趋磁细菌的地域分布特征

通过对来自目前GenBank中趋磁细菌的16S rDNA序列分析,并进行系统进化树的构建,比较不同区域趋磁细菌的差异.目前,GenBank中共有239条趋磁细菌16S rDNA序列,相似性分析后有137条不同的序列(海洋55条,淡水82条),分属于变形菌门和硝化螺菌门.全长序列的系统进化分析显示,全球趋磁细菌的分布具有一定的区域性,海洋与淡水趋磁细菌区分明显.不同地域的趋磁细菌的系统进化分析显示,近海与大洋的趋磁细菌有明显的差别;而同为海洋或淡水的环境中,如巴西和美国近海、德国和中国的淡水湖泊,趋磁细菌相似性较高,即相同生境中的趋磁细菌相似性较高,表明趋磁细菌的类型与生境条件有很大关联性.基于16S rDNA序列分析,推测趋磁细菌起源可能是多源的,环境条件可能作为重要的进化压力在趋磁细菌长期演化过程中扮演重要角色.     

BP人工神经网络在环境空气SO_2质量浓度预测中的应用

根据西安市雁塔区小寨环境空气监测点2011年7月31日起400 d的SO224小时平均浓度监测数据时间序列建立BP人工神经网络(ANN)预测模型,并用接下来100 d的数据对模型的仿真性能进行检验,从而验证了BP人工神经网络模型预测环境空气SO224小时平均浓度的可行性与准确度。经反复调试,最终选用2-3-1的网络结构并以trainbr作为训练算法,经34次迭代网络收敛,耗时7 s,预测结果相对于实际监测数据的平均绝对百分比误差为0.082,模型显示出良好的预测性能。预测结果表明,结构设定合理、训练算法选用适宜的BP人工神经网络模型能较好地反映SO2浓度的动态变化规律,具有可行性。     

基于CEEMDAN-SE和LSTM神经网络的PM10浓度预测

针对PM₁₀浓度时间序列具有明显的非线性和波动性特征,提出一种基于自适应噪声的完整集成经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)-样本熵(sample entropy,SE)和长短期记忆神经网络(long short-term memory,LSTM)的组合预测模型。首先利用CEEMDAN-SE将原始PM₁₀浓度时间序列分解为若干个复杂度差异明显的子序列;然后针对各子序列的内在特性结合气象因素分别建立适当参数空间的LSTM预测模型;最后将预测结果进行叠加得到最终预测结果。以唐山市4个空气质量监测站的实测PM₁₀浓度数据进行模型验证分析,结果表明:所提预测模型对比其他几种预测模型显示出较高的预测精度,以及良好的普适性。     

防震减灾基础知识问答

地震震级和地震烈度有何区别? 地震震级和地震烈度是两个完全不同的概念,不可互相混淆.震级代表一次地震本身的大小,它由震源发出的地震波能量决定,对于同一次地震只应有一个数值.但同一次地震在不同的地方造成的破坏是不一样的,为了衡量地震的破坏程度,科学家又"制作"了另一把"尺子",即地震烈度.烈度与震级、震源深度、震中距,以及震区的土质条件等有关.这就好像一颗炸弹爆炸后,近处与远处的破坏程度不同.炸弹的炸药量,好比是震级,炸弹对不同地点的破坏程度,好比是烈度.     

强震地面运动的混沌特性分析

引入非线性动力学理论和混沌时间序列分析方法考察强震地面运动加速度时程的非线性特征。首先采用功率谱分析法、主成份分析法和Cao方法定性判断地震动加速度时程具有混沌特性,然后应用混沌时间序列分析方法定量计算了30条地震动加速度时程的三个非线性特征参数。计算表明,这些地震动时程的关联维数为2.0~4.0的分数维,Kolm ogorov熵K2为大于零的有限正值,最大Lyapunov指数在0~1.0之间。结果说明,强震地面运动具有混沌特性,地震动的高度不规则和复杂性是地震过程强非线性的反映。     

中国4个城市大气臭氧对呼吸系统疾病住院人数影响的时间序列分析

臭氧已成为影响中国空气质量最重要的污染物之一,为探究其对呼吸系统疾病住院人数的影响,收集保定、盐城、自贡和广州4个城市2019—2022年逐日因呼吸疾病住院人数、臭氧日最大8 h平均浓度（O₃-8h）和气象因素数据,采用广义相加模型在城市水平分析大气O₃-8h与呼吸系统疾病日住院人数的关联性,并采用随机效应Meta分析整合城市水平分析结果。结果表明：大气臭氧浓度升高可增加呼吸系统疾病日住院人数,并存在滞后效应;城市合并分析结果显示,O₃-8h每升高10 μg∙m⁻³,总呼吸系统疾病、慢性阻塞性肺病（COPD）和肺炎日住院人数分别增加0.49%（95%置信区间（CI）：0.30%—0.68%,滞后3 d）、0.86%（95% CI：0.54%—1.18%,滞后2 d）和0.74%（95% CI：0.31%—1.17%,滞后4 d）。不同城市的效应强度以及最佳滞后时间存在较大差异;总体上,儿童和≥60岁老年人群对臭氧的呼吸系统效应更为敏感,不同性别间敏感性无显著差异。     

动态因子分析在环境监测数据综合处理中的应用

动态因子分析(DFA)作为降维度的多元统计方法,被设计用于时间序列分析,以揭示多元变量中解释变量与共同趋势对响应变量的影响程度。相较传统多元统计方法,DFA显性考虑时间因素,并量化影响响应变量的潜在因素。该方法可以忽略内在理化过程,具有良好的模拟效果,且在国外已广泛应用于地表水及地下水生态环境、空气污染等领域,但在国内尚未被应用。DFA在自身完善、应用范围、信息挖掘、数据预处理、预测分析、空间分析方面仍有巨大发展前景。     

2001—2020年合肥市空气质量变化趋势研究

为系统分析合肥市长时间序列空气质量变化特征,对合肥市2001—2020年SO₂、NO₂和PM₁₀,以及2013—2020年CO、O₃和PM_2.5的浓度特征开展研究。采用Mann-Kendall(M-K)时间趋势检验法分析了6项污染物的时间变化规律,同时考虑了人为活动对污染物小时浓度的影响。结果表明,PM_2.5和O₃是目前影响合肥市空气质量的首要污染物。2014年以来,合肥市PM₁₀、PM_2.5、CO和SO₂年均浓度均呈逐年下降趋势,但NO₂和O₃污染有加剧趋势。合肥市SO₂和颗粒物浓度表现为冬春季节高、夏秋季节低;O₃浓度变化趋势与之相反;NO₂和CO浓度呈秋冬季节高、春夏季节低。     

2010—2016年上海城区臭氧长时间序列变化特征初探

基于2010—2016年上海城区近地面大气臭氧（O₃）的连续在线观测数据，研究了上海城区O₃长时间序列变化规律和污染特征.结果表明，近7年来上海城区O₃污染逐渐凸显，但总体以轻度污染为主，7—8月高温炎热季节以中度污染居多.城区O₃-8 h（臭氧日最大8 h滑动平均）年均增速为3.81 μg·m^-3·a^-1，99%和95%分位值增速较快，分别为6.65和4.94 μg·m^-3·a^-1；25%、50%和75%分位值的增速在3.06~4.45 μg·m^-3·a^-1之间.春季O₃浓度均值较高，年际变化小；夏季极值较高，且污染超标情况最为突出；秋季O₃浓度次于春、夏季，冬季最低；夏、秋和冬季O₃浓度总体呈上升态势.O₃日变化呈"单峰型"，最大值出现在13：00左右，且峰值逐年增加，污染持续时间变长，最小值出现在早晨7：00.城区O₃"周末效应"逐渐减弱.基于KZ过滤器方法的数据分析结果表明，上海城区O₃-8 h长期变化主要受O₃-BF（O₃-8 h的基准组分）影响；O₃-SF（O₃-8 h的天气影响组分）在5—9月对O₃-8 h影响较大，其范围为-98.85~139.60 μg·m^-3.     

融合时域卷积网络和深度自编码器的VOCs数据异常检测

为了提升挥发性有机物(Volatile Organic Compounds, VOCs)数据异常检测精度，提出一种基于时域卷积网络的深度自编码器(TCN-DAE)异常检测的半监督方法，以对VOCs等空气污染物质量浓度异常值进行精准的检测。首先，使用时域卷积网络(Temporal Convolutional Network, TCN)作为深度自编码器(Deep Auto-encoder, DAE)的隐藏层，利用深层网络结构对高维、多源的时间序列数据进行高效地特征提取和数据重构。然后，通过对比重构误差与核密度估计法确定的阈值进行异常检测，其中重构误差大于此阈值则视为异常。最后，选取西安市城六区的VOCs、空气质量和气象等时间序列数据进行试验。结果显示：基于时域卷积网络的深度自编码器模型对多源、高维的时间序列具有较强的异常检测能力，在准确率、F₁分数、受试者工作特征曲线下面积(Area Under Curve, AUC)等异常检测性能指标上均优于双向长短期记忆网络(Bidirectional Long Short-term Memory, Bi-LSTM)、长短期记忆网...