基于改进DEA交叉效率模型的洪水灾害区域脆弱性评价

为了评价洪水灾害区域脆弱性,提出了应用改进DEA交叉效率模型和熵权法相结合的洪水灾害区域脆弱性评价方法。首先,在洪灾形成理论的基础上,构建洪灾区域脆弱性指标体系和评价标准;其次,应用改进DEA交叉效率模型计算不同区域的成灾效率,利用熵权法计算权重集结全局成灾效率。根据成灾效率的实际意义分析不同区域脆弱性的相对大小。最后,选取我国各省份洪灾作为实证分析的研究对象。研究结果表明:该方法能够准确评价区域洪灾脆弱性程度,评价结果与实际情况一致,具有较好的适用性。     

火工品温湿度加速老化模型和算法研究

目的 研究对火工品适用的温湿度加速模型,以及加速系数计算程序,获取准确的温湿度加速系数外推公式.方法 通过分析国内外使用的各种双因素加速模型的适用性,确定火工品适用的温湿度加速模型,采用免费自由的开源统计分析软件——R软件,对通过加速试验获取的某点火头2种温湿度加速条件下的试验数据,进行单组数据拟合和多组数据拟合两种温湿度加速老化算法的开发,并且对2种算法、3种寿命分布下寿命外推的准确性进行对比分析.结果 确定了Peck模型适合用于火工品的温湿度加速模型,获取了某电点火头对应的温湿度加速系数和湿度项反应速率常数.结论 基于多组数据拟合的温湿度加速老化算法,比基于单组数据拟合的温湿度加速老化算法对试验数据的兼容性好.3种寿命分布中,Weibull分布的加速系数计算结果最保守.     

列车运行监控装置主机的超高斯加速振动试验研究

目的 解决LKJ主机的超高斯振动试验问题。方法 基于LKJ主机的实测振动环境数据,提出一种超高斯振动数据归纳方法,并应用该方法归纳出LKJ主机x、y、z向的实测PSD,同时按5.66的加速因子构建出超高斯加速振动试验剖面,其中x、y、z向PSD的RMS分别为3.34、6.28、3.85 m/s²,峰度分别为6.48、6.58、6.81,频率范围均为2～350 Hz。最后,采用超高斯加速试验剖面分别对2个LKJ主机进行超高斯振动试验验证。结果 试验共激发出7类故障模式,这与特定线路运行LKJ主机现场故障模式高度吻合。结论 该试验方法验证了LKJ主机超高斯加速振动试验的有效性。     

沈阳地区臭氧污染日时空变化特征及天气分型研究

利用2013-2019年沈阳地区11个国控监测站近地层臭氧(O3)浓度监测数据和地面气象观测资料,分析了沈阳地区O3污染日的O3浓度时空分布规律,并对造成O3污染日的天气系统进行了主观分型.结果表明:自2013年以来,以O3为首要污染物的天数逐年增加,2017年达到研究期内的最高值,但2018-2019年略有下降.O3...     

基于高频AQI数据的关中城市群空气污染规律探索

基于高频分时AQI及各污染物浓度数据,本文使用"AQI小时指数"、首要污染物等进行统计分析并建立VAR模型对关中城市群空气污染的总体情况、日内波动规律以及城市间空气污染的关联规律做了不同层次的挖掘。研究结果表明:(1)关中城市群的空气质量整体较差,春、冬季空气污染程度明显大于夏季,空气污染的"季节效应"和"集簇性"明显,且主要表现为颗粒物污染。(2)空气质量的日内波动规律在春、冬两季表现为下半天优于上半天,夏季夜间优于白天。但在不考虑四季AQI小时指数图"相位"差异的情况下,四季空气污染的日内波动呈现出明显的相似性。(3)各城市空气污染存在明显的关联规律。城市群内一个城市空气污染的恶化会加剧其他城市的空气污染,并且对其他城市空气污染的影响峰值会在24小时之内出现,且该影响会随着空间和时间尺度的增大而逐步衰减。     

不同天气型下武汉城市圈PM2.5污染及大气层结特征分析

利用2015—2019年PM_2.5和气象要素观测资料、NCEP和ERA5再分析资料,分析不同天气型下武汉城市圈PM_2.5区域污染时空分布、天气尺度环流和大气层结特征.结果表明,城市圈污染以武汉为中心,多为轻度-中度污染,西部重于东部.造成武汉城市圈区域污染增长的天气形势包括4类,分别为冷高压底前部型、高压后部型、均压场型和低压倒槽型.4类污染天气型均有较低的混合层高度和地表通风系数,且边界层存在弱下沉运动和逆温,抑制污染垂直扩散.但气象要素影响PM_2.5污染的机理各异：冷高压底前部型主要为大气压梯度引导偏北大风带来污染物远程输送,边界层冷平流导致低温、锋面逆温和浅薄高湿层(65%～80%),强输入性污染配合吸湿性累积增长造成严重污染,逆温厚度对PM_2.5增幅作用明显;低压倒槽型东南风输入污染弱,但高温、低压引起气流辐合导致本地污染汇积,边界层暖平流带来平流逆温和深厚湿层(1000～750 hPa),逆温层底高偏低、厚度偏厚,促进污染物在近地面吸湿增长;高压后部和均压场型均为浅薄湿层(1000～975...     

基于多源数据融合的煤矿工作面瓦斯浓度预测*

为了解决瓦斯浓度预测使用的单一数据在预测中影响还不够深入的问题,提出基于LSTM神经网络的多源数据融合瓦斯浓度预测模型。模型将上隅角瓦斯浓度、采煤机速度、工作面吨煤瓦斯涌出量等不同数据融合作为输入层参数,使用Adam优化算法更新LSTM网络层参数,利用Attention机制突出关键影响瓦斯浓度的因素,开展多源数据融合的瓦斯浓度预测,结合某矿1008工作面的实际数据,分析不同数据在瓦斯浓度预测中的作用。研究结果表明:单变量下的Attention-aLSTM预测效果相比LSTM提升14.2%;多源数据融合下的Attention-aLSTM相比自身提升了5%。     

基于链式多重插补的WOA-ELM煤与瓦斯突出预测模型

为了提高缺失数据下煤与瓦斯突出预测准确率,提出1种基于链式支持向量机多重插补(MICE＿SVM)的鲸鱼优化算法(WOA)-极限学习机(ELM)预测模型,以淮南朱集矿区为例,选取5个煤与瓦斯突出影响指标作为模型特征,采用提出的MICE＿SVM算法插补突出事故数据中缺失值,利用WOA优选ELM输入层权值及隐含层阈值,构建煤与瓦斯突出预测模型,将插补后数据用于WOA-ELM模型的训练与测试,并与其他模型的预测效果对比。研究结果表明：MICE＿SVM插补前、后的有突出数据预测准确率分别为83.02%,90.41%,MICE＿SVM显著提高了有突出预测准确率,对无突出和整体的预测准确率提高不明显;数据插补后WOA优化ELM对无突出、有突出和整体的预测准确率分别为97.94%,96.25%,96.48%,较优化前分别提高了5.79%,5.84%,5.55%,数据插补后WOA-ELM为最佳预测模型。     

浅谈福建武夷山大气背景监测站的运行维护

大气背景监测站多位于高山且相对清洁地区,在运行维护方面和城市点位有很大不同,低量程仪器和其他自动监测仪器在运行维护上也有所不同。国家大气背景监测福建武夷山站是国内14个大气背景监测站之一,该站于2011年3月4日运行,文章总结该站运行以来的维护经验,从运行条件、日常维护、简单故障判断、数据处理等几个方面详细叙述,给出维护经验和注意事项,以期为其他类似背景站的运行维护提供参考。     

大数据时代政府环境治理路径创新

本文针对政府环境治理面临政府失灵、市场失灵和社会低效三个困境,提出运用大数据方法创新治理路径。政府应用大数据提高环境治理过程中的事前、事中和事后监管效能,创新监管模式提升环境治理能力,改善政府失灵困境;依托大数据完善市场化调节机制,激励企业环境行为市场化,构建企业环境信用评价体系,改变企业环境信息披露模式,弥补市场失灵;利用大数据增进公众环境意识,建设公开、透明、平权化的环境信息交互体系,重视环境信息的舆情引导,促进环保价值理念传播,改变公众参与低效现状。进而提出完善大数据治理平台、技术和体系,构建政府、企业、公众共同参与的立体化环境治理模式,提高环境治理的精准化、精细化和智能化水平。