基于决策树分类法的塔克拉玛干南缘沙漠化信息提取方法研究

选择策勒绿洲作为典型的绿洲-荒漠交错带,采用Landsat ETM+影像,分析了沙漠化土地的光谱特征及其波段间的相互运算,用分层分离的方法,提取了沙漠化土地信息. 结果表明:利用修改型土壤调整植被指数(MSAVI),归一化差异水体指数(NDWI)和遥感图像缨帽变换后的亮度(Brightness)、绿度(Greenness)、湿度(Wetness)等复合识别指标,在决策树的各节点设计不同的分类器,可以划分沙漠化等级;决策树分类法可以有效地排除和避免提取地物时受多余信息的干扰及影响,其总体提取效果较好,是快速自动提取沙漠化土地信息的有效手段.      

铝塑包装废物的热解特性研究

利用热重-差热-傅立叶变换红外光谱联用仪对铝塑包装废物热解特性进行分析,并对物料性质、纸质存在对热解过程的影响进行研究. 结果表明:铝塑包装废物热解主要发生于438～500 ℃,最大失重速率出现在470～475 ℃;产物中主要是—C—C—以及少量的—CC—与芳香烃;反应温度由50 ℃升至850 ℃,铝塑包装废物依次经历聚乙烯熔融软化、热解,铝熔融,铝与焦状物反应等过程;铝塑包装废物中含纸质时,在312.4～363.2 ℃增加了一个失重过程,同时高温时的热解反应更为复杂.      

基于溶解度参数的计算检测沉积物中微塑料

目前,密度分离法广泛应用于各种环境介质中微塑料的提取.为了进一步准确测量沉积物中微塑料的质量浓度,本研究开发了一种基于溶解度参数(δ)计算的选择性检测方法,建立了加速溶剂萃取(ASE)-微塑料选择性析出-傅里叶变换红外光谱仪(FTIR)检测的技术路线.6种微塑料[聚丙烯(PP)、聚乙烯(PE)、聚苯乙烯(PS)、聚碳酸...     

基于小波变换的武汉市PM2.5、PM10与臭氧污染特征

为验证城市空气污染物排放及协同控制后的周期性规律,利用小波变换对武汉市2013～2020年共计2421d的逐日PM_2.5、PM₁₀及臭氧浓度数据进行分析.结果表明:可吸入颗粒物污染情况逐年改善,PM_2.5浓度年均值由80.5μg/m³降至45.3μg/m³,超标比例由44%降至11%;PM₁₀浓度年均值由113.6μg/m³降至72.6μg/m³,超标比例由22%降至2%.臭氧污染未有明显改善,浓度年均值在90～100μg/m³间波动.PM_2.5、PM₁₀与臭氧浓度均表现出明显的周期性,PM_2.5浓度主周期300d、次周期140d左右;PM₁₀浓度主周期300d、次周期125d左右;臭氧浓度主周期300d、次周期143d左右.PM_2.5与PM₁₀的周期与位相均相...     

基于Wavelet-LSTM模型的北京空气污染物浓度预测

文章为了达到精准预测北京市空气污染物浓度目的,应用小波分解变换(wavelet transform)和长短期神经记忆网络(long short-term memory,LSTM)相结合的方法,建立Wavelet-LSTM空气污染物浓度预测模型,对北京市6项空气污染物浓度预测。研究首先通过小波分解变换将日空气污染物浓度的历史时间序列分解为不同频率并重新组合为高维训练数据集合;其次使用高维数据集训练LSTM预测模型,重复试验调整参数,获得最优预测模型。研究结果表明,组合模型对于污染物浓度预测比传统LSTM模型的预测精度和稳定性更高。     

高速列车隧道会车流场的CFD分离涡数值模拟

目的研究高速列车隧道会车压力波及列车尾流特性。方法建立某型高速列车三节车模型,采用脱体涡方法数值模拟两列车以350km/h在隧道内等速会车的流场。数值模拟的空间离散化压力项、密度项及修正的湍流黏度项使用二阶迎风格式,动量项使用有界中心差分格式,时间离散采用预处理二阶精度差分格式,用壁面函数处理隧道壁,使用雷诺时均法作方法对比。计算列车车头、侧墙及尾车等部位的压力时间历程,然后使用傅里叶变换对尾车测点进行频谱分析,最后对尾流中不同位置的湍流强度进行分析。结果头车所受压力波动最为剧烈,中间车次之,尾车最小。列车侧墙同一垂向位置不同高度压力变化相差不大。列车尾涡主频在3.85Hz附近,其可能对列车横向振动有一定的影响。结论尾涡是两个不断向后发展的中等强度涡旋,在充分发展段,其湍流强度会有一个较为明显的抬升,之后逐渐减弱。会车侧涡流由于横向发展较为迅速,导致其强度较小且减弱速度较快。     

甲醛修饰酿酒酵母对铀的吸附研究

采用批次实验方法探究了甲醛修饰酿酒酵母对铀的生物吸附过程.结果显示,甲醛修饰能显著提高酵母对铀的吸附能力,其吸附量是同等实验条件下活酵母的6倍,动力学研究表明,达到吸附平衡仅需90 min,并且能较好地符合准二级动力学吸附模型.实验的最佳吸附pH为5.8.Langmuir和Freundlich模型均能用于拟合实验数据且实验结果与Langmuir模型更加吻合.扫描电镜和傅里叶变换红外光谱分析结果表明,甲醛修饰改变了细胞的表面形貌和蛋白结构,使氨基发生了甲基化,羟基形成配位共价键,在酵母吸附铀后,细胞表面不均匀地附着了一层鳞片状的铀沉淀.铀沉淀与络合物的形式多种多样,且与羧酸盐主要络合物为双齿配体结构,甲醛修饰酿酒酵母与铀酰离子相互作用存在着络合,沉淀以及静电吸附等多种机理.     

基于wavelet-SVM的PM10浓度时序数据预测

太原是以煤炭为主要能源的重工业城市,PM_(10)(particulate matter)是太原市的主要大气污染物,因此研究其变化趋势,并给出污染物浓度预测结果,为相关部门进行大气污染防治,为突发污染事件应急提供理论支持是一项非常重要的工作.支持向量机(support vector machine,SVM)应用于PM_(10)污染物浓度时序数据预测时,表现出良好的泛化能力.在预测模型建立过程中通常选择历史数据作为学习模型的输入特征,然而这样的数据表示形式,结构单一,信息表达不完备,在很大程度上将影响预测模型的泛化能力.本文以山西省太原市城区4个监测站点的PM_(10)日浓度数据为研究数据,通过小波变换(wavelet transform)将一维输入数据转化为由低频信息和高频信息构成的高维数据,并以该数据为输入数据建立wavelet-SVM预测模型.结果表明,相较于传统SVM模型预测,wavelet-SVM模型预测结果具有更高的精度,尤其能更加准确捕捉到PM_(10)浓度突变点,为大气污染预警提供有效信息支持,并且wavelet-SVM模型对于PM_(10)浓度时序数据变化趋势的预测精度有明显提升,能更好地预测PM_(10)浓度变化趋势,揭示PM_(10)浓度时序数据内在规律.     

基于HHT方法的矿井瓦斯体积分数预测

为有效分析煤矿瓦斯监测数据以实现较准确的瓦斯浓度预测,研究应用希尔伯特-黄变换(HHT)方法进行瓦斯浓度时间序列分析与预测的方法。应用经验模态分解(EMD)方法将瓦斯浓度时间序列分解成不同频率的固有模态函数(IMF)分量的叠加,以获取瓦斯浓度时间序列的瞬时特征;通过Hilbert变换求得各IMF分量的瞬时频率,依据各IMF分量瞬时频率的均值将分解得到的IMF划分成较高频和低频2类新的分量,选取适合于各分量特征的预测模型分别进行预测,以消除局部随机性对预测精度的影响,结合自回归(AR)、径向基函数(RBF)神经网络和支持向量机(SVM)3种预测模型实现瓦斯浓度预测。实例分析表明:应用该方法所得预测结果比较准确,降低了预测复杂度,提高了预测精度。     

HHT在震动信号处理中的应用

希尔伯特-黄变换是一种处理非线性、非平稳信号的方法,它的核心是经验模态分解(EMD),但是EMD分解存在模态混叠等不足现象,针对这个问题引入了总体平均经验模分解(EEMD)算法。对实测的震动信号分别做两种算法的分解得到固有模态函数(IMF),再对其结果进行能量分析,绘制瞬时频率图、希尔伯特谱,得到信号震源的真实时频特征量,以便进一步分析震源类型,从而可以更好地实时预测震动灾害发生的可能情况。