基于SVR的长江经济带水环境承载力评价

基于DPSIRM模型构建区域水环境承载力评价指标体系,并基于SVR模型构建了区域水环境承载力评价模型,利用交叉验证法对SVR模型参数进行优化选择,进一步提高模型预测精度.运用该模型研究了长江经济带2009~2018年的水环境承载力演变趋势及空间差异,结果表明：长江经济带水环境承载力等级整体呈现升高趋势,其中上游城市群承载等级由II级（超载）提升到了IV级（弱可承载）;中游城市群承载等级由II级（超载）提升到了IV级（弱可承载）;下游长三角区域承载等级由I级（重超载）提升到了IV级（弱可承载）.将评价结果与熵权-TOPSIS法的评价结果相比较,相同率达到91.7%,说明SVR模型评价区域水环境承载力可行,评价结果可靠.以下游区域为例,分别对其6个子系统的承载力进行剖析,并运用单因素轮换OAT法对各子系统内的评价指标进行敏感性分析,便于决策者识别指标敏感性.     

地方环境约束目标对经济增长的影响效应

从2003~2017年中国283个地级市的政府工作报告中,收集了各年度各城市的环境保护约束目标,考察了各类环境约束目标对经济增长的影响.研究发现,对于SO₂等工业污染物的直接约束能够在促使政府提升环境治理力度的同时,释放经济增长红利;关于空气质量优良天数和PM_2.5浓度的间接约束不足以刺激污染型企业转型,且导致经济增长速度放缓.无环境约束将产生正向经济增长效应,但会以环境污染为代价.中间机制检验结果显示,产业结构和环境治理是环境约束影响经济增长的主要传导渠道.在环境保护约束的特征方面,约束目标“加码”将抑制经济增长,设定污染物减排区间更有利于发挥经济增长效应.经济与环境协调度方面,对环境污染物设定约束目标有助于促进经济与环境协调发展,无约束则不利于经济增长和环境保护双重目标的实现.地方政府应在明确设定污染物排放目标的基础上,遵循渐进原则对环境保护约束目标进行调整.     

专家笔谈：资源环境热点问题

重大的资源开发利用工程建设设想或实施往往容易引起社会各界的广泛关注。如何正确认识和科学评价各种资源环境热点问题是大家讨论的重点。文章认为任何重大资源开发工程必须遵循自然规律、生态规律、资源规律和经济规律,必须结合国家战略需求和地缘政治关系,开展前期深入的系统性综合调查,进行生态安全与资源工程安全评价和交叉学科论证,并对其科学价值、社会价值和经济价值等做出正确的判断。建议：未来的资源环境工程建设要谨防“大跃进”,要科学认识自然资源系统规律,守护好美丽的地球家园;要切实履行资源科学家的社会责任,提倡基于科学研究和科学态度的学术争鸣,科学问题最好还是由科学家去讨论;一些争议大的科研课题慎用公益性研发经费来支持。     

近10年中国三大经济区太阳总辐射特征及其与O3、PM2.5的关系

采用中国地面气象观测站网2007~2016年的辐射日值数据集和中国空气质量在线监测平台2014~2016年逐日观测数据,分析了京津冀、长三角和珠三角近10a太阳总辐射年际和季节变化,近3a臭氧日最大8h平均（O_{3_8h_max}）和细颗粒物（PM_2.5）的污染过程频次变化,通过不同因子及其不同强度等级的分型统计,探讨PM_2.5、O_{3_8h_max}与太阳总辐射的关系.结果表明：京津冀近10a太阳总辐射显著上升,京津冀春季和珠三角夏季太阳总辐射显著上升.三大经济区PM_2.5污染过程年频次均呈现逐年递减,且从北到南递减;O₃污染过程年频次时间上呈现先减后增,空间上京津冀多于长三角和珠三角.三大经济区O_{3_8h_max}与太阳总辐射相关系数均在0.71以上,有较强的正相关;而PM_2.5与太阳总辐射的相关性具有区域差异性.三大经济区不同季节不同太阳总辐射下O_{3_8h_max}与PM_2.5的相关关系差异显著,其中京津冀春夏秋三季O_{3_8h_max}与PM_2.5在强太阳总辐射下有较好的正相关,冬季则存在一定的负相关;长三角四季两者相关性均较弱;珠三角夏季两者正相关最为显著;不同PM_2.5浓度下O_{3_8h_max}与太阳总辐射的线性拟合效果较好,体现出较强的正相关关系,各经济区拟合曲线的倾向率均随PM_2.5升高而增大.PM_2.5>75μg/m³时拟合优度均达到最大.     

大型空间环境模拟器真空系统配置技术研究

分别对国内外大型空间环境模拟器的真空系统配置进行了介绍,并对真空系统各个子系统的配置与技术特点进行了分析,重点针对大型空间环境模拟器真空系统中所需的真空抽气策略进行了研究,为后续超大型环境试验设备的研制和试验测试提供了参考。     

提升汇流环湿热环境适应性方法研究

目的提高汇流环在湿热环境下的适应能力。方法实物解剖,观察汇流环绝缘材料损坏情况、碳粉堆积情况,在不同温度、湿度下测试绝缘材料绝缘度、抗电强度,碳粉堆积和导电情况,比对不同绝缘材料性能,并找出最适合的绝缘材料,比对滚动汇流环、碳刷组件、刷丝组件,找到解决碳粉堆积的方法。结果汇流环受湿热影响会从接缝处和电缆连接处进入湿气,温度、湿度的上升会使得原绝缘材料性能下降,长时间使用汇流环,碳粉会在汇流环内堆积并受到湿热的影响而导电,局部密封汇流环可以减少湿气进入。PPO材料性能优异,可以替换原绝缘材料从而减少湿热的影响,使用刷丝组件替代碳刷可以避免碳粉的产生。结论综合运用局部密封、绝缘材料改进、碳刷组件改进三种措施,可以有效提高汇流环在湿热环境下的适应能力。     

空间站控制力矩陀螺微振动测试技术

目的分析控制力矩陀螺的微振动扰动特性。方法通过获取陀螺连接点对结构的扰振力输出、关键部位的微振动响应来获取产品的微振动扰动特性,通过隔振的方式对外部环境的干扰进行隔离,进而降低测试的背景噪声,通过运用高精度测试传感器来实现微小扰动力信号、加速度信号的测量,利用结构有限元法及单点激励多点响应的模态分析方法校核系统刚度,进而确定测试频率范围是否满足需求。结果可同时获得空间站控制力矩陀螺连接点处的输出扰振力、质心处的输出扰振力合力、合力矩以及关键部位的微振动响应,可有效隔离外部干扰,扰振力背景噪声的时域信号最大值可控制在0.07 N以内,RMS值在0.02 N以内,加速度信号的时域背景噪声最大值可控制在1.5 mg以内,RMS值在0.1 mg以内。可识别微小扰振信号,加速度传感器分辨率为5×10-5 grms,力传感器的测量分辨率为1×10-2 N,力矩测量分辨率小于1×10-2 N·m。测试频带在320 Hz以内。结论满足型号需求,并投入型号使用。     

一种模拟动力学边界条件的环境振动试验方法研究

目的提高环境振动试验的可靠性。方法以某典型钛合金蜂窝夹芯壁板试验件为例,提出一种模拟试验件动力学边界条件的试验方法,在试验件周围引入弹性连接件,再通过刚性转接工装与振动台台面连接,以试验件在试验安装状态下的共振频率及振型节线位置为优化目标,以弹性连接件的外形尺寸及厚度为优化变量,对弹性连接件进行优化设计,从而模拟试验件真实的动力学边界条件。结果弹性连接件的优化设计使得试验件在试验安装状态下前两阶共振频率与试验要求相差小于8%,而且振型节线位置与试验要求基本重合,达到了模拟试验件真实动力学边界条件的设计目标。结论对于壁板类试验件,在传统刚性夹具的基础上引入弹性连接件的试验方法,可以较好地模拟试验件真实动力学边界条件,提高环境振动试验的可靠性,并且这种方法对试验费用及试验周期影响较小,具有良好的工程应用前景。     

环境升温过程对常温固化环氧树脂热力学性能的影响

目的提高常温固化环氧树脂体系的高温使用性能。方法采用常温固化剂T31、中温固化剂IPDA以及高温固化剂DDM作为混合固化剂,对E-44型和AG-80型混合环氧树脂体系进行常温固化反应,并分析环境升温过程对固化物热力学性能的影响。通过DMA分析、热变形测量、固化度测试,分别评价室温固化环氧树脂在环境升温过程前后的玻璃化转变温度、热变形量及体系内部的固化反应程度变化,并通过吸水率测试和弯曲强度测试对玻璃纤维布增强常温固化环氧树脂基复合材料的耐湿热性能以及高温条件下的力学性能进行分析。结果环氧树脂常温固化物的tg为85.21℃,经1.5℃/min的平均升温速率加热至90℃之后,该环境升温过程使固化物的固化度增大至92%以上,tg增长为132.06℃的同时热变形温度增大。其复合材料耐湿热性能提高,且100℃时弯曲强度的保持率为65%,对于加热至120℃的环境升温过程,固化物的固化度接近96%,tg增长为144.45℃的同时热变形温度进一步提高,其复合材料耐湿热性能改善程度更加明显,且130℃时弯曲强度保持率仍接近60%。结论常温、中温、高温混合固化剂的合理复配有助于环氧树脂体系在环境升温变化的诱导条件下发生梯度式固化反应,使体系内部的交联固化程度迅速升至较高水平,可以有效提高其玻璃化转变温度,显著改善常温固化环氧树脂体系在高温条件下的热力学性能。     

Analysis of pollutant levels in central Hong Kong applying neural network method with particle swarm optimization

Air pollution has emerged as an imminent issue in modernsociety. Prediction of pollutant levels is an importantresearch topic in atmospheric environment today. For fulfillingsuch prediction, the use of neural network (NN), and inparticular the multi-layer perceptrons, has presented to be acost-effective technique superior to traditional statisticalmethods. But their training, usually with back-propagation (BP)algorithm or other gradient algorithms, is often with certaindrawbacks, such as: 1) very slow convergence, and 2) easilygetting stuck in a local minimum. In this paper, a newlydeveloped method, particle swarm optimization (PSO) model, isadopted to train perceptrons, to predict pollutant levels, andas a result, a PSO-based neural network approach is presented. The approach is demonstrated to be feasible and effective bypredicting some real air-quality problems.