支持向量机在水质遥感中的应用初探

支持向量机(Support Vector Machine)是建立在统计学习理论基础之上,研究有限样本情况下的机器学习问题的一种新方法,该方法在解决小样本、非线性问题中具有许多优势.本研究以现场监测和MODIS遥感数据为基础,应用SVM方法构建出太湖叶绿素a的反演模型,研究表明,该方法在水质遥感领域的应用具有良好的可行性和有效性,其预测结果也与太湖叶绿素a的实际分布相吻合.     

铜锰镧铈复合催化剂的制备及其降解对二甲苯的机制

采用溶胶凝胶法制备了镧掺杂的铜锰镧铈催化剂,研究了其对对二甲苯的催化性能.通过BET、SEM、H₂-TPR、XRD和XPS等对不同元素比例的催化剂进行表征,探讨了催化剂结构和性能的关系;同时,研究了不同影响因素（初始浓度、空速、O₂含量和混合物）对其催化氧化性能的影响;最后,利用FT-IR、XRD和 GC-MS对降解产物进行分析,探究了其催化降解对二甲苯的机理.结果表明,La掺杂增加了催化剂的比表面积和孔体积,以及表面氧含量,抑制了晶体形成,增强了催化活性.Cu-Mn-La-Ce（1：2：1：1）催化剂性能最好,在初始浓度为600 mg·m^-3,空速为15000 h^-1,20% O₂的条件下,其T₉₀为230 ℃.对二甲苯的降解率随着初始浓度、空速的增加而降低,随着O₂含量的增加而增加.气流中混入苯提高了对二甲苯的降解率.对二甲苯催化反应后催化剂表面的 O—H、C＝O、C—H和金属—氧键都相应减少,降解中间产物主要为对甲基苯甲醛和对甲基苯甲酸.降解反应涉及MVK机理,对二甲苯先氧化成对甲基苯甲醛,再氧化成对甲基苯甲酸,最终生成CO₂、H₂O.     

基于大数据分析与认知技术的空气质量预报预警平台

为深入认识区域大气污染现象规律,完善并提高城市空气质量预报预警能力,提高大气污染治理决策支持能力,开展城市污染成因分析与空气质量预报预警研究是十分必要的。本文针对环境大数据时代下的城市空气质量预报,提出了一种基于大数据分析与认知技术的专业先进的大气环境业务应用系统体系。该体系基于底层统一的数据资源中心,融合各类不同类型的空气质量监测、不同预报系统的产品数据以及基础辅助数据,建立数据汇交、共享、质控管理机制,通过上层预报预警、综合分析、案例分析、应急决策支持四大子系统,从多模式集合预报结合专家调优支撑高性能预报会商应用,从大数据融合时空关联分析深度挖掘大气复合污染特征与污染成因,从多维度历史污染过程和天气形势全自动化认知分析支撑重污染过程研判,从业务化仿真情景方案与污染溯源助力专业应急决策。最后,通过在北京市环境保护监测中心的系统实现证明体系的高性能、稳定性和实用性。     

基于GIS的太湖蓝藻预警系统研究

蓝藻爆发恶化了太湖水质,严重降低了太湖的使用功能。文章分析太湖蓝藻爆发的影响因素,结合预警模型和GIS技术,描述了太湖蓝藻预警系统的设计与实现流程,为太湖蓝藻预警提供科学、合理的辅助决策支持。     

基于多核LS-SVM的河涌水质预测模型

研究了多变量非线性河涌水质预测问题,提出了多核最小二乘支持向量机河涌水质预测模型。模型采用协同结构的非线性函数将水质时序样本映射到高维特征空间,进行多元线性回归。然后将该回归问题转化成半无限线性规划问题,运用交换集法求解。文章利用东江流域河涌水质数据进行了拟合预测实验,结果表明,与单核最小二乘支持向量机河涌水质预测模型相比,多核模型的预测误差减小了23%以上,它较单核模型具有更高的预测精度和更好的泛化推广性能。     

基于改进的PSO优化LSSVM参数的松花江哈尔滨段悬浮物的遥感反演

悬浮物是松花江水质和水环境评价的重要参数之一.利用在松花江哈尔滨段江面上29个采样点的实测高光谱和悬浮物浓度数据,用20个采样点数据为训练集,9个采样点数据为测试集.将机器学习和全局优化智能计算方法引入,应用改进的粒子群(PSO)优化最小二乘支持向量机(LSSVM)参数,以均方根误差RMSE为适应度函数,根据迭代得到LSSVM最优参数值,用700 nm和750 nm光谱反射率比值(R700/R750)为特征变量,悬浮物数据为目标变量,用训练集数据训练得到反演模型,使用测试集数据进行验证.结果表明,此模型收敛速度快,精度高,得到预测值的均方根误差RMSE为10.11 mg·L-1,平均绝对百分误差MAPE为10.72%,模型决定系数R2为0.952,该方法可用来对其它水质参数反演预测提供参照.     

城市生态系统协调发展仿真研究——以武汉市为例

以武汉市为例,通过定性和定量方法建立了一套相对完整的评价指标体系.以主成分分析和协调发展度模型计量得到的武汉市1988～2004年协调发展度值作为输出,以偏最小二乘法筛选出协调发展度的重要影响因子作为输入,尝试采用支持向量机对武汉市总体规划期间(2005～2020年)的协调发展状况进行了模拟研究,研究结果表明,1988～2004年武汉市经济、社会、资源环境的耦合状态由严重失调逐渐趋向勉强协调,这期间工业固体废物排放量和基尼系数是协凋发展最重要影响因子.根据预测结果,武汉市在总体规划期间城市发展呈现出良好的协调发展态势,但2010和2020年的协调发展度值均小于总体规划目标值;即按照目前的状态发展下去,武汉市到2010和2020年不能达到规划既定的目标.针对仿真结果,提出了武汉城市生态系统协调发展的对策与建议.     

支持向量机在太湖叶绿素a非线性反演中的应用

根据湖泊监测的特点,采用支持向量机(SVM)方法,反演太湖叶绿素a的浓度分布.将2005年8月太湖29个现场水质监测点数据分为训练测试样本集和验证样本集,利用训练测试样本集以及与其时间同步的MODIS遥感影像,分别构建了4种SVM模型.对比分析表明,直接以波段反射率以及水深信息构成输入向量的SVM模型预测效果最好.利用训练测试样本构建了线性回归模型、主成分分析模型(PCA)以及神经网络模型(ANN),并利用验证数据比较了上述3种模型与SVM模型的预测结果.结果表明ANN模型和SVM模型预测能力明显优于另外2种模型,其中SVM模型对低值和高值均有较好的预测精度,平均相对误差仅为15.91%,预测精度比ANN模型提高了10%.利用SVM模型和ANN模型分别反演了2005年8月15日太湖叶绿素a浓度分布,比较了2种模型反演结果的异同,分析了太湖叶绿素a分布特征及其成因.     

污染源自动监测监控系统国内外研究进展

摘要：随着工业技术的不断发展,新的水环境污染不断涌现出来,水环境问题成为一个不可忽视的社会问题,水环境可持续发展已经成为一个国家发展的重要基础,污染源监督性监测作为环保各项工作的数据来源,污染度量及环境决策与管理的依据,在环保工作中具有重要作用。因此,研究水质在线监测具有重要的意义和实用价值。     

信息系统在环境应急机制中的支撑作用

建立环境应急机制,要加强突发性污染事故应急监测技术支持信息系统研究,开展危险源及其化学危险品调查,编制重点危险源单位突发性环境污染事故应急预案,抓紧建立由重点危险源信息库、化学危险品信息库、污染事故预案信息库、专家支持信息库等组成的全市突发性环境污染事故应急监测技术支持信息系统,为全市突发性环境污染事故应急监测和应急处理提供技术支撑.