改进BFO优化BPNN的自来水混凝加药预测

本文给出一种量子粒子群（QPSO）算法、改进菌群觅食（IBFO）算法优化反向传播神经网络（BPNN）的混凝投药预测模型,利用量子粒子群的个体极值与群体极值更新细菌觅食算法趋化过程中细菌位置;通过细菌协同改进趋化算子提高优化精度,结合差分算法改进繁殖算子解决部分维度退化问题,加入轮盘赌方法作为选择机制改进迁移算子来克服优化过程中优秀解消失的缺陷;进而优化BP神经网络的权值、阈值以此预测混凝剂投药量.对云南某自来水厂的数据进行离线训练和模型测试,结果表明,所提算法预测结果的均方误差（MSE）达0.0116mg/L,平均绝对误差百分比（MAPE）达1.36%,在预测精度和稳定性上优于BFO-BPNN、PSO-BPNN等模型.     

垃圾填埋气产生量估算模型简述

目前国内生活垃圾的主要处理方式是卫生填埋,填埋气中甲烷的成分占40%～60%,可作为一种清洁的可再生能源加以利用。利用填埋气首先确定其产生速率和产生量,建立准确预测填埋气产气量、产气周期、产气速率的估算模型非常重要。本文论述计算甲烷气体产生量和产气速率模型(动力学模型、统计学模型与经验模型)的使用条件和优缺点。不同的模型有不同的使用条件,目前使用较多的是经验模型。应用国外成熟模型对北京市填埋场进行填埋气估算,需要调整模型中相关参数,关键参数的确定需要实验数据作支撑。     

30Cr2MoV汽轮机转子钢动电位阳极极化行为研究

通过比较30Cr2MoV汽轮转子钢分别在苦味酸溶液和硫酸酒精溶液中动电位阳极极化行为,发现在2种腐蚀液中建立的3个不同的FATT预测模型拟合误差分别为±20 ℃、±25 ℃和±15 ℃,后一种溶液要精确一些.而且在安全性方面,硫酸酒精溶液要比苦味酸安全许多.     

DGT和CaCl2提取下冶炼场地及周边土壤Cd固液分配特征

通过梯度扩散薄膜(DGT)和CaCl₂等提取方法,研究了典型冶炼场地及周边多种类型土壤中Cd有效态含量和固液分配特征,并构建回归预测模型.结果表明:场地渣土混合土壤、林地表层和深层土壤中Cd有效态含量较高,DGT提取结果分别为23.2,1.90和2.53μg/kg,农田深层土壤、杂填土和素填土较低,分别为0.03, 0.05和0.03μg/kg.土壤Cd固液分配系数(Kd)在杂填土、素填土、渣土混合土壤中最高,黏土、农田土壤次之,全风化土和林地土壤最低.总体上DGT测定的Kd值高于Ca Cl₂测定结果,CaCl₂土液比、提取液pH值显著影响Kd值结果(P<0.05). CaCl₂提取结果能够通过线性回归有效预测DGT测定的K_d (R²=0.89～0.93).     

铁镁质尾矿中的钙镁浸取效果优化

铁镁质尾矿含有丰富的钙镁,利用浸取剂可以促进铁镁质尾矿中钙镁的释放,使这些尾矿成为固定CO2的材料。尾矿中钙镁的浸出率大小跟多个因素相关,如何寻求浸取钙镁的最优化条件,是有效利用铁镁质尾矿的重要内容。考虑环境友好的方案,采用EDTA、柠檬酸和柠檬酸钠浸取尾矿中的钙镁,并对比了不同条件下的浸取效果。通过比较,显示柠檬酸钠的浸取效果较好,在此基础上利用响应面法对粒度、pH值、固液比等主要影响因子进行优化处理。当反应液的pH=1,尾矿粒度<75μm,固液比为2.6∶100时,模型预测实验尾矿淋滤的Mg2+浓度为143.4 mg/L,Mg达到最佳溶出率2.03%。实验模型的预测精度良好,表明响应面法适用于尾矿的浸取实验优化。     

多元回归和BP人工神经网络在预测混合厌氧消化产气量过程中的应用比较

对脂肪类单基质和城市污水厂剩余污泥混合厌氧消化过程的产气阶段进行基于多元回归和BP人工神经网络的产气量预测模型比较研究。实验数据分别取自反应过程的第1～16天和第17～70天。结果表明:多元回归模型的预测平均准确率分别为75.69%和79.29%;BP神经网络模型的预测平均准确率为79.05%。通过对比2种模型的预测结果可知,两种模型都有较高的预测准确率,但BP模型的预测准确率更高,更适用于混合厌氧消化产气量预测。     

Argo温度数据的ConvGRU模型预测分析

Argo(Array for Real-time Geostrophic Oceanography)是海洋环境信息的重要来源之一,可通过自动剖面浮标、卫星定位和数据同化等技术获取大范围全球海洋上层之间的海温剖面资料。本文利用ConvGRU(Convolutional Gate Recurrent Unit)作为Argo温度的预测模型,以西北太平洋部分海域为研究区域,选取2004-2018年Argo数据作为训练数据,对2019年的0 m、50 m、100 m、200 m和300 m不同深度位置水平剖面进行了预测分析。研究结果表明：ConvGRU模型对Argo温度数据的变化趋势具有较好的模拟能力;预测模型的训练集和验证集的RMSE(root mean squared error)均值分别为0.0462℃和0.0463℃,MAE(mean absolute error)均值分别为0.0442℃和0.0450℃,其Acc(accuracy)都在99%以上;对于预测评估,RE(relative error)的误差范围为0.0228～0.0427,预测变化的空间特性与真实值的吻合程度较高。     

江苏中部农业园小麦和土壤镉元素含量关系研究

为研究江苏中部农业园土壤和小麦镉元素含量［ω(Cd_soil)和ω（Cd_wheat）］关系,采集了土壤和小麦样品40组,采用多元线性回归分析方法建立ω(Cd_wheat)的预测模型。结果表明：（1）研究区表层土壤呈中性偏弱酸性,ω(Cd_soil)含量范围为0.083~0.239 mg/kg,平均值为0.152 mg/kg,均低于《土壤环境质量 农用地土壤污染风险管控标准（试行）》（GB 15618—2018）中农用地土壤污染风险筛选值,属于优先保护类土壤;（2）依据《食品安全国家标准 食品中污染物限量》（GB 2762—2017）中ω(Cd_wheat)限定值(0.1 mg/kg),小麦籽实Cd超标率为10%;（3）ω(Cd_wheat)主要受表层ω(Cd_soil)控制,同时受到土壤钼（Mo）、铅（Pb）、砷（As）、钙（Ca）和镉（Cd）等元素有效态影响,另外,还受土壤理化性质（pH值和有机质）的影响。     

数据分解模式下PM2.5与气态污染物的组合预测研究

大气污染治理是我国实现生态文明的必经之路,制定有效性的大气治理方案,作为参考的大气污染物月均浓度预测结果是至关重要的.针对大气环境污染物月均浓度时间序列的高噪音、非平稳和非线性等特点,本文提出一种基于数据分解模式的组合预测模型.上海市的实例验证及与其他3种模型的对比研究表明：本文所提出的组合预测模型适用于政策制定所需但样本量受限的月均或年均数据预测;所提出的子序列重构的新模式比传统求和算法重构模式提高预测精度12.5%;相较于其他模型,其预测性能最优（绝对百分比误差的均值仅为9.05,且对历史拟合的皮尔逊系数均为0.90以上）.实现了对大气污染物月均浓度高精度预测,可为相关政策的制定提供科学的定量参考.     

基于结构化设计的湖、库富营养化模型研究

基于结构化设计概念，将LEEDs模型与人工神经网络模型耦合，建立湖、库富营养化模型，模型包含N、P、COD、水温、水深和流速等6个控制模块。并以三峡水库为例预测结果表明，在3月和9～10月，月平均气温约为17℃，水深约为5m，流速约为0．02m／s时，三峡库区水体富营养化指标最大。模型具有可扩展性强，维护、升级容易等优点，可对模型中各个相对独立的模块进行调整，以适应不同湖库的实际情况。