边坡变形时序非线性判定及混沌预测研究

以探讨边坡变形性质及混沌预测可行性为目的,基于混沌理论利用相空间重构技术对其变形时间序列进行混沌特征判定,试验显示变形系统具有混沌特性,可用混沌相关理论进行研究;基于混沌相空间重构技术,笔者构建了多种混沌预测模型进行混沌预计研究,分析各类模型的工程实际应用效果;针对单次监测时序预测精度较低的问题,提出累加时序预测方案,训练结果显示,短期预测精度变形累计值基本控制在5%以内,高程值预测相对误差均低于1%,预测精度较高,可以用于工程实际。     

基于人工神经网络理论的建筑物火灾安全评价研究

依据建筑物火灾危险性的影响因素,应用人工神经网络理论及系统安全方法,建立了建筑物火灾危险性的评价指标体系,该方法摆脱了评价过程中的随机性和参评人员主观上的不确定性及其认识上的模糊性等缺点,大大提高了准确性。为了验证评价模型的准确性,将该理论应用到某高校图书馆火灾危险性评价中,快速、准确地得到了安全评价结果,取得了满意效果,为建筑物防火设计以及安全管理提供了可行的依据。     

Reflections on the use of Bayesian belief networks for adaptive management

A broad range of tools are available for integrated water resource management (IWRM). In the EU research project NeWater, a hypothesis exists that IWRM cannot be realised unless current management regimes undergo a transition toward adaptive management (AM). This includes a structured process of learning, dealing with complexity, uncertainty etc. We assume that it is no longer enough for managers and tool researchers to understand the complexity and uncertainty of the outer natural system-the environment. It is just as important, to understand what goes on in the complex and uncertain participatory processes between the water managers, different stakeholders, authorities and researchers when a specific tool and process is used for environmental management. The paper revisits a case study carried out 2001-2004 where the tool Bayesian networks (BNs) was tested for groundwater management with full stakeholder involvement. With the participation of two researchers (the authors) and two water managers previously involved in the case study, a qualitative interview was prepared and carried out in June 2006. The aim of this ex-post evaluation was to capture and explore the water managers' experience with Bayesian belief networks when used for integrated and adaptive water management and provide a narrative approach for tool enhancement.     

成都市活水公园人工湿地系统10年运行回顾

成都市活水公园是1997年建成的世界上首座以展示"人工湿地水处理系统"和"仿峨眉山亚热带自然植被"为主要内容的、以水保护为主题的生态公园。它所展示的人工湿地处理系统工程,现己正常运行了10年。本文通过回顾10年来活水公园人工湿地工程设计、建设与运行的经验,结合当前己建和在建的人工湿地工程中所存在的一些问题,提出一些看法与建议。供从事人工湿地工程设计、施工及管理人员参考。     

基于BP模型对城市交通噪声的数据处理和预测

城市交通噪声的预测和评价技术是城市交通可持续发展的重要研究内容,直接为城市交通规划中环境容量分析和环境影响评价服务。本文通过实测的大量数据,运用神经网络中的BP模型及其算法建立车辆数、道路宽度和交通噪声之间的关系,对城市道路交通噪声数据进行处理和预测。     

基于BP神经网络的垃圾焚烧过程故障诊断

应用BP神经网络方法,建立了垃圾焚烧过程故障诊断的模型.该方法采用梯度下降法训练网络权值,利用最优停止法对网络进行了优化,避免了过拟合现象.提高了BP神经网络的训练速度和泛化能力.并以实际焚烧过程工况数据进行性能检验,检验结果表明了该BP网络具有较高的诊断精度.     

基于3种时间序列模型的九龙江河流库区藻华预测

湖库富营养化和有害藻华是全球性生态环境问题,藻华预测与早期预警是保障湖库水源地供水安全的关键技术.如何基于高频水生态在线监测数据进行藻华的实时动态预测成为水生态管理领域的重大需求.本研究以福建省九龙江江东库区(水源地)为例,利用3年连续观测的逐时平均总叶绿素a浓度数据,对比研究了SARIMA、Prophet和LSTM(长短期记忆神经网络)3种时间序列模型在藻华(日平均叶绿素a大于15μg·L^-1)预测方面的效果.结果表明：(1)时间序列模型要求参数少,灵活性强,能清晰反映水质特征和未来变化趋势,可弥补传统藻类监测预警方法的局限性;(2)基于深度学习框架的LSTM模型,具有独特的迭代优化算法,对藻类非线性变化特征的识别和预测能力较强,其总叶绿素a逐日预测和7日预测效果均显著优于SARIMA模型和Prophet模型;(3)输入数据长度会在一定程度上影响模型预测效果,最优的输入数据时间长度为7 d;输入数据频率对预测效果也有影响,在预测非藻华日时,小时数据的预测效果优于日频率数据;在预测藻华日时,两种频率数据无显著差异,但日频率数据能更准确识别藻华日特征.总结起来,基于...     

地下水人工补给过程介质堵塞及控制研究进展

人工补给作为解决地下水超采及其环境负效应的有效措施,在全球得到广泛应用.但人工补给过程中的介质堵塞问题对补给效率、运行成本及工程寿命有着显著不利影响.在收集整理已有研究资料的基础上,对人工补给类型,过程中介质堵塞机理、预测、控制和治理方法进行了详细归纳和总结.分析表明,介质堵塞受到介质、水源物化特征和水文地球化学条件等因素影响;堵塞预测方法有水质指标法、经验公式法、数学模型法;堵塞的预防目前以水质控制为主;堵塞的治理需综合物理和化学方法.尽管有关人工补给的多种技术已日益成熟,但结合介质空间差异特征和水源条件复杂性开展的人工补给促渗技术还需进一步研究.     

山区土壤重金属空间插值性能的改进

山区土壤重金属监测中,密集均匀的布点采样困难大,成本高。根据稀疏非均匀样本数据准确预测山区土壤重金属空间分布,对可视化描述检测元素的分布及趋势具有重要意义。基于云南省楚雄市南部山区表层土壤中重金属锰、钒的采样数据,对集成径向基函数神经网络(IRBFANNs)和传统插值方法:反距离(IDW)、普通克里格(OK)、径向基函数神经网络(RBFANNs),进行了不同等级采样密度下的插值性能比较。结果表明,样本点数量减少时,传统预测方法的插值精度都有所下降,而IRBFANNs算法在样本点较少情况下能够保持最好的插值精确度和稳定性,有效改进了空间插值性能。     

大数据解析技术在大气环境监测中的应用研究

针对近年来新兴的大数据及挖掘、分析技术,对大数据解析技术在环境科学研究中的应用进行了分析和探析。以城市局部地区大气细颗粒污染物PM2.5浓度计算为例,筛选了PM2.5浓度历史数据、气象条件、交通状况、人群活动情况、网格道路状况等数据为影响特征量,分析了用神经网络法进行大数据解析和推演的原理和数学过程,是用数学、计算机、统计等方法研究解决多元、非线性复杂环境问题的一种新的探索。