农村突发公共卫生事件应急医疗设施选址研究

为提高农村突发公共卫生事件应急医疗设施选址决策的科学性,基于新冠肺炎(COVID-19)疫情传播迅速,危害性强的突发公共卫生事件特征,依据应急医疗设施设计标准并兼顾农村医疗预算少、应急道路崎岖的特点,首先,选取设施备选地工程地质条件、单位成本、传染率、抵达时间、场所规模以及服务覆盖区域6项影响因素,将熵值法(EVM)和层次分析法(AHP)有效结合确定影响因素权重;其次,建立考虑患者到应急医疗设施的距离之和最小以及所选择应急医疗设施的综合评价值最优的多目标选址模型;然后,设计改进的粒子群优化(IPSO)算法求解模型,得到选址决策;最后,选取天门市部分村庄进行实证分析,以验证模型算法的有效性。结果表明：传染率和单位成本是建设应急医疗设施主要影响因素,IPSO算法选取3个应急医疗设施,能够满足8个村庄患者的治疗需求,并保证患者在4～7 min内就医,为高效开展疫情防控活动提供保障。     

基于IPSO-LSTM的新能源汽车锂电池健康状态监测

为监测新能源汽车锂电池的健康状态(SOH),防范电池故障引发安全事故风险,提出改进粒子群算法(IPSO)和长短期记忆(LSTM)神经网络相结合的模型,监测锂电池的SOH。首先,采用Spearman相关性分析法,提取锂电池SOH监测的健康因子;其次,采用线性惯性权重和非对称学习因子改进传统粒子群算法(PSO),利用IPSO算法对LSTM模型的隐含层神经元个数、神经元失活率、批处理值进行关键参数寻优,进一步优化LSTM模型,建立IPSO-LSTM锂电池SOH监测模型;最后,以新能源汽车主流采用的18650锂电池数据集验证IPSO-LSTM模型,并对比分析BP、LSTM和PSO-LSTM这3种模型。结果表明：IPSO-LSTM模型的平均绝对误差(MAE)在0.02以内、均方根误差(RMSE)在0.03以内,监测误差在15%以内,相较于BP、LSTM、PSO-LSTM模型,IPSO-LSTM模型的误差指标值均最小,模型具有更高的精度和稳定性。     

基于LBM-DEM耦合研究多孔介质中生物膜对悬浮粒子运移的影响

生物膜是多孔介质中普遍存在的细菌群落,会与悬浮粒子相互作用并影响粒子的迁移沉积。采用格子玻尔兹曼-离散单元耦合方法(LBM-DEM)研究了悬浮粒子在覆盖生物膜多孔介质中的运移。发现生物膜的存在会降低孔喉尺寸和DLVO排斥势垒,这有助于增强悬浮粒子的沉积。进出口压差是影响粒子滞留率的主要因素,低进出口压差下粒子无法突破排斥能垒,高压差下流体力通过改变粒子的沉积位置可提高渗透率。溶液离子强度变化主要影响排斥屏障。高离子强度的溶液中,粒子滞留率对压差变化响应较小;低离子强度溶液中,粒子滞留率受进出口压差的影响较大。此外,从介观角度观察入流速度对悬浮粒子黏附与滚动的影响,发现粒子的初始沉积点与来流方向的角度随着粒子速度的增加而减小。     

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。     

“血铅超标”事件追踪

陕西省凤翔县、河南省济源市、湖南省武冈市、福建省上杭县、广东省清远市、四川省隆昌县、湖南省郴州市、江苏省大丰市、山东省宁阳县这是一份在不断扩充的发生“血铅超标”事件的地区名单，如今，安徽省怀宁县成了名单上的最新一员，但不会是最后一个。     

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。     

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.