裹SiO_2,以3-氨丙基三乙氧基硅烷(APTES)对复合粒子进行表面氨基化制备出Fe_3O_4@SiO_2-NH_2;采用红外(FT-IR)、扫描电镜(SEM)、磁滞回线等手段对复合粒子进行了表征.结果显示,制备的复合粒子呈微球形,粒径相对均匀,大约在200 nm.并采用静态吸附的方法进行批量实验,研究了该复合纳米材料作为吸附剂在不同条件下对U(Ⅵ)的吸附性能.实验结果表明,固液比1∶200、温度35℃、吸附平衡时间30 min、pH 5的条件下,复合粒子对U(Ⅵ)的吸附效果最佳,为95%左右.准二级动力学模型能更好地描述粒子对U(Ⅵ)的吸附动力学过程;吸附可用Freundich等温模型较好地描述,说明为多分子层吸附.实验表明所制备的氨基化磁性复合纳米粒子对溶液中U(Ⅵ)具有优良的吸附性能,有望成为一种能够有效处理含铀废水的吸附材料.