北京市社区服务中心医用X射线放射防护现状调查与质量控制检测评价

为了了解北京市社区服务中心医用X射线放射防护现状,为放射防护工作提供科学依据。该文根据国家相关标准,对北京市31家社区服务中心放射防护场所及74台医用诊断X射线机性能进行检测与评价。结果发现调查放射工作人员51名《放射工作人员证》持证率96.1%;53个放射工作场所防护水平,控制室门窗合格率100%,病人门合格率86.8%,机房面积和通风状况基本符合国家标准,医用诊断X射线机性能检测合格率90.5%。结论应加强社区服务中心放射工作人员的培训,加强候诊区辐射防护,减少公众辐射危害的发生。     

基于支持向量机的水资源安全评价

支持向量机以统计学习理论为基础,采用结构风险最小化准则,将学习问题转化为一个凸二次规划问题,能够得到全局最优解,适合解决小样本、非线性分类及回归问题。根据水资源安全的内涵,筛选出具有代表性的指标,组成水资源安全评价指标体系。建立了基于支持向量机的水资源安全评价模型,将安全标准划分为良好、安全、临界、不安全、危险5个等级。根据水资源安全评价标准及所属评价等级值,随机生成样本集,180个样本作为训练样本,构造了5个两类支持向量分类器,20个样本作为检验样本,检验样本分类全部正确。将模型应用于山西省11个城市的水资源安全评价,结果表明,该方法是有效、可行的。     

广州市多污染物联合暴露的健康效应评估

本研究应用贝叶斯核机器回归(BKMR)分析了广州市2015~2018年大气主要污染物(SO₂、NO₂、PM₁₀、PM_2.5、CO和O₃)与非意外死亡之间的联合健康效应。结果表明,6种污染物对健康结局均存在较大影响。随着其它污染物固定百分位数浓度的增加,SO₂、O₃或NO₂的浓度从第25百分位数变化到第75百分位数导致的效应值的绝对值逐渐升高;相反,PM_2.5、CO或PM₁₀的浓度从第25百分位数变化到第75百分位数导致的效应值的绝对值逐渐减少。在累积滞后0~1d时,多种空气污染物的混合暴露对非意外死亡人数的影响效应值为正,与最低浓度相较,当所有污染物的浓度增至第90百分位数时,人数非意外死亡人数将增加21.98%(95%CI:3.04%,44.41%)。通过应用BKMR模型,本研究证实多种污染物的暴露可对广州市人群公共健康造成联合的综合影响。在污染物的防控治理上,不仅需要针对当地主要空气污染物,还需加强对多污染物暴露的防控。     

浸河水环境对某小口径步枪的动力学影响分析

目的 研究浸河水环境对某小口径步枪自动机运动特性的影响规律。方法 采用摩擦系数仪测得在浸河水后自动机枪机框与枪机、导轨之间的摩擦系数,获得浸河水浓度对2个摩擦系数的影响规律。根据某小口径步枪的三维模型,在ADAMS平台中,建立其虚拟样机模型,并进行模型验证。在上述基础上,将不同浸河水后运动副间的摩擦系数加载到模型中,经仿真分析获得不同浸河水浓度对自动机运动特性的影响规律。结果 某小口径步枪的枪机、导轨与枪机框之间的摩擦系数随着浸河水浓度的增加而有所增大,而自动机的后坐到位速度、复进开始速度、复进到位速度以及射频都会随着浸河水浓度的增加而下降,其中,后坐到位速度在不同浸河水浓度环境下的降低幅度最小,其降低幅度小于10%,复进到位速度的降低幅度最大,为16.9%,但自动机后坐最大速度与浸河水浓度无关。结论 浸河水环境会增大运动副间的摩擦系数,增加自动机运动过程中的能量损耗,且当浸河水的质量浓度增大到20 kg/m³时,出现后坐不到位故障,运动副之间的摩擦系数对自动机的复进到位无影响。     

基于轻量级梯度提升机的南京大气臭氧浓度预测

采用南京地区2015年1月至2016年12月期间的空气质量数据和常规气象资料数据,分析了南京地区O₃浓度变化特征,建立基于轻量级梯度提升机(LightGBM)的O₃浓度预测模型,并将该模型与支持向量机、循环神经网络和随机森林等3种在空气质量预测方向上常用的机器学习方法进行了对比,验证模型的有效性和可行性.结果表明,南京地区O₃浓度变化具有显著的季节性差异,浓度变化受前期浓度、气象因子和其他空气污染物浓度的共同影响.LightGBM模型较为准确地预测了南京地区地面O₃浓度(R²=0.92),且该模型的预测精度和计算效率等性能优于其他模型.尤其是在容易出现臭氧污染的高温天气,该模型预测准确性明显高于其他模型,模型稳定性较好.LightGBM具有预测准确度高、稳定性好、有良好的泛化能力和运算时间短等特点,在O₃浓度预测方面具有显著的优势.     

基于机器学习的长江流域农田氮径流流失负荷估算

定量解析长江流域农田氮径流流失特征是实现长江及其河口氮污染有效控制的关键科学基础.基于收集的长江流域570个旱地和434个水田田间氮径流流失数据组,采用相关性分析、结构方程模型、方差分解和机器学习方法,探究了影响旱地和水田总氮径流流失强度的主要因素,建立了基于机器学习的长江流域旱地和水田总氮径流流失强度预测模型,量化了长江流域农田总氮径流流失负荷.结果表明,径流深、施氮量和土壤氮含量是影响旱地总氮径流流失强度的主要因素;径流深和施氮量是水田总氮径流流失强度的主要影响因素.与分类与回归树、多元线性回归和增强回归树方法相比,采用随机森林算法构建的长江流域旱地和水田总氮径流流失强度预测模型具有更高的精度（R²为0.65~0.94）.基于随机森林算法的预测模型估算的2013年长江流域农田总氮径流流失负荷（以N计）为0.47 Tg ·a^-1（旱地：0.25 Tg ·a^-1;水田：0.22 Tg ·a^-1）,中下游地区贡献了58%的流失负荷.模型预测5种防治情景下的长江流域农田氮流失负荷可削减2.4%~9.3%,其中减少径流量的削减效果最为显著.长江流域农田氮面源污染防治必须协同加强氮肥精准管理、减少农田径流量和提高土壤氮利用,且应将重点放在中下游地区.所发展的基于机器学习建模方法克服了氮径流流失强度与影响因素之间函数关系难以确定的问题,为估算区域或流域农田氮流失负荷提供了简便且可靠的方法.     

基于特征提取的输油管道泄漏系数预测*

为准确预测管道泄漏系数,估计管道泄漏量,以基于瞬变流方法的模拟数据为例,建立多个管道泄漏系数预测模型(多层感知机、长短期记忆网络、随机森林、支持向量机以及K近邻回归),综合考虑管道流量和压力数据特点,提出序列提取法和均值提取法2种管道时序数据预处理方法,模型评价指标为相关系数（R2）和平均绝对百分比误差（MAPE）。研究结果表明:随机森林和多层感知机的抗噪性较强,在5%的噪声影响下,模型准确度下降幅度较小;均值提取法去噪功能较好,可在一定程度上降低噪声影响;基于均值提取法的多层感知机模型效果相对较好,R2为0.997 5,MAPE为1.599%,研究结果可为准确预测管道泄漏系数、估计泄漏量提供指导。     

基于多尺度排列熵和极限学习机的风机叶片覆冰故障检测方法*

针对风机叶片结冰故障检测中状态数据维度高和检测率低的问题,提出1种使用功率数据驱动的多尺度排列熵（multiscale permutation entropy,MPE）和极限学习机（extreme learning machine,ELM）的风机叶片结冰故障检测方法。首先,使用多尺度排列熵提取功率数据的多重尺度特征,得到特征向量;随后,采用极限学习机,结合环境温度,对结冰故障进行检测;最后,通过使用某风电场的数据采集与监视控制系统（supervisory control and data acquisition,SCADA）对数据进行仿真。研究结果表明:所提方法的故障检测率达到100％,同时虚警率仅有0.14％,表明所提方法在风机叶片的覆冰故障检测中的有效性。研究结果可为风机叶片覆冰故障检测提供1种有效方法。     

太原市PM2.5浓度的气象特征影响分析及预报

利用2016～2020年太原市污染物浓度资料、以及国家基准气象观测站的同期地面气象资料,重点分析了太原市PM_2.5浓度的变化特征以及湿度、降水、风和混合层厚度等气象条件对PM_2.5浓度的影响,同时探讨了污染物浓度变化的成因,建立基于LSTM神经网络的PM_2.5浓度预报模型.结果表明,2016～2020年太原市区冬季出现的重污染天数最多,其中2017年冬季出现天数最多为28 d, PM_2.5浓度总体呈现出秋冬季节高,春夏季节低,周末PM_2.5浓度高于工作日浓度,PM_2.5浓度日变化大致呈现双峰型分布,分别出现在09:00左右和23:00至翌日01:00.除相对湿度和冬季气温外,其余气象要素与PM_2.5浓度在四季均表现为负相关.影响太原市区PM_2.5浓度升高的污染源主要位于其NE-ENE-E方向,西北部地区的相对不明显.汛期当达到中雨(降水量≥10 mm)以上级别的降水都对PM_2.5浓度降低有明...     

基于MPSO-WLS-SVM的矿井瓦斯涌出量预测模型研究

为有效预防瓦斯灾害,以预测矿井瓦斯涌出量为研究目的,提出经改进的粒子群算法(MPSO)优化的加权最小二乘支持向量机(WLS-SVM),并用其预测非线性动态瓦斯涌出量。算法通过对WLS-SVM的正则化参数C和高斯核参数σ寻优,建立基于MPSO优化的WLS-SVM的瓦斯涌出量预测模型,并利用某矿井监测到的各项历史数据进行实例分析。试验结果表明:该预测模型预测的最大相对误差为5.99%,最小相对误差为0.43%,平均相对误差为2.95%,较其他预测模型有更强的泛化能力和更高的预测精度。