基于人工免疫原理的事故预防研究

介绍生物免疫识别模式,分析事故预防过程的实质是抑制潜在危险转化成事故的控制过程,分析比较事故预防与生物免疫识别模式在作用、生存环境、动作触发源等的共性,构建了基于免疫识别模式的事故预防系统并建立了事故预防数学模型;定义事故预防系统的识别率、失效率、误判率并给出了数学表达式,指出监测生产系统各环节状态信息是否符合系统的安全要求就是识别潜在危险的过程,是事故预防的关键,基于人工免疫原理的事故预防数学模型具有较强的健壮性、自适应性和动态防护性等特点。     

基于人工神经网络理论的建筑物火灾安全评价研究

依据建筑物火灾危险性的影响因素,应用人工神经网络理论及系统安全方法,建立了建筑物火灾危险性的评价指标体系,该方法摆脱了评价过程中的随机性和参评人员主观上的不确定性及其认识上的模糊性等缺点,大大提高了准确性。为了验证评价模型的准确性,将该理论应用到某高校图书馆火灾危险性评价中,快速、准确地得到了安全评价结果,取得了满意效果,为建筑物防火设计以及安全管理提供了可行的依据。     

成都市活水公园人工湿地系统10年运行回顾

成都市活水公园是1997年建成的世界上首座以展示"人工湿地水处理系统"和"仿峨眉山亚热带自然植被"为主要内容的、以水保护为主题的生态公园。它所展示的人工湿地处理系统工程,现己正常运行了10年。本文通过回顾10年来活水公园人工湿地工程设计、建设与运行的经验,结合当前己建和在建的人工湿地工程中所存在的一些问题,提出一些看法与建议。供从事人工湿地工程设计、施工及管理人员参考。     

基于3种时间序列模型的九龙江河流库区藻华预测

湖库富营养化和有害藻华是全球性生态环境问题,藻华预测与早期预警是保障湖库水源地供水安全的关键技术.如何基于高频水生态在线监测数据进行藻华的实时动态预测成为水生态管理领域的重大需求.本研究以福建省九龙江江东库区(水源地)为例,利用3年连续观测的逐时平均总叶绿素a浓度数据,对比研究了SARIMA、Prophet和LSTM(长短期记忆神经网络)3种时间序列模型在藻华(日平均叶绿素a大于15μg·L^-1)预测方面的效果.结果表明：(1)时间序列模型要求参数少,灵活性强,能清晰反映水质特征和未来变化趋势,可弥补传统藻类监测预警方法的局限性;(2)基于深度学习框架的LSTM模型,具有独特的迭代优化算法,对藻类非线性变化特征的识别和预测能力较强,其总叶绿素a逐日预测和7日预测效果均显著优于SARIMA模型和Prophet模型;(3)输入数据长度会在一定程度上影响模型预测效果,最优的输入数据时间长度为7 d;输入数据频率对预测效果也有影响,在预测非藻华日时,小时数据的预测效果优于日频率数据;在预测藻华日时,两种频率数据无显著差异,但日频率数据能更准确识别藻华日特征.总结起来,基于...     

地下水人工补给过程介质堵塞及控制研究进展

人工补给作为解决地下水超采及其环境负效应的有效措施,在全球得到广泛应用.但人工补给过程中的介质堵塞问题对补给效率、运行成本及工程寿命有着显著不利影响.在收集整理已有研究资料的基础上,对人工补给类型,过程中介质堵塞机理、预测、控制和治理方法进行了详细归纳和总结.分析表明,介质堵塞受到介质、水源物化特征和水文地球化学条件等因素影响;堵塞预测方法有水质指标法、经验公式法、数学模型法;堵塞的预防目前以水质控制为主;堵塞的治理需综合物理和化学方法.尽管有关人工补给的多种技术已日益成熟,但结合介质空间差异特征和水源条件复杂性开展的人工补给促渗技术还需进一步研究.     

阿海水电站新源沟砂石加工废水处理工艺浅谈

新源沟砂石加工系统生产废水SS浓度高,采用水力旋流/加药絮凝/多级沉淀工艺处理,运行结果表明,处理出水水质满足《污水综合排放标准》（GB8978-1996）一级标准中的给定限值70mg/L,达标出水全部回用。     

Comparison of the Performance of Statistical Models in Forecasting Monthly Total Dissolved Solids in the Rio Grande1

Abudu, S., J.P. King, Z. Sheng, 2011. Comparison of the Performance of Statistical Models in Forecasting Monthly Total Dissolved Solids in the Rio Grande. Journal of the American Water Resources Association (JAWRA) 48(1): 10‐23. DOI: 10.1111/j.1752‐1688.2011.00587.x Abstract: This paper presents the application of autoregressive integrated moving average (ARIMA), transfer function‐noise (TFN), and artificial neural networks (ANNs) modeling approaches in forecasting monthly total dissolved solids (TDS) of water in the Rio Grande at El Paso, Texas. Predictability analysis was performed between the precipitation, temperature, streamflow rates at the site, releases from upstream reservoirs, and monthly TDS using cross‐correlation statistical tests. The chi‐square test results indicated that the average monthly temperature and precipitation did not show significant predictability on monthly TDS series. The performances of one‐ to three‐month‐ahead model forecasts for the testing period of 1984‐1994 showed that the TFN model that incorporated the streamflow rates at the site and Caballo Reservoir release improved monthly TDS forecasts slightly better than the ARIMA models. Except for one‐month‐ahead forecasts, the ANN models using the streamflow rates at the site as inputs resulted in no significant improvements over the TFN models at two‐month‐ahead and three‐month‐ahead forecasts. For three‐month‐ahead forecasts, the simple ARIMA showed similar performance compared to all other models. The results of this study suggested that simple deseasonalized ARIMA models could be used in one‐ to three‐month‐ahead TDS forecasting at the study site with a simple, explicit model structure and similar model performance as the TFN and ANN models for better water management in the Basin.     

基于人工蜂群算法与BP神经网络的水质评价模型

针对BP网络水质评价模型的不足,引入人工蜂群(ABC)算法,将求解BP神经网络各层权值、阀值的过程转化为蜜蜂寻找最佳蜜源的过程,提出了一种新的结合人工蜂群算法的BP网络水质评价方法(ABC-BP)。并以2000—2006年渭河监测断面的10组实测数据作为测试样本对其水质进行了评价,实验结果表明该方法得到的水质评价结果准确,并具有很强的稳定性和鲁棒性。     

人工浮床对汾江河水质净化的研究

对佛山市汾江河内布置浮床的水域的7个断面进行采样监测,分析了布置浮床侧与未布置浮床侧各水质指标的差异,以考察人工浮床对汾江河水质的净化效果。同时比较了圆币草、水罂粟、梭鱼草、狐尾草、美人蕉和鸢尾6种浮床植物的生物量和氮磷吸收量。结果表明,布置人工浮床一侧的水质TN、TP、COD和NH4＋-N含量均显著低于未布置浮床一侧的水质,表明人工浮床对水体水质的有净化效果。总面积约4 900 m2的浮床植物经过3个月的生长,从水体中共吸收了192.5 kg的氮和76.1 kg的磷。6种浮床植物中,狐尾草的净增生物量最高,达到64.2 kg/m2;圆币草次之,为62.2 kg/m2。狐尾草和圆币草对氮磷的吸收能力在6种植物中处于较高水平,每平方米狐尾草和圆币草从水体中分别吸收了51.61g氮、19.79 g磷和46.90 g氮、22.93 g磷。综合比较得出,狐尾草和圆币草在生物量和氮磷吸收量上均保持在较高水平,是较好的浮床植物。本研究为人工浮床在南方类似河流中的应用及植物选择提供了参考依据。     

能源利用中烃类气体检测技术研究进展

烃类气体作为地表油气地球化学勘查地下油气藏的直接指标,以及钻井液检测中指导钻井作业的重要因素,在挥发性烃类污染控制中也发挥着重要作用。通过对各类烃类气体检测技术现状和应用情况进行分析与整理,为该类技术针对不同目标的选择与组合提供了依据。