泛珠

四川：饮用水源地水质均正常;福建：开通首家县级空气质量预报系统;重庆：万余官员步行上班;湖南：“千里湘江碧水行动”启动;贵州：污水厂建设缓慢运营困难……     

多元信息综合的市县国土空间规划空间功能识别方法

空间功能识别是确定国土空间规划空间开发保护格局的关键环节,理论和实践意义重大。基于土地利用和地表覆盖现状、精细化DEM、地形单元等基础地理信息,水、生态、环境、灾害等专题数据,社会统计数据等多元信息,利用空间分析、多元统计、计量模型、基于规则的分类模型等技术方法,从多元信息综合集成和自动分类识别的角度,研究构建了一套市县国土空间规划空间主导功能识别的关键技术与方法,并对榆林市域进行空间功能分区。研究表明：本文方法有效将地理实体单元、功能评价指标综合于统一的地域单元,保证了空间功能分类识别的准确性;通过自动分类算法建模,实现空间功能识别的自动化,提高了国土空间规划的客观性和工作效率。     

贝纳德效应和地震预报

本文根据海城地震前后重力变化的实测资料提出重力加速度随时间变化的一种简化表示。在重力发生扰动时对贝纳德问题的动力学方程进行求解。计算结果表明,在强地震的孕育期,贝纳德花样的周期变化在一定时间后将自动停止。这个结论的验证可以作为一种新的地震预测方法的理论基础。     

蚯蚓能预报土壤污染

英国爱丁堡大学进化生物学研究所的科学家研究发现，土壤中即使含有少量污染物，也会使蚯蚓的生命周期发生根本改变，影响它们的繁殖能力。英国《泰晤士报》报道，少量污染物质产生的轻微污染虽同样严重。却很难察觉。科学家重新重视对蚯蚓的研究将有助干尽早发现土壤污染。项目小组的研究已经发现蚯蚓对除草剂和工业副产品等化学物非常敏感。     

新一代智能变电站集成优化设计研究

本文以某220k V新一代智能变电站设计为例,对变电集成优化设计进行了深入研究。从主接线优化、平面布置、各级配电装置平面布置、设备选择、光电缆敷设优化、二次设计集成优化等多角度进行论述,提炼新一代智能变电站集成优化设计的核心技术,为后续智能变电站设计拓展思路,提升水平。     

“七预”工作法抓源头

<正>路面施工中,面临沥青、重油、粉尘等职业危害。为加强班组安全管理,减少各类事故伤害,江苏冠盛路桥工程有限公司着重开展生产安全事故和职业危害的预知、预想、预报、预警、预防、预查和预控工作,从源头抓起,预防为主。江苏冠盛路桥工程有限公司(以下简称"冠盛公司")成立于1999年1月,拥有一支从事高速公路、高等级沥青路面施工的专业化施工队伍。在工程施工中,冠盛公司探索公路施工企业班组安全生产的经验和措施,总结并大力推广以班前预知预想、现场危险预报预警、安全隐患预防预查、     

监所安防智能管理应用变化及走势

近年来,随着公安监管系统监所等级化管理不断深化,监所逐渐向社会公开,接受社会监督,监所工作的重点也开始向“管教并举、规范高效管理”转移。安全防范系统,作为监所信息化建设的重要组成部分,近年来得到了较快的发展,本文将结合目前监所安防智能化管理应用需求的变化及发展方向对其做简单阐述。一、监所安防发展现状2007年司法部在南京召开了全国监狱信息化建设工作会议,该次会议对全国监狱信息化建设进行了统一部署,使我国监狱信息化进入一个新的发展起点。然而,2007年的时候,世界各国监狱行业(包     

东亚中高纬环流对黑龙江省春播期降水异常的影响

探讨了东亚中高纬环流对黑龙江省春播期降水异常的影响。结果表明:在500h Pa平均高度场和距平场上,西低东高、北高南低以及西负东正、北正南负等特征有利于出现较大降水,纬向环流或西高东低以及南正北负或西正东负等特征有利于干旱少雨。在850h Pa风距平场上,中国东北和华北为气旋环流,俄罗斯远东和鄂霍次克海为反气旋环流,黑龙江省多偏东风距平,这些特征有利于出现较大降水;与此相反的特征有利于干旱少雨。     

耦合观测数据-模型计算-案例分析的臭氧综合预报方法

当前臭氧模式预报和统计预报的技术难以满足不同地域精细化环境管理需求,亟需构建稳定性高、实用性强的本地化臭氧预报方法. 本研究通过构建臭氧预报工作流程并明确臭氧预报流程中相关技术参数和要求,以陕西省及其省会城市—西安市为例分析历史气象和环境空气质量数据,获取陕西省臭氧污染规律以及西安市不同气象条件下臭氧等级分布规律和典型案例预报要点,确立人工订正经验技术集的方法,明确案例库构建、会商和预报回顾机制的相关要求,旨为臭氧预报模式的本地化提供科学的技术路线. 结果表明:通过臭氧预报效果评估与结果择优、人工订正、预报会商及预报结果回顾所组成的臭氧业务化预报工作流程具备切实可行性;此外,陕西省臭氧浓度与相对湿度、气压和风速均呈显著负相关,与温度呈显著正相关,臭氧预报时应重点关注日均温度大于28 ℃、日最大温度大于34 ℃、相对湿度小于57%、气压低于959 hPa、风速小于2.3 m/s的气象条件下的臭氧等级.      

基于多机器学习算法耦合的空气质量数值预报订正方法研究及应用

应用多种机器学习算法进行时空耦合从而建立一种新的多模式集合预报订正算法(简称“ET-BPNN算法”),对4种常规污染物(NO₂、O₃、PM_2.5和PM₁₀)的空气质量模型预报结果进行订正. 订正方法分为两步,第一步中利用随机森林、极端随机树和梯度提升回归树3种机器学习算法,采用4个空气质量数值预报模式(CMAQ、CAMx、NAQPMS和WRFChem)的多尺度污染物浓度预报数据、中尺度天气模式(WRF)的气象因子预报数据(包括2 m温度、2 m相对湿度、10 m风速、10 m风向、气压和小时累计降水量)以及污染物浓度观测数据作为训练集,训练结果进入基于均方根误差的择优选择器,选取3种机器学习算法中优化效果最好的算法;在第二步中利用了BP神经网络算法,通过加权平均获得集合模式订正预报结果. 结果表明:①与模式集合平均算法相比,ET-BPNN算法使NO₂、O₃、PM_2.5和PM₁₀浓度预报值与观测值之间的均方根误差分别减小了30.4%、18.9%、43.3%和38.1%. ②ET-BPNN算法的优化效果较随机森林、极端随机树和梯度提升回归树3个机器学习算法有明显提升,与极端随机树算法相比,ET-BPNN算法使NO₂、O₃、PM_2.5和PM₁₀浓度预报值与观测值之间的均方根误差分别降低了42.7%、20.1%、19.7%和9.7%. ③在易发生污染的秋冬季,ET-BPNN算法对PM_2.5浓度的预报具有明显的优化效果,此外该算法明显缩小了不同站点预报和不同预报时效之间的偏差,具有较好的鲁棒性. ④对O₃和PM_2.5浓度预报而言,经ET-BPNN算法优化后的预报结果能够更好地把握污染过程,对污染物峰值浓度的预报也较模式集合平均算法更准确. 研究显示,ET-BPNN算法提高了空气质量模式对污染物浓度的预报效果.