基于ZYNQ图像处理研制便携式水质检测系统

综合光电检测技术和光谱分析技术中的紫外-可见吸收光谱法,研制多参数便携式地表水水质检测系统,能够现场快速检测出磷酸盐、亚硝酸盐、化学需氧量(COD)和NH₃-N水质参数。对水体中吸收特征波长在可见光部分的物质,使用摄像头采集其可见光谱,并对其可见光谱图像的灰度图进行卷积神经网络建模,吸收特征波长在紫外波段的物质,通过光电检测技术测其浓度值,将建立的卷积神经网络模型移植到ZYNQ中,结合紫外光电传感器,将被检测物质的浓度值通过LCD显示出来,以此实现水质检测仪的便携性。结果表明：所得卷积神经网络预测值为样本溶液在8种浓度值输出类型中的倾向值,准确率最高为100%,最低为40%。COD浓度值的最高误差为10%,证实该检测系统具有很好的实用价值。     

炼油废水致毒物质甄别及微生物群落响应关系研究

文章以某石化废水处理厂炼油废水为研究对象,对处理流程各阶段废水进行毒性测试,评价各阶段对生物毒性的削减效果;为探明主要毒性来源及其对系统微生物群落结构的影响,该研究结合毒性鉴别评价技术甄别各处理阶段主要致毒环境因子类别,并利用高通量测序技术探究致毒类环境因子与微生物群落结构响应关系。毒性测试结果显示,系统对废水急性毒性与遗传毒性削减效率分别为(90.25%±3.19%)和(97.17%±1.95%),调节池与A/O池分别表现出对急性毒性与遗传毒性的显著削减效果。毒性鉴别评价结果表明,系统主要致毒环境因子类别为非极性有机物和金属阳离子。致毒类环境因子与微生物群落结构相关性分析结果表明,Ca(r²=0.80,p=0.01)和总石油烃(r²=0.90,p=0.01)显著影响系统微生物群落结构。研究结果为炼油废水处理工艺的优化提供了理论基础,为探究废水毒性物质对生物处理阶段潜在影响提供了实例参考。     

基于机器学习的二氧化碳卫星反演方法

基于机器学习模型在分析数据并学习预测方面的优势,提出了一种基于机器学习的短波红外通道CO₂卫星遥感反演方法,以卫星观测辐亮度、气溶胶光学厚度、温度构建训练数据集,采用前馈神经网络与量化共轭梯度算法进行训练学习,构建了短波红外通道卫星CO₂反演模型,并利用GOSAT卫星观测光谱数据反演了CO₂浓度.反演结果与TCCON站点观测数据进行了比对,结果表明:卫星与地面观测的相关性优于0.86,平均误差小于2.5×10^-6,验证了反演方法的有效性.     

人工神经网络在道路交通噪声预测中的应用

人工神经网络具有很强的预测功能，根据某公路交通噪声的实测数据，应用人工神经网络进行道路交通噪声的预测，经检验，计算值与实测值接近，从而为道路交通噪声的预测提供了一种新的途径。     

湖泊水质富营养化评价的多准则神经网络法

提出了基于误差平方和准则与模糊熵准则下的多准则神经网络湖泊水质营养化评价模型，并将其应用于我国五大湖泊水质营养化的评价。结果表明，多准则神经网络用于湖泊水质营养化评价，具有简便，实用，客观和广泛的通用性     

等斜率灰色聚类法在大气环境质量评价中的应用

利用等斜率灰色聚类法对大同市１９９４年大气环境质量进行了评价，得出与实际情况相符的评价结果，该方法以等斜率方式构造白化函数，具有分辨率高、信息利用率大的优点。     

湖泊水质富营养化评价的模糊神经网络方法

为了探索人工神经网络用于湖泊营养化评价的可能性,提出了基于多准则学习的模糊神经网络湖泊水质营养化评价模型。该模型应用于我国五大主要湖泊水质营养化的评价结果表明,模糊神经网络用于湖泊水质营养化评价,具有简便、实用、客观性和广泛的通用性。      

《地球与环境》征稿启事

正1刊物简介《地球与环境》原名为《地质地球化学》,创刊于1973年,由中国科学院地球化学研究所主办,面向国内外公开发行的季刊。经有关部门批准,《地质地球化学》从2004年起更名为《地球与环境》。《地球与环境》为一份综合性地学类核心学术刊物,主要面向广大科研院所、高等院校、环境监测管理等单位的环境地学方面的科研人员、教学师生,以及分析测试人员、科技管理人员等。所报道的学科包括环境     

基于主成分-聚类分析模型的生态环境脆弱性分析:以平潭综合实验区为例

目前对平潭综合实验区(平潭主岛)脆弱性评价方面的研究仅有地下水系统的脆弱性研究,对生态环境方面的脆弱性研究尚未见诸文献中。针对此情况,文章首先从自然因素、人为干扰因素和环境因素3个方面构建了生态环境脆弱性指标体系,然后运用主成分-聚类分析模型对平潭综合实验区的生态环境脆弱性进行分区。脆弱性分区结论为平潭综合实验区总体为中强度脆弱,其中极强脆弱区为白青乡,强度脆弱区为北厝镇和苏澳镇,中度脆弱区为中楼乡、澳前镇和敖东镇,轻度脆弱区为平原镇、潭城镇和流水镇,微脆弱区为芦洋乡。文章从增加防护林的面积和种类、调整优化土地利用结构、开展生态功能区划和生态环境保护规划的编制工作三方面提出了降低研究区域生态环境脆弱性的对策措施。     

BP神经网络在流溪河水库径流量预测中的应用

流溪河水库是广州市的主要饮用水源地,所属地区降雨量年际变化大,不利于水资源的优化配置。对流溪河水库径流量进行预测研究,可为其水资源的优化配置提供科学依据。目前人工神经网络(ANN)技术在水文序列模拟预测中有较多的应用,本文根据流溪河水库1959~2000年水文数据,利用BP神经网络对径流量进行预测,从模型检验结果看,所建模型有较好的拟合效果和预测精度,说明神经网络在预测径流量方面有良好的实用性。