用神经网络辨识化学强化一级处理系统

运用实验室得到的数据为样本 ,选取了CODCr和絮凝剂投加量为指标 ,采用三层结构的神经网络 ,利用Matlab的神经网络工具箱中的批处理梯度下降法对CEPT系统经行辨识。辨识结果表明 :模型的预测值与实测值的平均误差在 3 .7%左右 ,具有较高的精度。同时 ,该模型还具有适应性强 ,使用方便 ,高效的特点 ,为CEPT系统的在线实时控制提供了一条有效的途径。     

基于最佳范化能力的BP网络隐节点数反比关系式的环境预测模型

网络结构和样本集复杂性是影响BP网络泛化能力的两个最重要因素.对一个给定的训练样本集,为了构造一个与样本集复杂性相匹配的网络结构,使BP网络具有最佳泛化能力,在分析BP网络的泛化能力(用检测误差E2表示)与网络结构和样本集复杂性之间关系的基础上,建立了含参数的BP网络检测误差E2与网络隐节点数H、样本的因子数n、样本数...     

A methodological framework for improving air quality monitoring network layout. Applications to environment management

This work aims to provide a methodology framework which allows to improve the performance and efficiency of an air quality monitoring network (AQMN). It requires to be constituted by a minimum and reliable number of measurement sites. Nevertheless, the AQMN efficiency should be assessed over time, as a consequence of the possible emergence of new emission sources of air pollutants, which could lead to variations on their spatial distribution within the target area. PM₁₀ particles data monitored by the Community of Madrid's (Spain) AQMN between 2008 and 2017 were used to develop a methodology to optimize the AQMN performance. The annual spatial distribution of average PM₁₀ levels over the studied period monitored by all current stations vs those more representative was provided by a geographic information system (GIS), and the percentage of similarity between both postulates was quantified using simple linear regression (> 95%). As one innovative tool of this study, the practical application of the proposed methodology was validated using PM₁₀ particles data measured by AQMN during 2007 and 2018, reaching a similitude degree higher than 95%. The influence of temporal variation on the proposed methodological framework was around 20%.The proposed methodology sets criteria for identifying non-redundant stations within AQMN, it is also able to appropriately assess the representativeness of fixed monitoring sites within an AQMN and it complements the guidelines set by European legislation on air pollutants monitoring at fixed stations, which could help to tackle efforts to improve the air quality management.     

基于机器学习算法的新冠疫情管控对河南省空气质量影响的模拟分析

全国各地为了减少新冠疫情对社会和人民生活的影响,采取了必要的防疫防控措施,这些措施对空气质量的变化产生了重要的影响,此外空气质量的变化与气象条件也存在很大的关系.通过对河南省疫情前（1月1~26日）和疫情管控期（1月27日~2月29日）这两阶段的空气质量分析对比发现,整个河南省除了O₃浓度上升了69.64%外,PM_2.5、PM₁₀、SO₂、CO和NO₂分别降低了36.89%、34.18%、19.43%、29.85%和58.51%;通过机器学习算法中的长短期记忆型网络（LSTM）模拟显示,气象条件引起污染物浓度的降幅大部分在15%~30%之间;人为排放减少引起的污染物浓度的降幅大部分在6%~40%之间.O₃在疫情期间上升过程中,气象条件和人为排放两种因素分别占了34.84%和34.81%.结果表明,疫情管控期间,河南省空气质量总体上有所改善,但是也有重污染发生,其中O₃的浓度对于疫情管控减排的影响不明显,呈负相关,需要进一步探索引起臭氧浓度上升的原因,以此帮助政府合理控制臭氧等前体污染物的减排比例.     

道路干扰对澜沧江流域景观格局的影响

道路交通在促进人类社会经济发展的同时,也给生态环境带来了诸多影响。研究道路交通的干扰强度、空间格局及其影响,对保护自然环境、维持生态系统健康意义重大。研究基于道路等级、道路所处的环境特征等因素构建道路干扰指数,定量评价了澜沧江流域道路网络的干扰强度,系统分析了流域道路干扰的空间格局特征及其对流域景观的影响。结果表明,澜沧江流域道路网络干扰程度存在明显的区域分异,中游和下游地区明显大于上游地区。流域道路干扰域为边界复杂的不规则多边形,呈现出以离散的强干扰区域为中心,干扰强度向外围逐渐减弱的空间格局。对比不同等级道路干扰域内的景观格局及其变化特征发现,耕地和建设用地等代表人类活动的景观集中分布于道路强干扰区域内,并且强干扰区域内景观组分的变化幅度远大于低干扰区域。从上述分析结果可以看出,道路对其沿线景观格局的变化具有很强的驱动作用,流域道路发展应避开生态环境敏感区域。     

青藏高原生态资产地域划分中的SOFM网络技术

针对目前地域划分中存在的问题,论文尝试以人工神经网络技术作为区划工作的理论支撑,构建了自组织特征映射SOFM网络,以青藏高原环境与生态系统资产作为待分客体,探索了新技术和方法在生态资产地域划分中的应用。结果表明,对于自然界中广泛存在的非线性问题,SOFM网络具有比聚类分析等线性分类器更强的适应性。应用SOFM网络在对待分客体生态资产进行类型划分的基础上,使用策略性循环尺度转换(SCS)范式对其进行了区域转换,最终完成了青藏高原范围内生态资产的地域划分。     

事故出流时河流综合水质的计算机预测方法研究

河流上游的污水排放口或倒虹管等污水构筑因有可能发生事故出流而对下游的取水口存在着潜在的威胁，常规的单参数模型不能就事故出流对下游的影响作出公正评价。本文以QUAL－Ⅱ模型为骨架，以生动形象的动画形式演示出在整个排污过程中多个水质参数沿河道分布的变化全过程，并且，在模型中融入隶属度BP神经网络综合评价水质的模块，用它来对发生事故出流时下游取水口水域的水质变化进行综合评价，最后通过一个例子说明了该方法的优越性和合理性。     

雨水管网混接入渗诊断技术研究进展

雨水管网是缓解城市内涝、改善水环境质量的重要市政基础设施,受管材老化腐蚀和施工过程不当等影响,我国城市雨水管网建成后普遍存在地下水入渗和污水混接问题,制约着雨水管网功能高效发挥。排水管网入流入渗诊断技术可为雨水管网混接入渗问题的识别和定位提供支持。综述了排水管网入流入渗诊断技术（物探检测技术、流量分析技术、特征因子分析技术、水动力反演模型技术）的基本原理、研究进展、应用特征等,对比分析了不同技术应用于雨水管网混接入渗诊断的适用性、实施要点、诊断水平和发展阶段等,并提出未来雨水管网混接入渗诊断技术的发展方向。结果表明：1）特征因子分析技术可在不干扰雨水管网正常运行条件下识别和量化混接入渗问题、提供治理优先级,因此经济和环境效益显著;2）光纤分布式测温（FDTS）技术和水动力模型反演技术在无干扰定位雨水管网混接入渗方面优势显著,前者易于实施且定位精准度高,后者具有成本低且可评级混接入渗等级特点,可根据场景特征因地制宜选用;3）未来雨水管网混接入渗诊断技术将朝着低成本、无干扰、可量化、可定位的方向发展。通过评估不同技术在当前和未来的综合应用效果,明确了单一诊断技术难以具备未来预期特征,而特征因子分析技术耦合FDTS技术或水动力模型反演技术的分级诊断体系具有实现未来技术发展目标的优势潜力。研究可为雨水管网混接入渗诊断技术的科学应用和优化创新提供参考。

     

京杭运河上游河段磷污染时空分布特征及污染源解析

为揭示京杭运河上游桐乡段总磷浓度不能稳定达到GB 3838—2002《地表水环境质量标准》Ⅲ类标准的原因,在桐乡段干流布设24个采样点,入河支流布设18个采样点,开展水质加密监测,研究磷污染发生的时空变化规律;基于水质常规指标的主成分分析,以及各主成分因子中强载荷指标与三维荧光组分的相关性分析,对重点河段磷的主要污染源进行解析;并基于绝对主成分—多元线性回归模型,定量评价主要磷污染源的贡献率。结果表明：1）京杭运河上游桐乡段干流入境水总磷浓度为0.14~0.20 mg/L,沿程监测点5~7、9和21~24有明显变差趋势,最高浓度达0.40 mg/L;部分入河支流水质较差,总磷浓度达到0.44 mg/L。2）主成分分析得到3个主因子,因子1以氨氮、溶解态磷为主要载荷,与类蛋白质组分显著相关,代表生产生活污染;因子2以高锰酸盐指数、溶解态磷、颗粒态氮为主要载荷,与类腐殖质组分显著相关,代表农业源;因子3以颗粒态磷、颗粒态氮为主要载荷,与浊度显著相关,代表码头污染与底泥源。3）运河上游河段的磷污染主要发生在干流监测点5~7和9,主要为码头污染与底泥源,其在丰水期和平水期的贡献率分别为65.9%和31.8%;监测点21~24主要为农业源,其在丰水期和平水期的贡献率分别为34.0%和32.1%;此外,生产生活污染在丰水期也有较大影响,其对监测点5~7和9、21~24的贡献率分别为42.6%、31.8%。

     

基于网络组织视角的粮食产业化模式与优化路径

在全球粮食安全状况严峻以及中国人多地少的形势下,探讨粮食的产业化发展具有重要意义。从网络组织视角出发,梳理了中国粮食产业化模式并提出优化路径。研究表明：粮食产业化发展是一个网络化的成长过程。基于网络主体控制与参与网络的能力、融资形式以及立足或服务的空间尺度,可以将粮食产业化模式划分为“国家调控跨国公司组织模式”“地方主导龙头企业带动模式”“政府主导社会多元主体参与模式”和“市场主导私营企业推动模式”这四类主要模式,分别对应介于市场组织与等级制组织之间的全球—区域—本地网络组织,并以跨国公司、本地龙头企业、产业化联合体、产业园区、产业集群等产业化组织形式呈现。进一步建议从提升网络主体开始,通过优化网络结构、强化网络载体、完善网络治理来指导粮食产业化的高质量发展。