基于GIS的重气体扩散预测模拟研究

近年来国内环境风险事故频发,凸显了环境风险管理尤其是环境风险控制的必要性。因为针对园区及企业建立环境风险定量化模拟手段具有重要意义。针对目前环境风险管理与突发事件模拟预警的需求,以假定液氯扩散情景为例,结合重气体扩散模拟模型ALOHA与Arc/Info,对重气体扩散的影响范围以及对象进行分析,为工业园区及企业的环境风险防范与应急提供依据。     

净水除磷基质的综合筛选与长效建模预测

为筛选效果好且长效的除磷基质,选取电气石陶粒、赤泥陶粒、凹凸棒石、硅胶、海绵铁、活性炭、火山岩、沸石8种基质进行磷静态吸附试验,优选3种基质进行单基质柱状除磷渗流试验和微观结构表征,获取基质的除磷特征,并依据渗流试验数据建模预测长效除磷效果。结果表明：8种基质对磷的吸附能力差异较大,其中电气石陶粒、赤泥陶粒、沸石吸附能力较好;渗流试验中,电气石陶粒在111 d后对磷的去除率仍维持在67%,赤泥陶粒则降至37%;不同基质出水总磷浓度随时间呈现不同变化规律,其统计模型预测性较好,经建模预测得出,电气石陶粒在第160天左右对磷的去除率降至50%,第300天左右达到吸附饱和,赤泥陶粒则在第150天左右达到吸附饱和。基质微观结构（比表面积、表面特征）及化学元素组成等对除磷效果有明显影响。     

相对灰色关联度在城市污水处理工艺优选中的应用

通过对城市污水处理工艺评价指标的定量化处理,并根据奖优罚劣的原则对初始指标集进行[-1,1]区间线性规范化处理,确定理想最优方案(A )和理想最劣方案(A-),以此计算出各待选方案与它们的相关系数(ζ)。采用变异系数法计算各指标权重(ω),并计算各候选方案相对最优方案的灰色关联度,进而确定最佳方案。     

基于支持向量机的浮游植物密度预测研究

利用支持向量机方法对具有非线性及突发性特点的浮游植物密度进行了预测,同时与人工神经网络方法预测的结果进行了比较.结果表明,无论是拟和能力还是预测能力,支持向量机方法都明显优于人工神经网络方法,支持向量机方法比较适合于具有小样本、非线性特点的浮游植物密度预测研究.     

松花江水利枢纽工程对哈尔滨市地下水环境影响的预测

文章从地质环境的角度阐述了哈尔滨市水利工程对地下水环境影响,及动态变化预测.一方面优质的地表水供应增加,减少地下水开采量;另一方面松花江水位升高,对地下水的补给量加大.受上述因素影响哈尔滨市地下水在不同地貌单元产生不同程度的上升,坐落在松花江漫滩上道里、原道外两区受到的影响最大.地下水水位将受到阶地地下水、松花江地表水补给,两种补给的叠加将使两区地下水明显提升4～5米,两区建筑物、特别是地下建筑物的安全受到不良影响,地下水水质也将受到江水的大量补给而改变.     

基于基尼系数的中国灰水足迹区域与结构均衡性分析

论文在对中国大陆31个省市1998-2013年各类来源的灰水足迹进行测算的基础上,选取人口、GDP两个指标,应用基尼系数对中国1998-2013年灰水足迹的空间、结构均衡性情况进行了研究。结果显示：1）在区域均衡性方面,经济灰水足迹均衡性较差,东部与西部地区分别在经济灰水足迹和人口灰水足迹中的均衡性较低;2）在结构均衡性方面,经济灰水足迹均衡性已达到“差距偏大”范围,其中农业和工业的均衡性较差,生活经济灰水足迹均衡性近年来降幅明显;3）从边际效应来看,可以通过减少中、西部重污染地区灰水足迹及各省市农业灰水足迹的方式提升整体均衡性,有效促进中国水环境公平性的提升。最后,针对中国灰水足迹均衡性的具体问题,提出了减少中国灰水足迹、提升水环境公平性的相关建议。     

校园安全灰色关联评价模型及应用

通过对影响校园安全的因素分析和灰色关联理论在校园安全评价中的适用性分析,得出校园安全存在与灰色系统理论相耦合的特征。应用灰色关联理论建立校园安全灰色关联评价模型,合理确定标准数据序列,对非线性、离散以及动态的校园安全数据进行量化分析和评价,根据关联度大小来判断校园的相对安全性程度,并结合湘潭市5所学校的校园安全状况进行实例验证。其评价结果与实际情况相一致,该模型能有效地解决校园安全影响因素中的非线性关系和不确定性问题,可作为校园安全相对安全等级划分的重要理论依据,具有可操作性和可行性。     

一种新型的矿井突水分析与预测的支持向量机模型

针对矿井突水样本数少,信息不完整的特点,提出了矿井突水分析的线性核H-SVMs模型。推导模型的理论推广误差公式,设计自顶向下基于SVM最大间隔逐层分类构造H-SVMs的新方法,并应用于实际的矿井突水预测。实验结果表明,线性核H-SVMs模型结构简单、泛化能力强,不仅能很好地预测矿井突水,而且其层次结构能正确反映突水的等级关系,各判别函数的法向量还可以指示各突水影响因素的权重,通过判决函数能有效分析突水影响因素并提取突水预测规则,为矿井突水预测提供了新的方法。     

Towards Real‐Time Continental Scale Streamflow Simulation in Continuous and Discrete Space

The National Weather Service (NWS) forecasts floods at approximately 3,600 locations across the United States (U.S.). However, the river network, as defined by the 1:100,000 scale National Hydrography Dataset‐Plus (NHDPlus) dataset, consists of 2.7 million river segments. Through the National Flood Interoperability Experiment, a continental scale streamflow simulation and forecast system was implemented and continuously operated through the summer of 2015. This system leveraged the WRF‐Hydro framework, initialized on a 3‐km grid, the Routing Application for the Parallel Computation of Discharge river routing model, operating on the NHDPlus, and real‐time atmospheric forcing to continuously forecast streamflow. Although this system produced forecasts, this paper presents a study of the three‐month nowcast to demonstrate the capacity to seamlessly predict reach scale streamflow at the continental scale. In addition, this paper evaluates the impact of reservoirs, through a case study in Texas. Validation of the uncalibrated model using observed hourly streamflow at 5,701 U.S. Geological Survey gages shows 26% demonstrate PBias ≤ |25%|, 11% demonstrate Nash‐Sutcliffe Efficiency (NSE) ≥ 0.25, and 6% demonstrate both PBias ≤ |25%| and NSE ≥ 0.25. When evaluating the impact of reservoirs, the analysis shows when reservoirs are included, NSE ≥ 0.25 for 56% of the gages downstream while NSE ≥ 0.25 for 11% when they are not. The results presented here provide a benchmark for the evolving hydrology program within the NWS and supports their efforts to develop a reach scale flood forecasting system for the country.     

基于BP神经网络模型在珊溪水库水华预测中的应用

在珊溪水库藻类暴发期间应急监测数据的基础上,建立pH值、高锰酸盐指数、总氮、总磷、叶绿素a数据矩阵。运用MATLAB R2015b GUI可视化界面模块,将应急监测数据样本空间分为训练样本、验证样本、测试样本,建立珊溪水库BP神经网络模型,预测了珊溪水库藻类暴发期间叶绿素a浓度。BP神经网络建模结果显示:输出数据与实测数据相关系数0.978,平均相对误差-0.19%,标准方差18.54%,模型稳定性较好,叶绿素a预测结果符合预期。BP神经网络预测模型为珊溪水库饮用水水源地环境保护提供了科学依据。