基于复合LSTM模型的PM2.5浓度预测

在对淄博市19个空气质量监测站点监测数据进行分析后,提出了一种基于机器学习的复合模型——灰色关联度分析(GRA)-改进的完备总体经验模态分解(ICEEMD)-长短期记忆网络(LSTM)模型。通过分析淄博市2019年大气污染物和气象数据,选用LSTM模型预测PM_2.5浓度。由于传统单一模块机器学习模型具有训练时间较长和预测精度较低的问题,提出了复合LSTM模型。该模型由3部分组成：GRA,用于PM_2.5浓度影响因素变量筛选;ICEEMD,用于PM_2.5分解、分量筛选和原始大气污染物及气象数据处理;LSTM,用于PM_2.5浓度预测。预测结果表明：淄博市中部丘陵地带PM_2.5浓度高于南部山区和北部平原,东部高于西部;淄博市逐月PM_2.5浓度呈“U”形分布,1月最高,8月最低;淄博市PM_2.5浓度受PM₁₀和CO影响较大,受湿度和温度影响较小。对比单一LSTM模型和GRA-LSTM模型,GRA-ICEEMD-LSTM模型...     

大同铅锌尾矿不同污染程度土壤细菌群落分析及生态功能特征

随着工业化飞速发展,矿山开采滞留大量废弃物严重破坏了生态环境,造成的污染亟待解决.以不同污染区为对象,利用Illumina高通量测序技术分析土壤细菌群落的变化,结合土壤理化因子探究土壤细菌群落主要影响因素,并对其潜在生态学功能进行预测.结果表明,受尾矿污染加剧影响,土壤养分流失严重.土壤样品共获得细菌操作分类单元(OTU)14 253个,重度污染区(W1)、中度污染区(W2)、轻度污染区(W3)和清洁区(CK)的OTU数分别为3 240、 3 330、 3 813和3 870个,随着污染加剧,土壤OTU值下降.在土壤细菌群落α多样性分析中,与CK相比,W1显著降低了Chao1、 ACE和Shannon指数(P<0.05),W3无显著差异.土壤细菌群落的优势菌门是放线菌门(β-Actinobacteria)、变形菌门(β-Proteobacteria)和绿弯菌门(β-Chloroflexi),污染区(W1～W3)提高了放线菌门和变形菌门的相对丰度,降低了绿弯菌门的相对丰度,W1优势菌门的相对丰度与CK差异性显著(P<0.05).RDA分析表明土壤理化性质与土壤细菌群落的总变异...     

基于PSO算法的BP神经网络对水体叶绿素a的预测

BP神经网络(Back Propagation Network)在水体富营养化评价及预测中已广泛应用,但传统BP算法的收敛速度慢并易陷入局部最优. 提出了一种基于微粒群(PSO)算法的BP神经网络模型,利用PSO对神经网络的权值进行修正,优化神经网络结构及算法全局收敛性. 选择最能代表明湖水质状况的5号采样点作为研究对象,把2009年4月—2010年3月的月样本插值为周样本,对明湖ρ(Chla)的短期变化趋势进行了预测,并用6号采样点数据来验证网络的泛化能力. 比较分析基于PSO算法的新模型与传统BP算法模型的预测精度表明,新模型有效克服了传统算法的缺点,提高了网络的预测能力和学习能力.      

北京市灰水足迹评价

北京市属于重度资源型缺水地区,加上严重的水污染情况,使得水问题成为制约当地社会经济发展和生态安全的关键性因素。研究采用灰水足迹理念将北京市1995-2009年间不同部门产生的污染物以"稀释水"的形式进行量化。研究表明:①北京市2009年灰水足迹为49.5×10⁸ m³,约为北京当年水资源量的2.3倍;②生活部门的灰水足迹最大,农业部门次之,工业部门的灰水足迹最小;③北京市灰水足迹呈现逐年下降的趋势,农业、生活和工业部门的灰水足迹在1995-2009年间分别下降了45%、62%和93%;④虽然北京市灰水足迹逐年减小,水体水质却呈现逐年恶化的趋势,剩余灰水足迹(即灰水足迹与水资源的差值)累积值的增加,是北京市水质逐年恶化的直接原因。严格控制灰水足迹是实现水环境总体改善的重要途径。     

污染条件下成都市PM_(2.5)干沉降速率的模拟分析

利用成都市三瓦窑、沙河铺国控环监站2015年9月—2016年8月逐时PM_(2.5)监测数据,结合同期双流国际机场公布的地面气象要素(风场、温度、湿度和压强)以及温江站风速探空资料,首先统计分析了成都市风场、温度和湿度的基本特征,然后计算了污染条件下PM_(2.5)干沉降速率,并建立了适用于不同季节的GIFM模型和多元回归预测模型。结果表明:基本气象要素场的配置以及特殊地形导致了成都市PM_(2.5)干沉降环境恶劣,同时四季差异较大;污染条件下PM_(2.5)干沉降速率约为0.02~0.1 cm/s,表现为冬季<秋季<年<春季<夏季,四季的主要影响因子也不同,秋冬为湿度和压强,春季为温度,夏季为风速,且湿沉降强度过大时,会出现PM_(2.5)干沉降速率的"虚高"现象;GIFM模型和多元回归模型均能很好地预测污染条件下的PM_(2.5)干沉降速率,其预测能力均是夏季最好,冬季最差,春秋次之,通过对比分析表明GIFM模型的预测能力在各季节均优于多元回归模型。     

斜坡滑动失稳演化的非线性机制与过程研究进展

文章对非线性动力学系统(NDS)理论在斜坡稳定性(岩石平面滑动斜坡和圆弧滑动土坡)和滑坡预报方面的研究进展作了评述,内容包括:滑面介质本构方程、失稳判据、水的作用机制、蠕变三阶段的理论解释、滑坡物理预报模型、预报指标与混沌模型的建立等,最后指出了进一步研究的方向与课题。     

情景分析法预测西安市大气污染物排放总量

情景分析法是通过对经济、技术的重大演变提出各种关键假设,对可能的未来情景加以描述,并分析情景对目标产生影响的预测方法。文章以西安市为例,运用情景分析法分析了2020年3种不同情景下的大气污染物排放量。结果显示:3种情景下SO2、NOx的排放量依次减小,情景二和情景三模式下的SO2排放量均低于基准年,但3种情景下的NOx排放量均高于基准年。     

海洋环境中材料腐蚀数据采集处理网络系统的研究

介绍了利用电话公网为传输栽体建立以海洋腐蚀与防护国防科技重点实验室为中心辐射青岛、厦门和三亚3个海水试验站的材料腐蚀数据采集计算机网络平台。研发了具有自主知识产权的多通道电偶腐蚀数据自动采集系统,将该系统与网络平台相结合可实现远程实验数据自动采集。同时为了有效地管理、存储和实现数据的共享,研究建立了海洋环境材料腐蚀与防护数据库,收集和整理了大量的材料腐蚀数据。在分析研究大量腐蚀数据的基础上建立了误差反传（BP）人工神经网络预测模型和灰色GM（1,1）腐蚀预测模型。从而形成一套较完整的数据采集、处理和分析网络系统。     

灰色聚类法对太湖地区农村地下水水质的评价

以太湖流域典型水稻种植地区-宜兴、常熟王庄和辛庄9月份农村地下水水质为研究对象,分析了地下水样的硝态氮、铵态氮、亚硝态氮、总磷、高锰酸钾指数、硫酸盐、氯化物、总硬度等常规项目,确定硝态氮、铵态氮、亚硝态氮、总磷、高锰酸钾指数为该地区地下水的主要污染因子.运用灰色聚类法对地下水水质现状进行了评价.结果表明:太湖地区农村地下水普遍受到了污染,仅有10%的地下水水质勉强达到Ⅲ类水标准;80%的地下水达到Ⅳ类或劣Ⅳ类水标准;10%的地下水达Ⅴ类水标准,已不适合饮用.地下水中的主要超标项目是铵态氮、亚硝态氮和高锰酸钾指数,其中铵态氮和亚硝态氮超标十分严重.宜兴地区铵态氮和亚硝态氮污染最严重;个别监测点地下水中硝态氮含量较高,超过世界卫生组织规定的生活饮用水硝态氮质量浓度10 mg/L的上限.总硬度、硫酸盐、氯化物、砷和硒的含量较正常,但是发展趋势值得关注.     

基于神经网络模型的燃料空气混合物爆炸威力预测研究

燃料空气混合物爆炸威力准确预测研究是学术界的一个难题。针对燃料空气混合物爆炸威力有效预测问题,采用神经网络方法,设计多层神经网络模型,进行实际预测应用。应用结果表明,采用的预测方法简便、可行,可以为燃料空气混合物爆炸威力预测提供一种新途径。相比3层BP模型,设计的预测模型可以减少训练次数,缩短训练时间,提高预测正确率,应用优势较明显。