焦化废水对蚕豆和大麦毒性的影响

以COD作为主要参照指标,研究了焦化废水在符合GB 13456-92<钢铁工业水污染物排放标准>焦化一级、二级排放标准限值要求时,对蚕豆和大麦幼根生长、根尖细胞遗传毒性的影响.结果表明:在实验周期内,焦化废水对蚕豆幼根根长、根重和有丝分裂指数的影响不大;对大麦幼根根重无明显影响,而对大麦根长和有丝分裂指数有促进作用.焦...     

路面径流水环境下交通承载力分析

为了对路面径流水容许污染总量控制下的交通承载力问题进行探讨,利用神经网络具有的非线性映射能力和遗传算法具有的全局随机搜索能力,结合公路路面径流水质检测数据,提出了一种基于遗传神经网络进行公路交通环境承载力反计算的分析方法,应用该方法可根据路面径流水质污染数据反演出路段交通量大小,并可据此进行交通量与路而径流水质污染的关...     

基于遗传算法的可持续土地利用动态规划

在建立和求解多目标可持续土地利用动态规划模型过程中,采用遗传算法并结合多目标模糊优选理论处理多目标土地利用结构优化问题。其详细步骤为：在分析区域特征基础上构建时间序列;通过现状分析设置土地利用类型决策变量,确定优化目标和约束条件,构建土地利用结构多目标优化模型;用灰色GM(1,1)预测模型对土地利用结构优化多目标模型参数进行预测;用遗传算法多目标优化方法对土地利用结构优化模型求解得pareto解集;最后运用多目标模糊优选动态规划方法对规划期内各时间段的pareto解集进行模糊动态优选,以最大优属度判定原则确定出最优决策序列。自贡市的实例表明,该方法有助于解决多目标协调问题,并通过提供多方案选择性,从而使规划更具灵活性,同时又便于充分吸纳公众参与,减少规划中的不确定性,增加规划的科学性、现实性和可操作性。     

AHP与GA-SVM耦合模型在滑坡预警中的应用*

为了减少滑坡造成的损失,提高滑坡预测的准确性,通过搭建灾害模拟平台获得滑坡的实验数据,在获得多组模拟实验数据后,分析各变量的特性。首先,通过层次分析(Analytic Hierarchy Process,AHP)算法,对滑坡进行危险度划分;然后,通过支持向量机(Support Vector Machine,SVM)建立模型,遗传算法(Genetic Algorithm,GA)再优化SVM参数,提出1种层次分析法与GA-SVM相耦合的模型。研究结果表明:AHP方法划分后的数据,通过GA与SVM结合建立的模型精度较好,实验预测结果与实际结果较为吻合,与单一SVM相比,精度更高,结果更好,更加适用于多变量的复杂非线性滑坡预警。     

应用变性梯度凝胶电泳研究厦门西海域超微型真核浮游生物多样性

应用变性梯度凝胶电泳(DGGE)方法对厦门西海域超微型真核浮游生物的遗传多样性进行周年变化特征研究分析.结果表明,厦门西海域典型测站的超微型真核浮游生物群落具有丰富的多样性组成;厦门西海域超微型真核浮游生物群落遗传结构和主要类群组成季节性变化显著:不同典型测站之间的超微型真核浮游生物群落遗传结构的周年变化特征相似;不同典型测站之间的超微型真核浮游生物群落的类群组成也很相似,由绿藻、Stramenopiles、定鞭金藻、甲藻、未确定类群(unidentified groups)和其他类群组成.     

Optimizing mixture properties of biodiesel production using genetic algorithm-based evolutionary support vector machine

Nowadays, biodiesel is used as one of the alternative renewable energy due to the increasing energy demand. However, optimum production of biodiesel still requires a huge number of expensive and time-consuming laboratory tests. To address the problem, this research develops a novel Genetic Algorithm-based Evolutionary Support Vector Machine (GA-ESIM). The GA-ESIM is an Artificial Intelligence (AI)-based tool that combines K-means Chaotic Genetic Algorithm (KCGA) and Evolutionary Support Vector Machine Inference Model (ESIM). The ESIM is utilized as a supervised learning technique to establish a highly accurate prediction model between the input--output of biodiesel mixture properties; and the KCGA is used to perform the simulation to obtain the optimum mixture properties based on the prediction model. A real biodiesel experimental data is provided to validate the GA-ESIM performance. Our simulation results demonstrate that the GA-ESIM establishes a prediction model with better accuracy than other AI-based tool and thus obtains the mixture properties with the biodiesel yield of 99.9%, higher than the best experimental data record, 97.4%.     

培养藻类制取生物能源的研究

能源紧张和环境污染是全世界所面临的共同问题,用藻类替代传统作物生产生物能源是生物质能的重要发展方向之一。文章介绍了国内外对藻类培养条件、光生物反应器型式、藻类基因工程、藻细胞收集方法以及能源藻类生产系统的研究成果。研究认为,以藻类为原料生产生物燃料具有良好的发展前景,并指出了今后能源藻类生长的重点研究方向。     

水环境质量综合评价的新模型

为检验已订的水环境质量评价标准的合理性,解决各单项水质指标的评估结果的不相容性问题,提高水质等级模型的分辨率,提出了一种新的水质评价模型-逻辑斯谛曲线(LOG)模型,它的水质等级是连续的实数值;根据LOG模型的参数值可以分析各水质指标值对水质等级的影响程度,从而检验原订水质等级标准的合理性;并给出了基于实码遗传算法的LOG建模的实施方案.实例研究说明,这套方案是实用的和通用的,在其它环境质量综合评价中也具有广泛的应用价值.     

杉木地理种源遗传变异的RAPD分析

应用随机扩增多态性DNA技术对我国12个有代表性的杉木地理种源遗传多样性进行分析,从80个随要引物中筛选出20个进行扩增,共扩增出149个DNA片段,其中具多态性的片段有115个,占77．18％％,表明极木地理种源间具有丰富的DNA序列多态性、平均每个引物提供7．45个RAPD标记的信息量,扩增出的DNA片段大小一般为150到2000bp范围之间,12个杉木地理种源间遗传距离变幅为0．193－0．4467,聚类结果表明,在0．2664处,广东信宜,广西梧州,湖南会同,湖南江华,贵州锦屏,江西全南聚为一类,福建沙县,浙江开化,湖北咸宁,安徽休宁聚为一类,四川雅安,陕西南郑各为一类,图2表2参15     

Forecasting China’s primary energy demand based on an improved AI model

An improved energy demand forecasting model is built based on the autoregressive distributed lag (ARDL) bounds testing approach and an adaptive genetic algorithm (AGA) to obtain credible energy demand forecasting results. The ARDL bounds analysis is first employed to select the appropriate input variables of the energy demand model. After the existence of a cointegration relationship in the model is confirmed, the AGA is then employed to optimize the coefficients of both linear and quadratic forms with gross domestic product, economic structure, urbanization, and technological progress as the input variables. On the basis of historical annual data from 1985 to 2015, the simulation results indicate that the proposed model has greater accuracy and reliability than conventional optimization methods. The predicted results of the proposed model also demonstrate that China will demand approximately 4.9, 5.6, and 6.1 billion standard tons of coal equivalent in 2020, 2025, and 2030, respectively.