嫩江水体溶解氧变化规律的混沌研究

针对目前溶解氧研究主要是从生物、化学等方面开展,而对溶解氧自身变化规律的研究很少的特点,以嫩江干流浏园水文站测得的溶解氧质量浓度序列为例,首先进行相空间重构,应用自相关函数法确定出延迟时间、伪邻近点法确定出嵌入维数;然后应用主分量分析(PCA)方法对序列进行分析,表明该序列不是噪声序列而可能是混沌序列,通过计算Kolmogorov熵得出溶解氧质量浓度序列具有混沌特性的结论;最后应用基于关联度的局域加权线性回归预测法对该序列进行了混沌预测研究,得到了比较理想的预测结果,这为应用混沌理论进行溶解氧变化规律的研究提供了依据.     

基于BP神经网络的煤层自燃预测

在全面分析影响煤层自燃因素的基础上,建立了煤层自燃预测的人工神经网络模型.应用该模型对某煤田的多个煤层样本进行了训练和预测,网络经过10次训练后,误差达到设定的最小值,6次预测测试中最大误差仅为0.027 8,最小的为0.000 1.研究表明,该模型精度较高,可用于预测煤层自燃的实际应用.     

某简易垃圾填埋场渗滤液在场底天然土层迁移模拟与长期预测

为了解我国早期建设的简易填埋堆场底部天然土层中污染物迁移状况,作者以安徽某填埋场为例,在前期现场勘查、取样和室内测试工作基础上建立了三维有限元分析模型,对宏量有机污染物COD在土层中的迁移状况进行了模拟分析.通过拟合求参获得COD在该场底土层中扩散系数、机械弥散系数和阻滞因子等运移参数的合理取值,在此基础上开展了污染物...     

钢铁行业大气环境影响评价方法与建议

按钢铁行业大气环评报告书的结构和顺序,结合HJ 2.2-2008《环境影响评价技术导则大气环境》中的相关技术要求,从评价因子、源强、评价等级、大气监测、大气预测、防护距离等方面出发,分析了钢铁行业大气环评中的评价等级确定、大气监测、大气预测等工作中存在的问题,并提出解决方案和建议对策。     

中国开征碳税的政策后果预测

本文是对开征碳税的各种政策后果进行情景模拟的定量研究,既有短期的比较静态分析,又有长期的动态效应分析。在一定的假设条件下模拟分析了计征碳税对于GDP、投资、消费、外贸、物价等主要宏观经济指标的静态和动态影响,以及对居民收入和企业利润的效应。同时深入分析了计征碳税对石油、煤炭、天然气、电力等四类主要行业的碳排放、产量、进出口、价格、税负、成本、利润的影响效应。     

沈阳市生活垃圾排放现状及产生量预测

随着城市化进程加快、人口数量快速增加及人民生活水平普遍提高,城市生活垃圾管理已成为世界各国,特别是发展中国家城市面临的主要挑战.作为中国东北最大的中心城市,沈阳正面临城市生活垃圾产生量急剧增加的现状.文章通过对沈阳市城市生活垃圾排放现状的分析,发现2002年后沈阳市生活垃圾产生量和清运量逐年增加,生活垃圾成分变化显著....     

基于ARIMA模型的北京市朝阳区建筑垃圾产量分析与预测

在建筑垃圾产量历史数据缺失的情况下,借助ARIMA模型预测朝阳区拆除面积和建筑竣工面积,从经验系数法和间接预测法入手,对朝阳区的拆除垃圾、新建垃圾和装修垃圾的产量进行了预测。研究结果,表明未来8年朝阳区新建剩余垃圾和装修垃圾的产生量呈缓慢上升的趋势,工程槽土和拆除垃圾的产生量呈现周期性的波动;工程槽土对建筑垃圾总量的贡献最大,其次是拆除垃圾,新建垃圾的贡献最小。综合考虑不同类建筑垃圾的产生量和特点,朝阳区政府应加大拆除垃圾和装修垃圾无害化和资源化的管理力度。     

高空气象和地形数据对ADMS模型预测结果的影响

以某钢铁厂烧结单元SO2评价因子为例,对比分析ADMS模型在高空气象、地形数据等不同取值条件下的预测结果。结果表明:高空气象数据和地形数据对区域网格点最大预测值均有一定影响,复杂地形对预测结果的影响很大,且影响大于高空气象的影响;高空气象数据和地形数据对敏感点预测结果均有一定影响,但变化规律不明显,敏感点预测值有增加和降低两种趋势。     

基于神经网络的生化池能耗预测模型研究

我国城市污水处理的能耗处于较高水平,直接能耗中电耗占60%~90%。为了合理利用电能,以A/O工艺为基础,选取BP神经网络建立能耗预测模型,由入水信息对溶解氧进行预测,为污水处理过程中曝气量的及时调度、有效利用能量提供可靠的决策依据。     

Evaluation of accuracy of linear regression models in predicting urban stormwater discharge characteristics

Stormwater runoff has been identified as a source of pollution for the environment, especially for receiving waters. In order to quantify and manage the impacts of stormwater runoff on the environment, predictive models and mathematical models have been developed. Predictive tools such as regression models have been widely used to predict stormwater discharge characteristics. Storm event characteristics, such as antecedent dry days （ADD）, have been related to response variables, such as pollutant loads and concentrations. However it has been a controversial issue among many studies to consider ADD as an important variable in predicting stormwater discharge characteristics. In this study, we examined the accuracy of general linear regression models in predicting discharge characteristics of roadway runoff. A total of 17 storm events were monitored in two highway segments, located in Gwangju, Korea. Data from the monitoring were used to calibrate United States Environmental Protection Agency＇s Storm Water Management Model （SWMM）. The calibrated SWMM was simulated for 55 storm events, and the results of total suspended solid （TSS） discharge loads and event mean concentrations （EMC） were extracted. From these data, linear regression models were developed. R2 and p-values of the regression of ADD for both TSS loads and EMCs were investigated. Results showed that pollutant loads were better predicted than pollutant EMC in the multiple regression models. Regression may not provide the true effect of site-specific characteristics, due to uncertainty in the data.