生物质固体成型燃料技术及设备研究进展

介绍了国内外生物质固体成型燃料技术与产业及成型机发展现状,综述了生物质固体燃料成犁机的几种类型及特点,对各种成型设备的性能和应用进行了比较,并针对目前国内生物质固体成型燃料技术及没备存在的问题,提出了我国生物质固体成型燃料及设备产业化的发展方向.     

扬尘源粒度组成筛分方法比较

为建立扬尘源筛分规范依据,选取F150标准砂和道路尘作为待测样品,对比国产3种振动方式(电动式、震击式和拍击式)振筛机和3个厂家试验筛的筛分性能. 结果表明:①经过拍击式振筛机和F150标准砂检验,A、B、C三厂试验筛的筛分性能差异较大,得到200目(75μm)试验筛的筛上累计含量(以质量分数计)分别为78.9%、65.9%和57.9%,B厂和C厂结果小于F150标准砂76.1%的基准值;②3种振筛机的筛分性能也存在差异,震击式振筛机筛出率略小于拍击式振筛机,但电动式振筛机筛分不彻底,其对道路尘样品中粒径≤75μm和粒径≤38μm粒子的筛出率分别只有另外2种振筛机的1/2和1/4;③3种振筛机筛分结果一致性顺序为拍击式>震击式>电动式. 建议使用拍击式振筛机或震击式振筛机与性能好的A厂试验筛组合筛分得到粒径≤75μm的样品,使用拍击式振筛机和性能好的A厂试验筛组合筛分得到粒径≤38μm的样品.      

煤的微生物浮选法脱硫技术

文章介绍了煤的微生物浮选法脱硫技术的机理和３个影响因子，细菌浓度，捕集剂和浮选柱径高比，同时通过与浸出法的比较，微生物浮选示的反应时间比传统的生物脱硫方法大大缩短，脱除黄铁矿硫的效率高，黄铁矿可回收利用，而且不产生大量的酸性废液，煤的质量同时也获得提高，最后，分析了微生物浮选法脱硫技术的３个发展方向。     

南京市钢铁行业烧结机二噁英排放调查研究

以南京市三家钢铁企业烧结机为例,对排放废气中的二噁英进行监测,分析各组分的含量,进一步研究排放废气中二噁英的种类组成及含量分布特征,依据现行的标准二噁英排放浓度达标,但是南京的排放水平远高于国外排放水平。分析成因,结果表明烧结过程中的二噁英主要是在料层中生成的,主要以多氯二苯并呋喃存在,为减少烧结过程二噁英的生成,可以从改变工艺、控制原材料和增加处理设施等方面进行控制,尽可能减少气态氯化氢的形成,防止再合成物和其它前驱化合物的产生。     

基于改进的PSO优化LSSVM参数的松花江哈尔滨段悬浮物的遥感反演

悬浮物是松花江水质和水环境评价的重要参数之一.利用在松花江哈尔滨段江面上29个采样点的实测高光谱和悬浮物浓度数据,用20个采样点数据为训练集,9个采样点数据为测试集.将机器学习和全局优化智能计算方法引入,应用改进的粒子群(PSO)优化最小二乘支持向量机(LSSVM)参数,以均方根误差RMSE为适应度函数,根据迭代得到LSSVM最优参数值,用700 nm和750 nm光谱反射率比值(R700/R750)为特征变量,悬浮物数据为目标变量,用训练集数据训练得到反演模型,使用测试集数据进行验证.结果表明,此模型收敛速度快,精度高,得到预测值的均方根误差RMSE为10.11 mg·L-1,平均绝对百分误差MAPE为10.72%,模型决定系数R2为0.952,该方法可用来对其它水质参数反演预测提供参照.     

Prediction of effluent concentration in a wastewater treatment plant using machine learning models

Of growing amount of food waste, the integrated food waste and waste water treatment was regarded as one of the efficient modeling method. However, the load of food waste to the conventional waste treatment process might lead to the high concentration of total nitrogen (T-N) impact on the effluent water quality. The objective of this study is to establish two machine learning models—artificial neural networks (ANNs) and support vector machines (SVMs), in order to predict 1-day interval T-N concentration of effluent from a wastewater treatment plant in Ulsan, Korea. Daily water quality data and meteorological data were used and the performance of both models was evaluated in terms of the coefficient of determination (R²), Nash–Sutcliff efficiency (NSE), relative efficiency criteria (d_rel). Additionally, Latin-Hypercube one-factor-at-a-time (LH-OAT) and a pattern search algorithm were applied to sensitivity analysis and model parameter optimization, respectively. Results showed that both models could be effectively applied to the 1-day interval prediction of T-N concentration of effluent. SVM model showed a higher prediction accuracy in the training stage and similar result in the validation stage. However, the sensitivity analysis demonstrated that the ANN model was a superior model for 1-day interval T-N concentration prediction in terms of the cause-and-effect relationship between T-N concentration and modeling input values to integrated food waste and waste water treatment. This study suggested the efficient and robust nonlinear time-series modeling method for an early prediction of the water quality of integrated food waste and waste water treatment process.     

城市生态系统协调发展仿真研究——以武汉市为例

以武汉市为例,通过定性和定量方法建立了一套相对完整的评价指标体系.以主成分分析和协调发展度模型计量得到的武汉市1988～2004年协调发展度值作为输出,以偏最小二乘法筛选出协调发展度的重要影响因子作为输入,尝试采用支持向量机对武汉市总体规划期间(2005～2020年)的协调发展状况进行了模拟研究,研究结果表明,1988～2004年武汉市经济、社会、资源环境的耦合状态由严重失调逐渐趋向勉强协调,这期间工业固体废物排放量和基尼系数是协凋发展最重要影响因子.根据预测结果,武汉市在总体规划期间城市发展呈现出良好的协调发展态势,但2010和2020年的协调发展度值均小于总体规划目标值;即按照目前的状态发展下去,武汉市到2010和2020年不能达到规划既定的目标.针对仿真结果,提出了武汉城市生态系统协调发展的对策与建议.     

基于机器学习方法的上海市暴雨内涝灾情预测模型研究

本文基于区域灾害系统理论,综合考虑致灾因子、暴露度和脆弱性,提出了一套暴雨内涝灾情预测指标体系;在此基础上利用上海市应急联动中心110接报暴雨内涝灾情数据,构建了暴雨内涝灾情预测BP模型(Back Propagation Model)和XGBoost模型(Extreme Gradient Boosting Model),并对比分析了预测模型效果,实现对上海市暴雨过程内涝灾情数量预测;最后对内涝灾情影响等级进行阈值划分,以期为暴雨内涝影响预报与风险预警业务、服务及灾害管理提供技术支撑。结果表明:1)综合考虑致灾因子、暴露度、脆弱性指标且不经主成分分析降维的指标组合作为暴雨内涝灾情预测指标体系时,BP模型和XGBoost模型的预测精度最优;2)全量样本XGBoost模型总体表现最优,暴雨内涝灾情的右偏分布和内涝灾情的异常高值均对XGBoost模型预测误差有不同程度的贡献;3)综合评价法在历史灾情百分位法和模拟灾情百分位法基础上,结合多年业务实践经验和用户对于110灾情的处置承受力对暴雨内涝灾情进行阈值划分,在实际应用中具有一定参考意义。     

基于SSA-XGBoost方法的降水变化趋势预测模型

全球变暖预期下不同区域的未来降水变化,是政府和公众都关心的重要问题,也是全球变化研究的前沿科学问题。预测模型的建立是预测/预估研究的重点和难点,现今不稳定的气候背景对预测模型的精准度提出了更高的要求。为了解决传统方法对长期时间序列预测效果欠佳的问题,本文以泰国南部洞穴石笋δ¹⁸O重建的过去270多年（公元1773—2004年）的降水记录为数据集,提出了SSA-XGBoost预测模型。对原始数据去趋势预处理后,采用奇异谱分析法（SSA）提取前部分数据（1773—1964年）的振荡成分以确定数据的最佳谐波个数,并进行准确的周期信号分量分解;之后用去趋势数据减去周期信号得到随机信号,再利用XGBoost模型对随机项进行预测;最后将预测的序列、趋势曲线和周期信号延拓结果相叠加得到最终的预测数据（1965—2004年）。与其他四种模型（XGBoost、ARIMA、SSA-ARIMA、LightGBM）的预测结果相比,SSA-XGBoost的预测结果与真实值最相近,且MAE和RMSE均最小,R²也更接近1,说明该模型具有更高的精度和稳定性。该研究对于泰国南部等热带地区未来的降水变化趋势预测具有较好的指导意义,也可为其他长时间序列的预估研究提供借鉴。     

基于GA参数寻优的决策树支持向量机生态环境质量评价方法

选取决策树作为支持向量机多类分类方法,选择径向基核函数建立了生态环境质量决策树支持向量机评价模型,基于遗传算法实现了惩罚因子、核函数参数的自适应优选,并运用建立的模型对我国主要省市生态环境质量进行了评价。研究结果表明,该方法可以较好地实现生态环境质量评价。