环境因素数据质量审核方法研究

目的 解决大气环境试验站的气象数据报表存在数据缺失、数据超过边界、数据内部不一致、数据时间不一致等问题,采用数据质量审核技术找出缺失、可疑或错误的数据,对科研人员进行警示,使其能够追根溯源,分析存在问题的原因。方法 参照相关规程和标准,建立环境因素数据质量审核算法和审核流程,并使用计算机语言编程固化流程和算法,利用多线程算法对数据进行扫描,实现大批量气象数据的并行审核。结果 利用Python语言设计了环境因素质量控制软件,通过该软件的应用证明了该方法合理、有效,能够快速、准确地标注气象数据报表中存在质量问题的数据。利用软件统计了存在问题数据的数量和正确率。结论 通过加载数据测试,证明了环境因素数据质量审核方法和审核流程合理有效,利用设计的审核软件实现了气象数据报表快速审核,提高了审核效率,减少了科研人员的劳动强度,为进一步填补、修正和利用数据奠定了基础。     

基于BP神经网络的天线识别

本文比较研究了BP神经网络中的几种常用算法,针对这些不同算法下的BP神经网络进行训练,并得出了各自网络的性能。在此基础上,针对经典BP算法和LM算法进行对比研究,找到LM算法的改进之处。此外,在实际的应用中表明,不仅不同的BP算法对网络的运算速度、泛化能力等有较大的影响,而且BP神经网络对隐含层神经元数目也很敏感。我们希望在BP神经网络的基础上,构建一种合适的天线模型,来应用于天线的分类识别,这将具有很大的现实意义。     

基于LBM的集中涌出瓦斯在通风网络中蔓延仿真

应用速度-浓度双分布格子Boltzmann模型建立了基于LBM的瓦斯蔓延速度模型和浓度模型,并通过Boussinesq方程将2个模型有机耦合起来.采用基于分块耦合算法的速度-浓度LBM模型将巷道分成若干规则的块,对各块分别独立计算,仅在边界处交换数据,从而去除冗余网格,简化了网格计算,提高了系统资源利用效率.模拟实例结果表明,通过该模型可得到集中涌出瓦斯在通风网络中蔓延的直观信息和其速度、体积分数、压力等大量数据,还可以得到每条巷道内瓦斯体积分数峰值及其个数、位置和到达时间,从而能提供有效避开高浓度瓦斯的方案.集中涌出瓦斯在通风网络中蔓延一段时间后总体体积分数会降低,但是由于某些位置(如巷道拐角、巷道风流交汇处)的风流处于紊流状态,其瓦斯体积分数相对比较高,人员进入矿井时应尽量避免在这些地方停留.     

船舶区域溢油风险程度甄别的人工神经网络方法

利用误差反向传播 (BP)人工神经网络 ,建立了海域船舶溢油风险程度甄别的评价模型。该模型能够反映出研究海域各区域发生船舶溢油事件的风险等级差别 ,具有一定的客观性和实用性。     

长江三角洲城市旅游与城市发展协调性及影响因素

城市旅游业作为城市服务业的重要部门,是推动城市发展的后续动力。运用信息熵赋权法和TOPSIS法相结合,从经济水平、社会发展、公共交通、城市绿化、环境保护、旅游发展6个方面对长江三角洲2003年和2008年的城市旅游与城市发展的协调性进行分析,借助ArcGIS软件的空间聚类法分析了城市旅游与城市发展协调水平的空间格局及演变,最后探讨影响因素。结果表明:长江三角洲16城市的城市旅游协调水平在研究期间相对稳定,具体可被划分为4个等级,第一、二等级城市数量较少,得分显著高于第三、四等级城市。城市旅游协调水平空间上存在较大差异,北部城市得分高于南部城市,基本格局保持稳定,呈现以上海、南京、杭州三个城市为核心向外围边缘城市的空间衰减。产业发展、城市旅游发展模式、城市旅游重大项目投资、区位条件是长江三角洲城市旅游协调水平产生空间分化的主要影响因素,可制定以城市旅游发展为手段的方式推动城市发展,促进区域均衡发展。     

气溶胶等效复折射率反演的免疫进化算法

通过Mie散射理论公式构建目标函数,利用免疫进化算法对气溶胶等效复折射率的实部和虚部进行协同优化,据此创新性地提出了气溶胶等效复折射率反演的新途径.基于成都市2017年9~12月逐时的气溶胶散射系数和吸收系数观测数据以及该时段同时次GRIMM180大气颗粒物监测仪的连续监测资料,研究结果表明,气溶胶等效复折射率反演的免疫进化算法不仅是普适的,而且还具有收敛速度快、计算稳定和求解精度高等特点.通过与其它气溶胶等效复折射率反演方法的对比分析,进一步论证了新方法的优势,这为气溶胶等效复折射率演变机理以及气溶胶吸湿性增长模型的后续研究提供了算法保障.     

基于PSO优化BP神经网络的水质预测研究

为快速准确地预测河流水质,结合汾河监测数据,使用粒子群算法(PSO)优化BP神经网络模型(PSO-BP)进行水质预测.通过灰色关联度分析确定输入变量,利用PSO算法修正BP网络的初始权值、阈值,优化神经网络结构及算法全局收敛性.采用该模型对汾河主要污染物指标COD、BOD5、氨氮、挥发酚等进行预测和验证.结果表明,与传统的BP神经网络模型相比,PSO-BP模型使最大相对误差从15.43％减小到1.46％,其平均误差由4.00％减小到1.01％,预测均方根误差从5.956×10-3减小到1.605×10-4.因此,基于PSO-BP神经网络模型的预测更加精确,可用于水质预测.     

基于随机森林算法与农户视角的村落级农业面源污染风险分析

当前农业面源污染问题依然严峻,村落级尺度下各地块的污染风险状态精细识别有待进一步研究.本文针对三峡库区典型村落重庆市涪陵区南沱镇睦和村进行研究,结合无人机多光谱技术、农户行为调研、随机森林算法等进行地物识别及泛地块网格划分,通过测算总氮(total nitrogen,TN)、总磷(total phosphorus,TP...