路面径流水环境下交通承载力分析

为了对路面径流水容许污染总量控制下的交通承载力问题进行探讨,利用神经网络具有的非线性映射能力和遗传算法具有的全局随机搜索能力,结合公路路面径流水质检测数据,提出了一种基于遗传神经网络进行公路交通环境承载力反计算的分析方法,应用该方法可根据路面径流水质污染数据反演出路段交通量大小,并可据此进行交通量与路而径流水质污染的关...     

太湖流域上游平原河网污染物综合衰减系数的测定

改善太湖水质需要削减上游河流进入太湖的污染物总量.为了探求太湖流域上游平原河网的自净能力,开展原位实验测定了枯水期高锰酸盐指数、氨氮(NH_4~+-N)、总氮(TN)和总磷(TP)的综合衰减系数,根据河道的水力特征对综合衰减系数进行了修正,并利用一维稳态水质模型对修正前后综合衰减系数的可靠性进行了验证.结果表明,高锰酸盐指数、NH_4~+-N、TN和TP的综合衰减系数分别为:0.0296~0.4106、0.0224~0.3564、0.0137~0.3046和0.0555~0.5725 d~(-1).可靠性验证表明高锰酸盐指数、NH_4~+-N、TN和TP综合衰减系数修正前的平均相对误差分别为8.39%、14.40%、11.43%和19.22%,修正后的平均相对误差分别为10.65%、14.34%、11.37%和19.24%.修正前后高锰酸盐指数、NH_4~+-N、TN和TP的平均相对误差均小于20%且变化不显著,表明综合衰减系数的测定结果能够为太湖流域上游平原河网的污染物总量控制管理提供科学参数;也表明枯水期的水力条件对综合衰减系数的影响较小.     

基于ANN的土壤重金属分布和污染评价研究

农田土壤重金属污染与备受关注的农产品安全问题有密切联系,因此对其进行研究意义重大。以江苏省南通市为研究区,利用采样点实测数据,借助神经网络模型(ANN)并结合3S技术对问题进行研究,从而对土壤重金属的空间动态分布进行描述,并对各个空间位点重金属的污染状况进行评价。结果表明,神经网络模型能够智能地学习各个样点的空间位置与该点各重金属含量之间的映射关系和预先设计好的分类评价模式,并能够稳健地对各个空间插值点处的重金属含量和各个位点的重金属污染状况进行预测和评价。结论显示,南通市大部分农田土壤重金属污染较轻,但也存在局部地区的严重污染。结论与实际情况相符,表明神经网络模型可以为农田土壤重金属的研究提供一个新的思路和方法。     

基于大数据挖掘技术的地震舆情感知研究

对地震舆情信息的深入感知和有效管理,能够保障社会和谐发展.提出一个基于大数据技术和深度学习的地震舆情感知平台,基于Hadoop和MongoDB大数据技术实现对海量实时地震舆情数据的处理和存储.基于Word2vec和LSTM的融合模型能够有效实现震后网民的情感识别,为舆情预警提供支持.以台湾5.8级地震舆情数据为例,对该...     

提高GPS定位精度的群调度滤波算法*

为解决现行安全生产科技领域中全球定位系统（GPS）/惯性导航系统（INS）融合系统容易产生较大时变误差的关键问题,满足GPS定位信号的精度和信号数据处理时间的要求,提出1种群调度滤波算法,通过实验仿真,分别与模糊算法、机器学习算法及卡尔曼滤波网络算法进行比较研究。结果表明:群调度滤波算法兼顾了定位精度与数据处理时间,具有较大优势,可在航空安全、船舶安全、应急监测、灾后抢险等安全科技领域广泛应用。     

Development of machine learning based prediction models for hazardous properties of chemical mixtures

Lower flammability limit (LFL), upper flammability limit (UFL), auto-ignition temperature (AIT) and flash point (FP) are crucial hazardous properties for fire and explosion hazards assessment and consequence analysis. In this study, a comprehensive prediction model set was constructed by using expanded chemical mixture databases of chemical mixture hazardous properties. Machine learning based gradient boosting quantitative structure-property relationship (GB-QSPR) method is implemented for the first time to improve the model performance and prediction accuracy. The result shows that all developed models have significantly higher accuracy than other regular QSPR models, with the 5-fold cross-validation RMSE of LFL, UFL, AIT, and FP models being 1.06, 1.14, 1.08, and 1.17, respectively. All developed QSPR models can be used to estimate reliable chemical mixture hazardous properties and provide useful guidance in chemical mixture hazard assessment and consequence analysis.     

面向实时人群动力学分析的深度基本图网络

当前行人疏散实验中基本图计算方法通常是通过对每个行人进行跟踪实现的.但这种跟踪方法难以实现实时人群动力学分析.针对这一问题,提出了深度基本图网络.实验提出的网络框架由两个模块组成,即多尺度递归卷积神经网络(MSR-Net)和光流模块,分别对行人密度和行人速度进行估计.具体来讲,MSR-Net学习了输入图像与行人密度图之...     

Policy Windows, Policy Change, and Organizational Learning: Watersheds in the Evolution of Watershed Management

Employing in-depth, elite interviews, this empirical research contributes to understanding the dynamics among policy windows, policy change, and organizational learning. First, although much of the research on agenda setting—how issues attract enough attention that action is taken to address them—has been conducted at the national scale, this work explores the subnational, regional scale. With decentralization, regional-scale environmental decision-making has become increasingly important. Second, this research highlights the role of policy windows and instances of related organizational learning identified by natural resources managers. Having practitioners identify focusing events contrasts with the more typical approach of the researcher identifying a particular focusing event or events to investigate. A focusing event is a sudden, exceptional experience that, because of how it leads to harm or exposes the prospect for great devastation, is perceived as the impetus for policy change.     

利用卫星遥感数据估算PM2.5浓度的应用研究进展

近年来,PM_(2.5)已成为中国大气污染的首要污染物,危害人体健康。为弥补地基监测站点在空间分布上的局限性,借助卫星遥感技术估算PM_(2.5)浓度已成为研究热点。文章总结了利用卫星估算PM_(2.5)浓度的各种研究方法,探讨了不同方法的优势和不足,指出不同方法对不同应用目的的选择性差异较大。提出,应针对不同应用目的选择相应的方法,从而取得满足各方面需求的研究成果,为未来PM_(2.5)浓度估算应用工作提供参考。     

基于BP神经网络的鄱阳湖水位模拟

考虑到鄱阳湖水位受流域五河与长江来水等多因素的共同作用而表现出高度非线性响应,采用典型的三层BPNN神经网络模型来模拟鄱阳湖水位与其主控因子之间的响应关系。分别将湖口、星子、都昌、棠荫和康山水位作为目标变量进行BPNN模型构建和适用性评估。结果显示：综合考虑流域五河及长江来水（汉口或九江）的BPNN水位模型,空间站点水位模拟精度（R2和Ens）可达090以上,各站点的均方根误差（RMSE）变化范围约050～10 m,若忽略长江来水的影响作用,仅将流域五河来水作为湖泊水位的主控影响因子,模型训练期与测试期的纳希效率系数（Ens）和确定性系数（R2）显著降低,且低于050,均方根误差（RMSE）也明显增大（124～288 m）,意味着综合考虑流域五河与长江来水是获取结构合理、精度保证的鄱阳湖水位模型的重要前提。同时建议针对鄱阳湖湖盆变化对水位的影响,尽可能选择一致性较好的长序列数据集来训练和测试BPNN模型。所构建的BPNN神经网络模型可进一步结合流域水文模型,用来预测气候变化与人类活动下流域径流变化对湖泊水位的潜在影响,也可作为一种有效的模型工具来回答当前鄱阳湖一些备受关注的热点问题,如定量区分流域五河与长江来水对湖泊洪枯水位的贡献分量,为湖泊洪涝灾害的防治和对策制定提供科学依据