移动通信技术发展对安全生产影响研究*

为了深入揭示安全生产水平同移动通信技术发展的内在联系,提出安全生产信息技术能力的概念及其监控管理连接、救援响应监测、定位导航追踪3方面子能力的定义,进而通过构建3方面子能力同移动通信主要性能指标之间的关系模型（SPITCMC）,并对其进行深入分析和研究。研究结果表明:SPITCMC模型可以准确诠释过去移动通信技术发展对安全生产水平产生的影响,同时可用于预判未来移动通信技术发展对安全生产可能产生的影响程度,从而为后续相关工作的开展提供参考和借鉴。     

化学解耦联剂对活性污泥产率的控制作用

采用3,3',4',5-四氯水杨酰苯胺(TCS)作为代谢解耦联剂添加到活性污泥工艺中,进行连续曝气分批培养实验.结果表明:在TCS总投加量相同的情况下,采用一次性大剂量投加的污泥减量化效果好于分次小剂量投加.每d投加 12 mg TCS,污泥产量比对照下降了33%,而每2 d一次性投加24 mg TCS,污泥产量比对照下降了55%.污泥的CODCr去除能力有所下降,当一次性投加12 mg时,CODCr去除率比对照下降了12%,但出水氨氮及总氮质量浓度均未受影响.污泥的SVI有所上升,但沉降性能未见有明显变化.      

催化超临界水氧化处理1,5-萘二磺酸

采用Mn2O3/γ-AL2O3和V2O5/γ-Al2O/为催化剂,在一连续流固定床反应器中进行了超临界水氧化1,5-萘二磺酸实验.实验结果表明,在380～440℃,24 MPa条件下,Mn2O3/γ-Al2O3和V2O5/y-Al2O3催化剂对1,5-萘二磺酸的氧化降解具有显著的促进作用,TOC去除率达到90%以上;催化剂的催化效果随反应温度的升高而增强,随pH值的降低而增强,随停留时间的延长先增强后趋于平缓.     

小波网络在大气污染物浓度预测中的应用

提出一种“分解-重构-预测”小波网络的大气污染物浓度的预测方法。通过小波分解,把浓度序列分解为不同频段的小波系数序列,再对各层的小波系数子序列重构到原尺度上,然后对小波系数序列采用相匹配的BP神经网络模型进行预测,最后合成浓度序列的最终预测结果。经对二氧化硫浓度预测证明,该方法预测模型推广能力强,预测精度高。     

BP神经网络在台风路径预报中的应用

利用前馈型BP神经网络模型,对发生于中国沿海的热带气旋的移动路径进行了预报应用研究.根据中国<台风年鉴>发布的每个台风过程记录,对预报试验的台风个例分别选取了经度、纬度、中心气压和最大风速等81个因子,由多元回归选取了其中相关性好的因子,进行网络的学习训练,在获取前24h间隔6h的4次台风信息的基础上,用来预报了台风未来24h,48h和72h的短期路径变化.将该方法预报结果与CLIPER模式预报结果进行了比较,结果表明,BP神经网络模式的预报精度比CLIPER模式的高.     

24个CMIP5模式对长江流域模拟能力评估

根据1961~2005年长江流域气象站点的实测月降水量和气温数据,采用第5期全球耦合模式比较计划CMIP5(the Fifth Phase of Coupled Model Intercomparison Project)中24个全球气候模式(GCM)的模拟结果,通过计算模拟变量和观测变量平均值的相对误差、归一化的均方根误差、时间和空间相关系数,采用M-K趋势分析方法,分别选用在长江流域模拟气温和降水较好的5个模式进行集合平均,从时间的演变规律和空间的分布特征两方面,检验该模式集合对长江流域模拟气温和降水的能力。研究结果表明:各个模式模拟气温的能力要明显好于模拟降水的能力,但模拟气温较好的模式模拟降水的能力并不一定突出;模式集合的结果表明:在时间尺度上,模式集合平均结果与观测值拟合程度较好,且模式集合的结果振荡幅度较观测值小;在空间尺度上,模式集合的空间分布趋势与观测值大致相同,说明采用的模式集合结果用于预估未来长江流域降水的时空分布特征和演变规律是可行的。     

基于BP神经网络的鄱阳湖水位模拟

考虑到鄱阳湖水位受流域五河与长江来水等多因素的共同作用而表现出高度非线性响应,采用典型的三层BPNN神经网络模型来模拟鄱阳湖水位与其主控因子之间的响应关系。分别将湖口、星子、都昌、棠荫和康山水位作为目标变量进行BPNN模型构建和适用性评估。结果显示：综合考虑流域五河及长江来水（汉口或九江）的BPNN水位模型,空间站点水位模拟精度（R2和Ens）可达090以上,各站点的均方根误差（RMSE）变化范围约050～10 m,若忽略长江来水的影响作用,仅将流域五河来水作为湖泊水位的主控影响因子,模型训练期与测试期的纳希效率系数（Ens）和确定性系数（R2）显著降低,且低于050,均方根误差（RMSE）也明显增大（124～288 m）,意味着综合考虑流域五河与长江来水是获取结构合理、精度保证的鄱阳湖水位模型的重要前提。同时建议针对鄱阳湖湖盆变化对水位的影响,尽可能选择一致性较好的长序列数据集来训练和测试BPNN模型。所构建的BPNN神经网络模型可进一步结合流域水文模型,用来预测气候变化与人类活动下流域径流变化对湖泊水位的潜在影响,也可作为一种有效的模型工具来回答当前鄱阳湖一些备受关注的热点问题,如定量区分流域五河与长江来水对湖泊洪枯水位的贡献分量,为湖泊洪涝灾害的防治和对策制定提供科学依据     

Gas/particle partitioning of atmospheric PCDD/Fs in a satellite town in Eastern China

Gas/particle partitioning of polychlorinated dibenzo-p-dioxins and dibenzofurans (PCDD/Fs) in ambient air was investigated in a satellite town in Eastern China from April 2007 to January 2008 comprehending large temperature variations (from 3 to 34 °C, daily average). Molecular weight, molecular structure and ambient temperatures are the three major factors that govern the gas/particle partitioning of atmospheric PCDD/Fs throughout the year. Generally, good agreements were obtained (except for winter) between measured particulate fractions and theoretical estimates of both the Junge–Pankow adsorption model and Harner Bidleman absorption model using different sets of subcooled liquid vapor pressure and octanol–air partition coefficient (K_oa), respectively. Models utilizing estimates, derived from gas chromatographic retention indices (GC-RIs), are more accurate than that of entropy-based. Moreover, during winter, the K_oa-based model using the GC-RIs approach performs better on lower chlorinated PCDD/Fs than that of -based. Furthermore, possible sources of mismatch between measured and predicted values in winter (3–7 °C) were discussed. Gas adsorption artifact was demonstrated to be of minor importance for the phenomena observed. On the other hand, large deviations of slopes (m_r) and intercepts (b_r) in logK_p vs. plots from theoretical values are observed in the literature data and these are found to be linearly correlated with ambient temperatures (P<0.001) in this study. This indicates that the non-equilibrium partitioning of PCDD/Fs in winter may be significantly influenced by the colder temperatures that may have slowed down the exchange between gaseous and particulate fractions.     

人工神经网络方法在拟建小区域环境质量评价中的应用

人工神经网络的评价方法用于小区域环境质量评价中,根据本地区特点因地制宜地选择环境质量参数,代入模型中进行环境质量评价及预测,对用于环境质量评价的BP人工神经网络模型进行了改进,即对网络模型的训练样本进行了扩充,从而提高了模型的抗干扰能力和准确性.将改进了的BP人工神经网络模型应用于四川省资阳市沱江二桥拟建项目小区域的大气、地表水环境质量评价中, 对该市小区域大气、地表水环境质量状况进行评价,评价结果表明,BP人工神经网络模型用于环境质量评价是可行的,且评价结论客观,评价模型普遍适用.     

基于粗糙集-神经网络的矿山地质环境影响评价模型及应用

采用衡山白果地区石膏矿山的11个评价指标,综合运用粗糙集和神经网络理论,构建了基于粗糙集-神经网络(RS-ANN)的矿山地质环境影响评价模型,对RSES软件约简的数据和无约简的数据采用EasyNN-plus软件进行预测评价。神经网络模型的输入属性为8个,而粗糙集-神经网络模型的输入属性为6个,训练样本均为13个,预测样本均为4个,前者的平均预测精度为1.85%～24.86%,后者为1.23%～15.28%。研究发现,粗糙集在保留关键信息的前提下可有效地对数据表进行约简,约简后的神经网络预测结果与实际情况吻合,并比无约简时总体精度有较大幅度提高。