基于机器学习的电热防除冰表面温度变化趋势预测

针对飞机部件周期控制律电加热防除冰的应用,提出基于机器学习以预测电加热防除冰表面温度的变化趋势.依靠大型结冰风洞及其电加热防除冰控制系统完成防除冰试验,获得有效的试验数据,以通、断电周期为分割单元,将试验数据划分成验证集和训练集.根据电热防除冰过程的换热情况,构建样本的特征参数,利用机器学习的有监督学习方式,选择KNN...     

APCS-MLR结合PMF模型的塔里木河上游沉积物重金属源解析与风险评估

为探究塔里木河上游沉积物中重金属的污染来源及潜在生态风险,选取上游阿拉尔—沙雅段表层沉积物为研究对象,测定Cu、Fe、Zn、Pb、As、Cr、Cd、Mn和Ni等9种重金属的含量,分析其污染及空间分布特征. 结合相关性分析、聚类分析、绝对主成分-多元线性回归（APCS-MLR）和正定矩阵因子分析（PMF）等解析污染来源及其贡献,运用富集系数法、地质累积指数法、沉积物污染指数法和沉积物质量基准法（SQG）对重金属进行了风险评估. 结果表明,除As外,Cu、Fe、Zn、Pb、Cr、Cd、Mn和Ni的平均含量均超过背景值;空间上重金属含量较高的采样点基本都出现在河流汇合处及人类活动的密集区. 相关性分析、聚类分析和PCA/APCS分析表明,塔里木河上游沉积物的重金属来源主要有3类,第Ⅰ类中Cu、Fe、Zn、Pb、Mn和Ni可能代表禽类粪便和自然来源;第Ⅱ类中As、Cd和Ni可能代表农业活动源;第Ⅲ类中Pb和Cr可能代表交通活动源. APCS-MLR和PMF模型表明,源贡献率最高的是农业活动源,贡献率分别为63.20%和52.36%;养殖和自然来源、交通活动源是解析出的其他2个源,APCS-MLR和PMF解析得到的贡献率分别为10.80%、26.00%和36.09%、11.55%. 风险评估方法均表明Cd和Ni处于轻度污染,偶尔会产生生物毒性效应;Zn无污染,生物毒性效应很少发生;塔里木河上游沉积物整体为自然-低风险水平,但样点TH1、TH4和TH7可能存在潜在生态风险.     

平原丘陵过渡带土壤有机碳空间分布及环境影响

为定量分析景观过渡带中土壤有机碳空间分布及环境影响,将环境因子纳入空间自回归模型与地理加权回归模型分析比较,并以普通最小二乘回归模型作对照.结果表明:土壤性质指标中,容重及有效铁与土壤有机碳存在极显著相关关系;地形及区位因子中,纬度、高程、坡度、粗糙度等稳定性因素与土壤有机碳存在极显著相关关系;土壤有机碳的局部集聚性多发生在核心景观过渡带;空间回归模型的拟合优度均优于普通最小二乘回归模型,估计值的空间自相关变化趋势与实测值一致,残差的空间模式显著减弱;能够灵活调整权函数与带宽的地理加权回归模型能够更好地分析土壤有机碳的空间变异.模型评价方面,GWR-1和GWR-2的残差平方和较OLS分别降低了20.717%和8.799%; SLM、SEM、GWR-1、GWR-2的AIC值较OLS分别减小了5.108、5.391、19.887和11.751.除本身存在的空间自相关外,模型中土壤性质指标及环境因子能大幅解释土壤有机碳的异质性.本研究引入辅助变量,运用空间回归模型分析了平原丘陵过渡带土壤有机碳的空间变异,可为生态恢复、环境变化指示及研究区典型柑橘区的区划提供依据.     

基于移动监测和土地利用回归模型的上海市近地面黑碳浓度空间模拟

黑碳(BC)是大气污染物的重要组成部分,对空气质量与人类生活健康产生重要的影响.本研究采用移动样带手段开展上海市近地面BC浓度监测,分析其基本统计特征和空间分异性.在此基础上,利用土地利用回归模型(LUR),探讨人口密度、经济产值和交通道路网密度等因素对上海市近地面BC浓度空间分异的影响.结果表明上海市近地面BC平均浓度为(9.86±8.68)μg·m~(-3),空间差异明显,郊区[(10.47±2.04)μg·m~(-3)]比市中心地区[(7.93±2.79)μg·m~(-3)]高32.03%(2.54μg·m~(-3)).气象要素(风速和相对湿度)和交通道路变量(路网长度、省道距离、高速距离等)显著影响上海市近地面BC浓度(r为0.5~0.7,P0.01).基于气象和交通道路变量的LUR模型能较好模拟上海近地面BC浓度(调整后R2为0.62~0.75,交叉验证R2为0.54~0.69,RMSE为0.15~0.20μg·m~(-3)),其中100 m和5 km缓冲距离的LUR模型相对较优,在一定程度上表明上海市近地面BC浓度主要受气象要素和交通源的影响.本研究有利于加深对上海市BC浓度空间分布格局及其影响因素的客观认识,可为模拟和预测BC对人类活动和自然环境的响应机制提供科学依据和理论支撑.     

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%.     

京津冀地区高分辨率PM2.5浓度时空变化模拟与分析

为了全覆盖、高分辨率和高精度识别京津冀地区大气PM_2.5质量浓度时空变化,选取多角度大气校正算法遥感反演的1km AOD为主要预测因子,多种气象要素和土地利用要素为辅助预测因子,构建了混合效应模型+地理加权回归模型的两阶段统计模型,并针对京津冀地区PM_2.5污染较严重的特点,模型中引入了AOD²等独特预测因子.通过上述两阶段模型定量预测了研究区2017年1 km²空间分辨率的每日PM_2.5质量浓度.结果表明,模型交叉验证的决定系数R²为0.94,斜率为0.95,均方根预测误差为13.14 μg·m^-3,在前人基础上预测精度进一步提升,可用于PM_2.5浓度时空变化预测与分析.2017年,京津冀地区PM_2.5浓度年均值为44.96 μg·m^-3,年均值范围在0~89.89 μg·m^-3之间.PM_2.5浓度时空变化差异性明显,整体上呈现\"平原西南部浓度高、平原东北部浓度中等和山区高原浓度低\"的空间分布格局以及\"冬季浓度高、夏季浓度低和春秋过渡\"的季节变化特点.模型预测结果的高时空分辨率可以支持流行病学研究在较小区域的暴露评估和识别小尺度污染源的时空变化,分析发现在大气污染防治行动计划实施以来,污染较严重的冀中南山麓平原区可能出现了重要污染源的空间变化.模型预测与分析结果可以为京津冀大气污染防治提供科学支撑.     

Statistical inference on patch-specific survival and movement rates from marked animals

Empirical estimates of patch-specific survival and movement rates are needed to parametrize spatially explicit population models, and for inference on the effects of habitat quality and fragmentation on populations. Data from radio-marked animals, in which both the fates and habitat locations of animals are known over time, can be used in conjunction with continuous-time proportional hazards models to obtain inferences on survival rates. Discrete-time conditional logistic models may provide inference on both survival and movement rates. We use Monte Carlo simulation to investigate accuracy of estimates of survival from both approaches, and movement rates from conditional logistic regression, for two habitats. Bias was low (relative bias < 0.04) and interval coverage accurate (close to the nominal 0.95) for estimates of habitat effect on survival based on proportional hazards. Bias was high ( relative bias 0.60) and interval coverage poor ( = 0.26 vs. nominal 0.95) for estimates of habitat effect based on conditional logistic regression; bias was especially influenced by heterogeneity in survival and the shape of the hazard function, whereas both bias and coverage were affected by ‘memory’ effects in movement patterns. Bias estimates of movement rate was low ( relative bias < 0.05), but interval coverage was poor ( = 0.48–0.80), possibly as a result of poor performance of a Taylor series estimate of variance. An example is provided from a radio-telemetry study of 47 wintering American woodcock (Scolopax minor), illustrating practical difficulties in field studies to parametrize these models. We also discuss extensions of continuous-time models to explicitly include a movement process, and further examine tradeoffs between continuous and discrete models.     

中国暖季近地面臭氧浓度空间格局演变及主要气象驱动因素

中国的近地面臭氧（O₃）浓度在2015~2018年间持续升高,已成为仅次于颗粒物的重要大气污染物.基于中国337个城市2015~2018年暖季（4~9月）的实时O₃浓度数据和气象数据,利用趋势分析、空间自相关、热点分析和多尺度地理加权回归（MGWR）,研究了2015~2018年中国暖季地表O₃浓度的空间演变格局,探讨了气象因素对其驱动的空间差异性.结果表明：①中国暖季O₃浓度整体呈显著升高趋势（P<0.05）,平均升高速率为0.28 μg·（m³·a）^-1,其中超过55%的城市O₃浓度每年升高0.50 μg·m^-3;②O₃浓度存在明显的区域差异,高值区（平均浓度>60 μg·m^-3）分布在华东、华北、华中和西北部分地区;低值区（平均浓度<20 μg·m^-3）分布在华南和西南地区;③O₃浓度变化趋势在空间上存在位于华东、华北、西北以及华中地区的热点区域和位于西南、华南（广西）以及东北地区的冷点区域;④气温是中国暖季O₃变化的主要气象驱动因素,其对华北、西北和东北地区O₃浓度的影响显著高于其他地区;除广西、云南和江西部分地区外,O₃浓度与气温呈显著正相关;O₃浓度在华南、华东和华中大部分地区与风速呈显著负相关,O₃浓度在华北和东北部分地区与风速呈显著正相关;除辽宁、山东、河北、甘肃、广东及西南部分地区外,O₃浓度与云层覆盖度呈显著负相关;除西北和西南部分地区外,O₃浓度与降水呈显著负相关.     

Outlier identification and visualization for Pb concentrations in urban soils and its implications for identification of potential contaminated land

Outliers in urban soil geochemical databases may imply potential contaminated land. Different methodologies which can be easily implemented for the identification of global and spatial outliers were applied for Pb concentrations in urban soils of Galway City in Ireland. Due to its strongly skewed probability feature, a Box–Cox transformation was performed prior to further analyses. The graphic methods of histogram and box-and-whisker plot were effective in identification of global outliers at the original scale of the dataset. Spatial outliers could be identified by a local indicator of spatial association of local Moran's I, cross-validation of kriging, and a geographically weighted regression. The spatial locations of outliers were visualised using a geographical information system. Different methods showed generally consistent results, but differences existed. It is suggested that outliers identified by statistical methods should be confirmed and justified using scientific knowledge before they are properly dealt with.     

ABC算法优化SVR的磨损故障预测模型

目的为了提高故障预测的精度,针对支持向量回归SVR(Support vector machine for regression,SVR)参数选择困难的问题,提出一种采用人工蜂群(artificial bee colony,ABC)算法优化支持向量回归(SVR)的故障预测模型(ABC-SVR)。方法该模型先对样本数据进行重构,然后将故障预测误差(适应度)作为优化目标,通过ABC算法寻优找到最优的SVR参数,建立故障预测模型。最后通过实例仿真验证模型的优越性。结果采用ABC算法优化的SVR故障预测模型进行时间序列预测,能够较好地跟踪发动机滑油金属元素浓度的变化过程,并且能够提前2个取样时间预测异常情况的出现。结论 ABC-SVR模型有效解决了SVR参数选择难题,能够更加准确地表现故障变化规律,提高了故障预测精度。