基于机器学习的侵财类案件危害程度分析

为了进一步分析侵财类案件的危害程度,以抢劫、抢夺和盗窃3种典型侵财类案件为例,利用ZS市2008—2014年的犯罪数据与统计年鉴数据,提取“发案时间”“发案地域”“选择时机”“选择处所”“选择对象”“人均地区生产总值”“职工月平均工资”7个特征,建立基于多种机器学习分类算法的侵财类案件危害程度预测模型,并进一步开展预测结果的分析研究。研究结果表明:梯度提升决策树（GBDT）算法性能最优,危害程度预测准确率达到了0.88;在抢劫案和抢夺案中,一般和重大的案件容易发生在繁华地带,特大案件容易发生在其他处所;侵财类案件倾向于在工作日的城区中发生,发生的危害程度大多为一般;提出的侵财类案件危害程度预测模型可为侵财类案件的风险评估及警务资源优化配置工作提供方法支持。     

基于支持向量机的水环境质量综合评价

提出了基于支持向量机的水环境质量综合评价方法。给出了数据规范化处理及学习样本生成的具体方法,采用“一对一”(1-v-1)的多类别分类算法,使用k-fold交叉验证优化参数。对湖泊水环境富营养化程度的综合评价结果表明,该方法简便、客观,具有较强的实用性。     

基于支持向量机的城市道路降雨径流污染预测模型

为实现城市降雨径流污染有效预测,以文献中的实测数据作为样本,选取雨型、平均雨强、峰值雨强、降雨历时、雨前干期、大气降尘量、PM 10、车流量、路面材料及城市功能区等10项影响因子作为模型输入量,选取径流污染指标COD的场次降雨平均浓度EMC及初期冲刷指数FF30作为模型输出量,基于支持向量机(SVM)构建了城市道路径流污染预测模型。结果表明:EMC-SVM及FF30-SVM模型均具有较高的预测精度,EMC-SVM模型校验参数RMSE、MBE远小于数据集EMC均值,CE、CC达到0.815及0.933;FF30-SVM模型校验参数RMSE、MBE远小于数据集FF30均值,CE、CC分别为0.866及0.932;选用径向基函数(RBF)作为核函数,使用k折交叉验证法对模型参数进行寻优,对于EMC-SVM及FF30-SVM模型寻得的最优参数(c,g)分别为(64.0,0.001953125)、(2.0,0.0625)。     

多机器学习模型下逐小时PM2.5预测及对比分析

为了能及时、准确的估算出PM_2.5浓度及污染等级,分别构建了K最邻近模型（KNN）、BP神经网络模型（BPNN）、支持向量机回归模型（SVR）、高斯过程回归模型（GPR）、XGBoost模型和随机森林模型（RF）6个PM_2.5浓度预测模型,选取江西省赣州市为实验区域,采用2017~2018年逐小时气象站数据、PM_2.5浓度数据和Merra-2再分析数据开展PM_2.5预测实验.结果表明,缺少污染物观测数据时,利用能见度和气象因子等数据也能较好的预测PM_2.5浓度.在PM_2.5浓度预测精度方面,XGBoost模型最高,随机森林模型次之,高斯过程回归模型最差.6个模型的预测精度总体呈现冬季最高,秋季和春季次之,夏季最低.XGBoost模型的PM_2.5污染等级预测准确率高于其他模型,综合准确率达87.6%,并且XGBoost模型具有训练时间短,占用内存小等优点.XGBoost模型的变量重要性结果表明,能见度变量的重要性最高,相对湿度和时间变量次之.本研究可为环境部门准确预测、预报PM_2.5浓度提供参考.     

热碱水溶液清洗－气浮分离对原油污染土壤的处理

针对落地原油的回收及土壤污染治理问题，提出了用热碱水溶液清洗－气浮分离的处理方法，获得了比较理想的结果。实验中考察了清洗过程的反应温度、清洗时间、液固比、碱浓度及气浮温度和气浮时间等各种影响因素，得到了适宜的处理工艺条件。在此处理条件下，可使含稠油１２．５％的模拟含油土壤的油去除率达到９２．５％～９３．５％，土壤中残留含量降至０．９％～１．０％．提出的处理方法，能原消耗较低，碱剂费用仅为７元／ｔ（ｔ土）左右，且可以回收洗脱出来的原油。     

果脯生产废水治理工程设计

介绍了“IC厌氧反应器＋生物接触氧化”工艺处理高浓度果脯生产废水的实例,处理后水中的CODCr、BOD5和SS浓度均低于GB 8978-1996《污水综合排放标准》中的二级标准。该工艺流程重视废水的预处理,运行费用低、管理简单方便、易于操作、无二次污染、投资规模少。实践证明,这一方法用于高浓度果脯生产废水处理是非常成功的,有很高的实用价值。     

小波支持向量机在大气污染物浓度预测中的应用

用小波分解重构和支持向量机相结合的方法,建立大气污染物浓度预测模型。通过小波分解,将大气污染物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序列重构到原尺度上。利用相关分析的方法构建出低频小波系数a3和中频小波系数d3的支持向量机模型输入因子为前一天小波系数a3和7个气象因子;高频小波系数d2和d1以前三日的小波系数为输入因子,然后对各小波系数序列采用相应的支持向量机模型进行预测,各小波系数均使用ν-支持向量回归机(ν-SVR)算法和径向基函数,最后通过小波重构合成大气污染物浓度序列的最终预测结果。通过对大气SO2浓度预测实例证明,该大气污染物浓度预测模型具有推广能力较强、预测精度较高、训练速度快、便于建模等优点,具有良好的应用前景。     

洗槽机清洗头升降故障原因分析及对策

针对洗槽机清洗头运行中的升降故障进行了原因分析,找出了解决方法,为今后类似的故障检查和排除提供了借鉴。     

Automated detection of frog calls and choruses by pulse repetition rate

Anurans (frogs and toads) are among the most globally threatened taxonomic groups. Successful conservation of anurans will rely on improved data on the status and changes in local populations, particularly for rare and threatened species. Automated sensors, such as acoustic recorders, have the potential to provide such data by massively increasing the spatial and temporal scale of population sampling efforts. Analyzing such data sets will require robust and efficient tools that can automatically identify the presence of a species in audio recordings. Like bats and birds, many anuran species produce distinct vocalizations that can be captured by autonomous acoustic recorders and represent excellent candidates for automated recognition. However, in contrast to birds and bats, effective automated acoustic recognition tools for anurans are not yet widely available. An effective automated call-recognition method for anurans must be robust to the challenges of real-world field data and should not require extensive labeled data sets. We devised a vocalization identification tool that classifies anuran vocalizations in audio recordings based on their periodic structure: the repeat interval-based bioacoustic identification tool (RIBBIT). We applied RIBBIT to field recordings to study the boreal chorus frog (Pseudacris maculata) of temperate North American grasslands and the critically endangered variable harlequin frog (Atelopus varius) of tropical Central American rainforests. The tool accurately identified boreal chorus frogs, even when they vocalized in heavily overlapping choruses and identified variable harlequin frog vocalizations at a field site where it had been very rarely encountered in visual surveys. Using a few simple parameters, RIBBIT can detect any vocalization with a periodic structure, including those of many anurans, insects, birds, and mammals. We provide open-source implementations of RIBBIT in Python and R to support its use for other taxa and communities.     

中国钢铁行业NO_X减排情景预测

钢铁行业是NOX污染减排的重点领域。在预测钢铁行业未来发展趋势的基础上,基于情景分析法,设置3个NOX排放情景,估算出2020年不同情景下钢铁行业NOX排放量及不同控制措施的减排贡献。研究结果表明,未来钢铁行业产品产量的快速上涨加大了NOX减排压力。在不实施额外NOX控制措施的情况下,2020年钢铁行业NOX排放量约为108万t,相比2013年上涨9%。实施钢铁行业NOX排放控制措施可取得显著的减排效果,根据两种控制情景预计NOX的减排比例分别为5%和13%。淘汰落后产能和烧结烟气循环技术是NOX减排的最有效手段。