运用机器学习方法预测空气中臭氧浓度

臭氧(O_3)浓度变化与天然源、移动源和点源的排放量存在某些隐含的关联。根据臭氧浓度变化的特性,基于污染源在线排放数据、气象监测数据以及空气质量监测数据构造特征,运用机器学习方法进行逐小时臭氧浓度预测。该方法不仅充分利用了臭氧浓度变化时序数据,而且考虑了气象条件变化对污染物浓度变化的影响,最重要的是将点源排放氮氧化物这一臭氧生成的重要前体物纳入模型考虑。在金砖国家领导人厦门会晤前后(2017年8月31日至9月9日),运用该方法对厦门市溪东、洪文、鼓浪屿和湖里中学四个大气自动监测站的臭氧小时浓度平均值进行滚动预报,比较准确地模拟出臭氧浓度的日周期性变化,同时对峰值和低谷能够进行较为有效的捕捉和刻画。按照《环境空气质量标准》(GB3095—2012)臭氧日最大八小时浓度平均值进行评价,四个站点均取得了90%的预报等级准确率。     

基于高分辨率影像的固体废物自动识别技术

随着经济快速发展,工业固废、非正规垃圾、未覆盖建筑渣土等固体废物急剧增加,对区域生态环境造成极大威胁。固废堆场具有面积小、分布散等特点,目前国内仍缺少针对各类固废堆场的遥感自动识别研究。为此,基于国产高分辨率卫星遥感数据,根据野外实地光谱采集结果,分别开展了未覆盖建筑渣土、工业固废及非正规垃圾的自动识别方法研究,提取研究区各类固废堆场。结果表明:未覆盖建筑渣土在蓝波段与绿波段分别存在"吸收谷"与"反射峰",基于该特征构建的比值指数模型,结合直方图双峰法阈值分割可以有效提取未覆盖建筑渣土区域;工业固废、非正规垃圾2种固废类型多样,光谱反射率没有明显规律,结合其纹理、色调等特征,采用面向对象多尺度分割、支持向量机监督分类方法能够较好地识别2种类型固废;基于自动化提取技术并结合人机交互判读方法,提取的研究区未覆盖建筑渣土、工业固废及非正规垃圾等3种固废堆场的精度分别达到96.83%、88.26%、85.71%,各类固体废物遥感识别精度较高,极大提高了固废监测效率。     

国产旋压设备的发展和应用

概述了国内旋压设备 30余年来的发展历程 ,指出了国产设备与发达国家的产品存在的差距 ,以及近年来国内旋压机床制造业取得的成绩。并结合国内外市场的需求 ,提出了旋压设备今后发展的方向