大型烧结机头电除尘器提效改造探讨

本文针对320m^2烧结机头电除尘器烟气、烟尘的特点,以及该电除尘器存在的关键问题,着重介绍在改造上采用新的除尘技术和方法,使改造后的电除尘器能够满足机头工艺除尘的要求,达到提效净化烟气达标排放的目的。     

Approximating SWAT Model Using Artificial Neural Network and Support Vector Machine1

Abstract: With the popularity of complex, physically based hydrologic models, the time consumed for running these models is increasing substantially. Using surrogate models to approximate the computationally intensive models is a promising method to save huge amounts of time for parameter estimation. In this study, two learning machines [Artificial Neural Network (ANN) and support vector machine (SVM)] were evaluated and compared for approximating the Soil and Water Assessment Tool (SWAT) model. These two learning machines were tested in two watersheds (Little River Experimental Watershed in Georgia and Mahatango Creek Experimental Watershed in Pennsylvania). The results show that SVM in general exhibited better generalization ability than ANN. In order to effectively and efficiently apply SVM to approximate SWAT, the effect of cross‐validation schemes, parameter dimensions, and training sample sizes on the performance of SVM was evaluated and discussed. It is suggested that 3‐fold cross‐validation is adequate for training the SVM model, and reducing the parameter dimension through determining the parameter values from field data and the sensitivity analysis is an effective means of improving the performance of SVM. As far as the training sample size, it is difficult to determine the appropriate number of samples for training SVM based on the test results obtained in this study. Simple examples were used to illustrate the potential applicability of combining the SVM model with uncertainty analysis algorithm to save efforts for parameter uncertainty of SWAT. In the future, evaluating the applicability of SVM for approximating SWAT in other watersheds and combining SVM with different parameter uncertainty analysis algorithms and evolutionary optimization algorithms deserve further research.     

定型机油烟废气监测分析方法初探

定型机废气污染是当前环境投诉的热点之一,油烟污染是定型机废气的主要问题,我国尚无定型机废气监测分析的标准方法。本文参照《餐饮业油烟排放标准》（试行）（GB 18483-2001）中的方法,比较了餐饮业油烟废气和定型机油烟废气在成分、排放方式等方面的相同点和不同点,从采样方法、采样时间等对定型机油烟废气的监测分析进行了初探,确定了定型机油烟废气竣工验收参考的采样方法和时间等要素。     

工业用制氧机噪声控制方案

在大型炼钢生产工艺过程中,需要制备大量的氧气.由于空气流量大,制氧机进口噪声大,对周围环境和工作人员造成了极大的危害.对某钢铁集团制氧机的噪声源进行了分析,并在现场调查的基础上,提出了制氧机噪声治理方案.经过测试,治理后的厂界噪声指标达到国家标准的控制要求.     

电弧焊防触电技术探讨

从电焊机保护接地（或接零）的规则、电源线与焊钳的安全技术、控制电器的安全技术、电焊工作业中的安全保障措施等四个方面,探讨了电弧焊作业中如何防范触电事故的技术措施,实践证明,所述的安全要求和技术方法对于电弧焊作业的安全管理和安全生产具有很高的实用价值。     

一种系统化的行为形成因子分类方法

为了准确表述能够诱发人为差错的情景环境,对人因可靠性分析(HRA)中的行为形成因子(PSF)进行归纳整理,构建一种新的系统化的PSF分类方法。对现有人因可靠性文献中的PSF进行分析,明确PSF的定义及其内涵。通过分析人机交互过程,指出PSF应该包含:操作者,机器,任务,组织,环境和辅助系统等6个方面,分别从上述6个方面对PSF进行细致分解,最终构建包括6个方面38个元素的PSF分类方法。     

基于支持向量机的高速公路事件检测

针对交通领域中的事件检测(无事件模式和事件模式)模式识别问题,描述了支持向量机(SVM)支持的基本方法,建立了基于线性(linear function)、多项式(polynomial function)和径向基(radial basis function)3种核函数的事件检测SVM模型。采用高速公路路段I-880线圈数据集和事件数据集验证模型,结果发现:无论对于向北、向南或混合方向的事件检测,在3个SVM模型中,SVM(P)检测效果最好,SVM(L)最差。SVM算法具有避免局部最小,实现全局最优化,更好的泛化效果的优点,是高速公路事件检测的一种很有潜力的算法。     

安钢90 m2烧结机尾除尘工艺设计特点

介绍了安钢90 m2烧结机尾除尘工艺设计中的设备选型、系统配置、管网阻力平衡的特点及应注意的几个问题.     

网络攻击检测中的机器学习方法综述

在详细介绍网络攻击检测机器学习原理的基础上,对现有的各种方法进行了评述,并结合网络攻击检测系统的应用需求,阐述了网络攻击检测系统机器学习技术的发展方向。     

基于机器学习和情景分析的我国焦化行业企业用地污染预测

针对焦化行业企业用地缺乏时序连续监测数据而无法预测其污染趋势的问题,从企业特征、企业管理水平、污染物特征和自然地理要素等4个方面选取13个影响企业用地污染的指标,识别焦化行业企业用地污染主控因子,在此基础上构建基于机器学习的焦化行业企业用地污染预测模型,并在不同情境下,对2025年和2030年焦化行业企业用地污染状况进行预测.结果表明,生产经营活动时间、建厂时间、企业环境监管记录、土壤黏粒和年均风速是焦化行业企业用地污染的主控因子;相对于支持向量机模型、BP神经网络模型和决策树模型,逻辑斯蒂模型预测价值高、性能指标稳健,其预测精度受试者工作曲线面积为0.91,模型准确率和召回率分别为84%和88%.在乐观情境下,2025年和2030年焦化行业高概率污染地块数量分别为1599块和1695块;在悲观情境下,2025年和2030年焦化行业高概率污染地块数量分别为1671块和1715块.研究结果可为焦化行业企业用地的修复治理和生态环境的宏观决策提供科学依据.