基于AGNES算法优化BP神经网络和GIS系统的大气污染物浓度预测

建立了大气污染物浓度与影响因子之间的BP神经网络,对城市中各监测点位的次日大气污染物浓度进行预测,采用GIS的插值分析进行污染物空间分布预测,其中BP神经网络的输入向量采用AGNES算法进行处理。以太原市区SO2、PM10浓度预测为例,选择气温、湿度、降水量、大气压强、风速和前5天的污染物浓度等10个参数训练BP神经网络,结果表明,BP神经网络的训练效果较好,预测结果与实际浓度显著相关,R2分别为0.988、0.976;结合太原市8个监测点位的污染物浓度预测值,运用GIS空间差值法绘出SO2、PM10的浓度分布预测图,该图与实际情况大体符合,并且与国控大气污染企业的分布显著相关,Pearson相关系数分别为0.969、0.949。     

基于激光雷达分析一次重霾过程混合层高度

为深化对冬季重霾天气大气混合层高度的认识,利用Mie散射激光雷达观测了成都市2014年1月23日至2月4日一次典型重霾天气过程。基于Mie散射激光雷达探测获取的后向散射系数,使用SBH99算法计算了该过程的混合层高度,并系统分析其演变特征及其与气象因子的关系,研究结果表明:将激光雷达探测的混合层高度与探空曲线表征出的混合层高度进行对比分析,结果显示两者具有较好的一致性,相关系数为0.893 4;此次重霾过程中,混合层高度平均值较低,约378 m;霾天气发生后,混合层高度显著下降,并且混合层高度的最大值与最小值之间差距缩小,日变化波动不明显;混合层高度的发展与空气温度的变化趋势呈正相关关系,与相对湿度呈负相关关系。     

危险品运输车辆监控预警系统设计与开发

遵循危化品运输车辆有关标准和规范,集成计算机、控制、通讯、空间定位和安全管理等技术,提出车辆监控预警系统建设的总体结构和功能框架,阐述了系统的7个特点。设计和开发了车载终端硬件组成、自动监测、报警、安全保护、数据及音视频信息交互等功能以及监控中心的组成与结构、系统性能和功能。给出了异地危化品运输车辆的监控方式,并对5种无线通讯方式进行比较。     

苯酚类化合物光解量子产率与结构性质的定量关系

采用量子化学PM3算法计算得到的苯酚类化合物的量子化学参数,应用偏最小二乘(PLS)算法,建立了能预测苯酚类化合物光解量子产率(Y)的定量结构-性质关系(QSPR)模型.影响苯酚类化合物光解量子产率的主要因素是分子最高占据轨道能(Ehomo)和分子生成热(HOF),logY值随着Ehomo的增大而增大,随着HOF的增大而减小.分子的电负性和(Ehomo-Ehomo)2对logY值也有一定的影响,电负性和(Ehomo-Ehomo)²较小的分子,其logY值也较大.     

腺病毒气溶胶的实时荧光定量PCR检测和绿色荧光蛋白活细胞检测

将带有绿色荧光蛋白的复制缺陷型重组腺病毒,作为模拟病毒建立一种检测病毒侵袭力的方法.在钢化玻璃箱中通过TK-3型微生物气溶胶发生器将腺病毒形成气溶胶,用FA-1型多级撞击式空气微生物采样器进行气溶胶采样,对采样样品分别进行实时荧光定量PCR检测和表达了绿色荧光蛋白的PK15活细胞定时检测.实时荧光定量PCR检测可测定病毒在大气中存在的相对基因拷贝数,通过在荧光显微镜下计数带绿色荧光的PK15细胞数可直观检测病毒的感染力及活力.结果表明,重组腺病毒气溶胶主要分布在采样器第五级,腺病毒气溶胶与病毒粒子相比较大.     

免疫进化算法反演均匀混合气溶胶吸湿增长因子

通过对大气消光系数进行组分分解,并借助米散射理论,构建了以均匀混合气溶胶吸湿增长因子为唯一变量的目标函数.进一步利用免疫进化算法优化该目标函数,提出了一种针对均匀混合气溶胶吸湿增长因子的反演算法.基于成都市2017年10~12月浊度计,黑碳仪和GRIMM180环境颗粒物监测仪的地面逐时观测资料以及该时段同时次的环境气象监测数据（大气能见度,相对湿度RH和NO₂质量浓度）,评估了算法的性能及其适用性.结果表明：对所有测试样本而言,反演均匀混合气溶胶吸湿增长因子的免疫进化算法均能快速收敛到全局最优解.建立了成都地区秋冬季均匀混合气溶胶吸湿增长模型,该模型显著提升了环境条件下气溶胶散射系数的模拟精度,其模拟值与实测值之间的平均相对误差仅为12.7%.该反演算法的普适性可为气溶胶吸湿性及其辐射强迫效应的后续研究提供算法保障.     

基于随机优化方法的大气污染物总量控制模型

出了基于随机优化方法的总量控制模型.该模型引入随机变量描述影响环境容量的气象条件,对环境质量目标值的约束做了重要的改进,并利用随机模拟和遗传算法求解,使模型具有较强的合理性和可操作性.采用该模型对云南省玉溪市红塔区大气污染物总量进行了实验性计算,取得了较好的效果.     

基于B－P网络的水质营养状态评价模型及其效果检验

选取与ＴＳＩｃ为０，５０，１０相应的水质营养状态作为３个建模样本，以ｃｈｌ－ａ，ＴＰ，ＴＮ和ＳＤ４个水质参数作为样本的输入特征，建立了Ｂ－Ｐ网络的水质营养状态评价模型。该模型应用于全国３０个湖泊水质的营养状态评价，获得了较好的检验效果。     

长株潭城市群PM2.5和O3浓度时空分布特征及影响因素分析

基于2015~2019年长株潭城市群PM_2.5和O₃遥感浓度数据,利用空间自相关指数和地理加权回归（GWR）等方法探究PM_2.5和O₃浓度的时空分布特征及相关因素对其影响强度.结果表明：① PM_2.5浓度整体呈现出冬季和春季高,夏季和秋季低的"U"型特征,而O₃浓度则表现为夏季和秋季高,冬季和春季低的"M"型特征,PM_2.5与O₃年均浓度高低排序为：长沙市>湘潭市>株洲市.② PM_2.5与O₃浓度在夏季呈现正相关,秋冬季为负相关,且具有显著的空间集聚特征,O₃浓度高-高集聚区的面积呈现逐年增加的趋势.③GWR结果显示：夜间灯光强度和人口密度都对PM_2.5与O₃具有正相关效应,其中,植被指数（NDVI）、风速和温度对PM_2.5浓度的影响最为显著,而风速和温度对O₃影响强度更为突出,不同因素对PM_2.5和O₃浓度影响具有显著的空间异质性.     

基于集合均方根滤波的太湖叶绿素a浓度估算与预测

叶绿素a浓度作为表征水质状况的重要参数之一,反映了水体富营养化程度和藻类含量,是决定水体的反射光谱特征的重要因素,也是水质遥感领域研究较多的一项水质参数.研究叶绿素a浓度的遥感定量反演可以为湖泊水质监测与评价提供新的思路和方法.本研究发展了一个基于集合均方根滤波和风生流的污染物扩散模型的数据同化方案,并结合2010年5月20日的太湖3个浮标观测站点的观测数据进行了同化实验.首先对太湖叶绿素a浓度进行同化估算,然后利用优化后的估算结果对太湖叶绿素a浓度进行了为期6 h的预报.在同化阶段,均方根误差分别从1.58、1.025、2.76降低到了0.465、0.276、1.01,平均相对误差也从0.2降低到了0.05、0.046、0.069.在预报阶段,均方根误差从1.486、1.143、2.38降低到了0.017、0.147、0.23,平均相对误差也从0.2降低到了0.002、0.025、0.019.结果表明,利用集合均方根滤波的数据同化方法可以有效地提高太湖叶绿素a浓度的估算与预报精度.