深度学习方法在上海市PM2.5浓度预报中的应用

为提升PM_2.5浓度预报能力,尤其是对PM_2.5重污染的预报能力,以中尺度气象-化学耦合模式系统（WRF-Chem）为基础,结合中尺度WRF气象预报数据、地面及高空气象观测数据、PM_2.5浓度观测数据,基于人工智能深度学习序列到序列的算法建立了上海市PM_2.5统计预报模型.结果表明,人工智能深度学习算法（Seq2seq）明显修正了WRF-Chem模式由于模型非客观性造成的偏差,提高了上海市PM_2.5浓度的预报能力;该算法优化和修正了WRF-Chem模式结果,并通过检验发现可以使PM_2.5浓度预报值与实况值间的相关系数由0.51上升至0.79,均方根误差由25.9μg/m³下降至15.01μg/m³.而单独使用套索法（Lasso）线性回归算法对WRF-Chem模式优化效果不理想.基于Seq2seq的PM_2.5浓度预报修正模型能够有效提升预报精度.     

黄河口典型潮沟土壤碳氮分布特征规律

为探究黄河三角洲盐沼土壤碳氮含量在潮沟水系中的时空分布特征,选取黄河口一条典型的潮沟系统,采集一、二、三级潮沟表层土壤,探寻土壤有机碳、总氮与土壤容重、盐度、pH等理化因子的相关关系。结果表明：土壤有机碳和总氮在时空尺度上表现出极大的异质性特征。时间尺度上,土壤有机碳和总氮出现先上升后下降的趋势。空间尺度上,一级潮沟土壤有机碳和总氮平均值（2.9 g·kg^-1、0.36 g·kg^-1）大于二级（1.4 g·kg^-1、0.18 g·kg^-1）、三级（1.6 g·kg^-1、0.21 g·kg^-1）潮沟。相关分析表明,土壤有机碳和总氮与盐度呈显著正相关（P<0.01）,与容重呈显著负相关（P<0.01）。盐沼湿地土壤碳氮含量受土壤水盐条件的影响,而潮沟水系的树状结构对水盐条件的影响是导致土壤碳氮含量时空差异分布的重要因素。     

基于BP神经网络的污染物浓度多模式集成预报

基于中国气象局雾-霾数值预报系统CUACE、北京区域环境气象数值预报系统BREMPS和华东区域大气环境数值预报系统WRF-Chem三个环境气象模式预报产品,利用BP神经网络方法建立多模式集成预报模型.首先通过实验得到BP神经网络的训练函数、隐含层节点数和训练样本长度分别为贝叶斯归一化训练函数trainbr、10和50.随后选取北京、天津和石家庄站点的预报结果检验该模型的预报性能.结果表明：（1）相对于单模式,BP神经网络集成预报的3~72h逐3h污染物浓度和观测之间的归一化平均偏差从-100%~200%降低到-20%~20%,污染物浓度和观测的均方根误差比各单模式降低15%以上,相关系数从0.1~0.8提升到0.3~0.85之间,说明其预报结果优于各单模式.（2）2016年AQI等级评估表明,集成模型预报的北京轻度和中度污染的TS评分分别比CUACE提高22%和10%,在天津重度污染的空报率和漏报率分别降低31%和25%.（3）2016年12月份的重污染过程评估发现,集成模型预报的PM_2.5浓度的演变趋势和实况基本相符.     

崇明东滩湿地土壤生物固氮沿潮滩水淹梯度的特征

以长江口崇明东滩为研究区,研究了植被和裸滩表层（0~5cm）土壤固氮速率（BNF）、固氮功能基因（nifH）丰度和理化性质.土壤BNF随着水淹频率增加而降低,即由高潮滩向低潮滩表现出显著的差异（P<0.05）.土壤BNF表现为夏季大于冬季,植被覆盖土壤高于裸滩.夏季植被和裸滩土壤BNF分别为0.61~17.90,1.41~12.10μmol N/（kg·h）,冬季分别为0.64~3.54,0.47~2.60μmol N/（kg·h）植被和裸滩土壤nifH丰度分别为（1.28~4.61）×10⁷copies/g和2.56×10⁷~12.3×10⁸copies/g.土壤nifH丰度水平与BNF呈极显著正相关关系（P<0.01）.此外,土壤BNF还受到土壤盐度、硝酸盐、Fe³⁺和总磷的影响.研究结果表明,河口潮滩湿地水淹梯度的变化通过改变土壤微生物和理化性质,进而影响土壤BNF和氮的生物地球化学循环.     

江汉平原东部浅层地下水氮的空间分布特征

江汉平原水体氮污染问题日趋严重,但相关研究仍较为薄弱。以江汉平原东部为研究区,对区内459组浅层地下水样品的水化学成分进行测试分析,旨在查明地下水氮污染的空间分布特征,并探讨地下水氮污染的成因机制。结果显示:硝态氮在孔隙潜水中明显富集,最高约300 mg/L,而高含量的氨氮则集中分布于中层孔隙承压水,平均值达2.58 mg/L;孔隙潜水中NO_3~-含量随着Cl~-含量的增高而表现出增高趋势,指示了浅层地下水中NO_3~-是人类工农业活动输入的结果;中层孔隙承压水处于富含有机质的强还原环境,NH_3-N含量随着DOC含量的增高而表现出增高趋势,且高含量的NH_3-N对应着低含量的Cl~-,表明该层地下水中NH_3-N主要为天然来源,而非人类活动输入。氧化还原环境控制着区域内浅层地下水中氮的赋存形态,在氧化环境下主要以硝态氮的形式存在,而在还原环境下主要以氨氮的形式存在。     

河流监测断面几种污染物的点源、非点源污染负荷分割

以广西入海河流南流江2003—2011年水质数据为例,通过水文估算法和数字滤波法对点源和非点源污染负荷分别进行分割估算。结果表明,2003—2011南流江流域监测断面的非点源污染较为严重,采用水文估算法计算的多年平均硫酸盐、氯化物、硝酸盐氮、亚硝酸盐氮的非点源污染负荷占总负荷的比例分别为0.82,0.81,0.82,0.72;基于数字滤波法计算的多年平均硫酸盐、氯化物、硝酸盐氮、亚硝酸盐氮的非点源污染负荷占总负荷的比例分别为0.72,0.54,0.68,0.63。结果显示,这两种方法的污染负荷分割结果变化趋势大致相同。     

煤自燃特性及自然发火预测预报指标体系研究

以梁宝寺矿3号煤层为背景,采用色谱吸氧法和氧化动力法对其自燃倾向性进行了对比分析。同时,通过煤氧化升温热解实验对其升温过程中各气体随温度的变化规律进行了分析,以实验所得和灰色关联分析所得定性和定量相结合的方式,优选出了不同温度阶段煤自然发火预测预报所对应的第一、第二和第三预测指标,建立了煤自然发火预测预报体系,为有效抑制该矿及同类矿井火灾的发生具有重要意义。     

基于小波分解和ARMA模型的空气污染预报研究

细颗粒物PM2.5为首要污染物的空气污染严重影响了公众健康,对空气污染进行有效预报具有十分重要的意义。而目前常用的空气污染物浓度预报方法在短时事件和意外事件预测方面存在不足。利用小波多尺度分析方法改进ARMA预测模型,并将其应用于短时空气污染物浓度预测。改进模型通过小波分解方法将时间序列分解为一个近似序列和多个细节序列,分别采用ARMA模型进行预测,然后将各序列预测结果进行重构,得到最终预测结果。以天津市2014年PM2.5浓度数据为例,分别采用ARMA模型、支持向量回归(SVR)模型、人工神经网络(ANN)模型以及基于小波多尺度分解改进的SVR模型和基于小波多尺度分解改进的ARMA模型进行了对比分析。结果表明:1)小波多尺度分解能够显著提高SVR模型和ARMA模型预报精度;2)ARMA、SVR、ANN等传统模型在重污染情况下预报精度显著下降,而小波分解改进策略能够较好地解决这个问题;3)基于小波多尺度分解改进的ARMA模型预报精度较高,是城市污染物浓度预报的有效手段。     

煤的低温氧化及指标气体实验研究

本文主要利用自制研发的煤自燃特性测试系统,通过程序升温加热的方法,分析了桃园煤矿10煤和8煤在不同温度环境下氧化的气体组分及其浓度分布,以此来分析煤在低温条件下的氧化规律,并综合分析判定煤自然发火标志气体。实验结果表明,随着煤温的升高,煤的氧化速度越来越快,煤氧化速度的拐点温度为100℃~120℃;10煤出现C_2H_4和C_2H_6的温度均在80℃~100℃,而8煤在35℃~40℃下就有C_2H_6生成,但出现C_2H_4的温度高达150℃;10煤以CO为主标志气体,以C_2H_4、C_2H_6、C_3H_8作为辅助指标气体;8煤以CO、C_2H_6为主标志气体,以C_2H_4、C_3H_8作为辅助指标气体。     

基于TSP203~(plus)的隧道综合超前地质预报技术应用

为了对隧道不良地质体施工提供安全保障,开展以地震波反射法为主要手段的综合超前地质预报。结合工程地质调查和掌子面地质素描,采用TSP203~(plus)进行长距离预报,同时运用超前水平钻探进行更为精确的短距离预报和加深炮孔对大范围不良地质体进行跟踪预报。该预报方法应用于金瓶岩隧道软弱破碎带和富水带,取得良好效果,有效指导了隧道安全施工,可为同类工程提供借鉴。