基于灰色预测模型与一元线性回归模型的煤矿瓦斯涌出量预测比较

在介绍灰色预测模型和一元线性回归模型的基础上,结合某煤矿实际,采用两种模型对瓦斯涌出量进行了预测,并对两种模型的预测值进行比较,结果表明:对基本符合线性关系的数据,采用灰色GM(1,1)模型较一元线性回归模型的预测精度要高。     

基于深度学习的排污口污染物浓度预测研究

入河排污口是污染物进入生态环境的最后一道关口,预防超标排放是改善流域生态环境质量的基础.为实现排口超标排放事前预警,本研究以长江泰州段两类典型排口(污水处理设施排口和工业企业清净下水排口)为例,利用排口污染物监测数据与气象数据,基于长短期记忆神经网络(LSTM)、门控循环单元(GRU)、卷积循环神经网络(CRNN)等深度学习算法构建多污染因子(总氮、氨氮、COD、总磷)浓度预测模型,并结合SHAP分析结果识别影响排口水质预测的重要因素.结果表明：(1)单层与双层GRU模型在排污口未来6 h污染物浓度预测中表现较好,R²可达0.67～0.81;(2)自相关变量的累积重要性绝对值占比超80%,对排口污染物浓度预测的影响显著大于其他输入变量.该方法有潜力拓展应用至其它排污口类型及其它污染因子的浓度预测,为排口污染预警和全链条管理提供技术支撑.     

上海市电子废弃物产生量预测与回收网络建立

以上海市为例,利用无容量限制的设施选址模型(UFCLP模型)建立了上海市电子废弃物(WEEE)回收网络,同时,为获得模型求解所需数据,根据1991～2012年的销售量对上海市2010～2017年彩电、冰箱、洗衣机、空调和电脑的废弃量进行了预测.结果表明,5种电子产品的总废弃量会从2010年的269.49×104台增至2017年的635.75×104台.最后,依据区域GDP、人口密度和区域面积等多因素对电子废弃物空间分布量进行了预测,并以此为基础选取了214个回收站候选点,使用SITATION软件对UFCLP模型进行求解,最终确定10个点作为拟建回收点,可实现未来上海市约76%的电子废弃物回收.该网络的建立对长三角地区和全国大中型城市电子废弃物回收都具有良好的示范作用.     

基于神经网络的城市夜间环境监控与预测

因夜间天空亮度分布具有非线性变化特点,故引入神经网络算法,建立基于时间序列的夜天空亮度预测模型,夜天空亮度预测模型可为城市光污染防治提供评价依据.文章对神经网络的原理进行了论述,建立了基于时间序列预测模型.以测试数据为训练样本集,基于MATLAB(矩阵实验室,Matrix Laboratory的简称),采用改进的BP算法(误差反向传播算法)对网络进行学习训练,并对存在的误差进行了分析.基于时间序列BP神经网络的夜天空预测模型,当隐含层神经元数目为5,训练函数为L-M优化算法(trainlm)时,最大绝对误差可达到0.003 6 cd/m2,最大相对误差达到2.361 4%.结果表明,模型的运行结果与试验数据比较吻合,输出与目标矢量之间相关性也较好.     

城市大气污染物浓度预测模糊识别理论与模型

根据大气污染物的浓度具有模糊性且与多种指标相关的特点，提出对其进行预测的模糊识别理论与模型，并以二氧化硫为例，由２５个预测点大气中ＳＯ２浓度和相关指标的实测资料，利用上述理论与模型得出最优模糊预测参数，并对其它５个观测点的ＳＯ２浓度进行了预测检验。     

苏州河底质中有机污染物对河水影响的估价和预测

根据有机污染物在底质中的含量及其在底质/水间的分配情况，对苏州河底质可能对河水产生的影响作出初步估价和预测。研究表明，对于上海市苏州河市区段，底质中的氯苯、多氯联苯、六六六、滴滴涕、多氯酚不大可能对河水产生二次污染；在西藏路桥附近河段，底质中多环芳烃可能会产生二次污染;在天原化工厂——北新泾河段，底质中多环芳烃和一氯酚可能会对河水产生二次污染。     

灰色二阶预测模型GM（2，1）在排污收费中的应用

本文运用灰色理论建立了排污收费的灰色二阶预列模型GM(2，1)，给出了GM(2，1)模型精确求解方法，并以某地排污收费为例进行模型拟合。经检验该模型的精度比GM(1，1)模型精度高，最后指出了运用该模型的条件。该模型为环境管理宏观调控的有效实施提供了一种新型的方法和手段。     

BP神经网络在降水酸度预测中的应用

本文利用南昌市城市大气中SO2、NOX、TSP等浓度数据及降尘数据建立了BP神经网络的降雨酸度预测模型，结果表明：BP神经网络的预测模型不仅能较好地反映致酸因素与降水酸度的相互关系，而且预测精度也高于多元回归等模型。     

城市大气环境污染预警方面研究

在对国内外大气环境污染预测、预报研究进展作简要论述的基础上，章提出了大气环境污染预警的系统方法，包括大气环境污染的警源分析、警兆辨识、警情判定、警度预报、警患排险和借助GIS技术进行大气环境污染预警，章指出这是一项预警方法的探索性研究，它对大气环境污染预警工作将会起到促进作用。