水华蓝藻复苏的研究进展与水华预测

综合分析了当前国内外水华复苏的研究进展,确定了水华蓝藻复苏的定义,介绍了研究蓝藻复苏的方法,以及蓝藻复苏对水体中蓝藻种群生物量以及当年蓝藻水华形成的贡献,探索了驱动水华蓝藻复苏的环境因子。结合太湖的研究成果,阐述了研究水华蓝藻复苏在进行水华预测中的重要作用,并展望了未来研究的重点。     

东北玉米热量指数预测方法研究(Ⅳ)——均生函数预测方法

均生函数预测方法是开展环境要素变化趋势预测的有效方法之一。通过对东北地区玉米热量指数的分析,建立了热量指数时间变化趋势的均生函数预测模型,各模型预测的平均精度基本都达到95%以上,与逐步回归统计模型一致,但普遍要好于GM(1,1)模型,同样可以应用该模型的预测结果指导农业生产。     

病源性早衰生理指标与小麦条锈病的马尔柯夫链预测

针对四川小麦生长发育中,后期锈病病害蔓延导致冠叶感病早衰、致使小麦减产的生产实际,采用控制性盆载试验和田间试验,研究了小麦感染锈病后对活性氧代谢系统、直光合功能的影响,筛选具有预测性能的生理指标作为发病程度的预测标准,应用马尔柯夫链预测方法,对小麦条锈病的发病危害程度进行预测和拟合检验,结果表明：以单叶光合速率的异常变化的大小作为小麦条锈病发生程度的指标具有宏观模糊性,有一定的代表性,本方法简单易行,拟合率较高,有一定的可靠性和实用性,本研究结果分别在锈病危害的预测、防治等方面都具有重要的理论和实践意义。     

工厂噪声对厂外环境的影响预测方法及实例计算

本文论述了工厂的室内和室外声源的几种传播计算模式,指出了具体的计算方法和简化办法,并用具体实例进行了演算,还将计算结果与监测结果进行了比较,证明了所介绍的预测方法在实际运用中的可行性     

地表水BOD_5的快速预测预报

地表水五日生化需氧量（ＢＯＤ５）的测试需要五天时间,分析周期较长。本文建立了ＢＯＤ５与高锰酸盐指数（ＣＯＤＭｎ）、ＢＯＤ５与溶解氧（ＤＯ）之间的直线回归方程,通过测定地表水的ＣＯＤＭｎ和ＤＯ可分别对地表水的ＢＯＤ５实现快速预测预报。现场使用溶解氧测定仪检测ＤＯ,可立即预报地表水的ＢＯＤ５。     

深圳市机动车氮氧化物排放、环境空气污染预测和控制对策

针对机动车排放已成为深圳市环境空气中氮氧化物 ( NOx)的主要来源、氮氧化物 ( NOx)已成为深圳市环境空气主要污染物的现状 ,为防止光化学烟雾事件的发生 ,对深圳市未来环境空气质量和氮氧化物 ( NOx)污染水平进行了预测并根据研究结果提出了改善深圳市环境空气质量的对策     

空气质量预报在世界互联网大会中的应用

为支持世界互联网大会期间大气污染管控工作,利用人工结合数值模式预报的方式在第二届到第五届世界互联网大会期间开展空气质量预报工作。多模式系统中WRF-CMAQ对乌镇及浙北区域大气污染变化的趋势模拟最好,2016—2018年对AQI日均值模拟的平均分数偏差（MFB）和平均分数误差（MFE）分别为-1.3%~1.6%和24.3%~28.3%。会前48 h、72 h和96 h空气质量等级预报准确率分别为37.5%~83.3%、33.3%~90.0%和0~89.9%。会议期间乌镇的AQI日均值48 h预报准确率为33.3%~100%,等级预报准确率为66.7%~100%。与日常空气质量预报不同,会议期间预报还应重点关注大气污染过程,如有污染可能性,需要给出污染过程的起始时间、持续范围和浓度峰值等情况及其关键时间节点,有针对性地提出大气污染管控的措施建议,为会议期间空气质量保障提供技术支撑。     

基于信号改进深度学习网络的京津冀城市群二氧化氮浓度预测

在中国华北地区,二氧化氮污染仍旧不容忽视,尤其是在机动车辆密集和工业生产相对集中的京津冀城市群。运用小波分解(WD)和长短期记忆(LSTM)神经网络建立了W-LSTM组合模型,用于预测未来京津冀地区二氧化氮日均浓度和分指数。使用2014年1月—2018年5月主要大气污染物数据对组合预测模型进行训练试验,在获得最优模型参数后,使用2018年6月—2019年6月数据进行模型预测性能测试试验。结果表明,相较于传统的LSTM预测模型,W-LSTM组合预测模型具有更好的预测性能,预测结果的平均绝对百分误差为9.21%。在此基础上,使用最优预测模型对京津冀城市群2019年7月—2020年12月二氧化氮日均浓度进行了预测,并描绘了时空分布图用以表征其时空变化特征。     

基于深度学习的人工智能空气质量预报系统构建

针对现有空气质量预报系统存在预报精度低、人工经验辅助、适用范围单一等问题,利用深度学习方法在分析数据内在特征方面表现出的优异性能,结合多源数据融合技术,设计了基于深度学习的空气质量预报系统实现方案.通过对多源数据集的实时制作更新、分析空气质量演变的时空特性、定义和拟合深度学习模型并部署于服务器等关键技术的研究,最终实现...     

基于机器学习的短临预报方法及其在空气质量保障中的应用

基于多个数值模式(NAQPMS、CMAQ)预报结果和站点观测资料,采用岭回归机器学习方法构建了一种多污染物短临预报方法,并应用于2017年厦门金砖国家峰会和2019年武汉军运会空气质量保障工作,评估总结了短临预报方法的可行性和预报效果.结果表明:短临预报表现出很好的预报能力,可以有效改进数值模式的预报趋势和量值.从日均...