滑坡位移动态预测——以中里滑坡为例

本文以中里滑坡为例，从时间序列分析的方法入手，介绍如何在灰色预测模型的基础上建立改进的灰色预测模型一等维灰数递补动态预测模型及其在滑坡位移预测中的应用。实践表明，该模型在中里滑坡的应用中取得了良好的效果。     

道路交通噪声预测影响分析

随着公路建设步伐加大,公路交通噪声污染对沿线居民的影响也随之加剧。本文介绍了噪声的危害,并通过对建赏欧洲临街住宅楼进行噪声实测,将道路交通噪声预测与实测进行了对比分析,然后将建赏欧洲和泰山小区临街住宅楼的前七层进行噪声实测,分析比较两组数值之间的差异,最后对本次实验进行总结。     

太湖蓝藻水华暴发程度年度预测

近年来,尽管太湖主要水质指标有所改善,但蓝藻水华暴发的频次和面积并未明显减少。为了探讨太湖蓝藻水华暴发的环境驱动因子,统计了2012—2020年历年4—10月预警期间的太湖蓝藻水华发生规模与频次,结合同步浮标自动监测数据和实验室分析数据,构建了蓝藻水华预测模型。以太湖蓝藻水华综合指数(I_c)表征蓝藻水华强度,并通过I_c与环境因子的相关性分析,筛选出1月水温、1月电导率、1月生化需氧量和3月总氮浓度4项环境指标,最终构建了以该4项环境指标为自变量、I_c为因变量的太湖年度蓝藻水华强度多元线性回归预测模型。该预测模型的决定系数达到了0.908,平均相对误差为10.35%,预测精度总体表现较好。     

ArcGIS支持下的样本稀疏山区空间插值模拟探讨

样本稀疏地区空间插值法对区域化变量的精准管理具有重要意义。基于ArcGIS 90,在分析土壤属性空间分布特征的基础上,提出并构建了基于不同土壤类型的土壤特性空间预测模拟模型,对比了传统方法与改进方法空间插值精度,实现了数值插值在复杂地理环境区域的应用,得到以下结论：(1)基于经度、纬度、海拔高度及坡度等地理因子的土壤基础环境因子的空间预测模拟模型,突破以往只能描述土壤属性在水平方向变化的局限,较客观、合理地反映土壤属性随地理位置及海拔高度的立体变化特征;(2)基于不同土壤类型回归模型来增加样本点以推断评价指标在无取样地区的分布状况的处理方式具有一定的数学理论支撑,有效降低了插值误差,提高了评价精度,使评价结果更加接近现实。     

垃圾渗滤液有机物浓度预测模型的建立及应用

在分析垃圾渗滤液有机物浓度变化规律的基础上,建立垃圾渗滤液有机物浓度预测模型,并通过模拟填埋实验求出模型参数.该模型预测值与实测值之间具有接近90%的相关性,表明模型预测值基本上反映了实测值的变化规律.同时,将此模型应用到广西南宁市城南垃圾填埋场坝下区,对坝下区垃圾渗滤液有机物浓度变化规律进行预测.结果表明,坝下区垃圾...     

多元回归和BP人工神经网络模型对混合厌氧消化产气量的预测研究

在中温且控制pH值条件下,对脂肪类单基质和城市污水厂剩余污泥进行混合厌氧消化试验。基于多元回归原理和BP人工神经网络原理,对其建立产气量预测模型。由实验数据计算得出:两个阶段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%。通过对比两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。     

基于地理探测器与SVM的冰湖溃决预测研究——以喜马拉雅山地区为例

冰湖溃决不仅对财产和基础设施具有破坏性,而且对当地居民也构成极大威胁。冰湖溃决的预测和风险评估对于预防和减轻灾害影响至关重要。文中提出了一个冰湖溃决的预测模型,强调选取容易获得的预测因子。以喜马拉雅山地区的48个冰湖为样本,使用地理探测器检测4个选定的预测因子：母冰川面积、冰舌坡度、冰湖面积和坝顶宽度。结果显示：冰舌坡度q值最大,为0.334 2。在交互作用检测器中,母冰川面积和冰舌坡度在交互作用后有最高的解释力,为0.684 4。这表明：与冰湖和冰碛坝相比,母冰川对冰湖状态的影响更大。在利用SVM(Support Vector Machine,支持向量机)构建的冰湖溃决预测模型中,验证集和测试集的准确率分别为83.33%和87.5%。研究为喜马拉雅地区未来的灾害管理提供了相应参考。     

土壤中重金属累积预测模型研究进展

健康的土壤是维持人体健康以及国家粮食安全的重要保障.中国部分地区土壤重金属污染较为严重,因此采用合理的预测模型对土壤中的重金属污染状况进行分析和预测,对于土壤的健康管理具有重要意义.聚焦土壤中重金属累积预测模型研究现状,简要分析土壤中重金属的累积行为,阐述不同重金属累积预测模型原理以及实际应用,总结影响预测模型准确度的...     

灰色系统模型在高锰酸盐指数预测中的应用

以某地地表水中高锰酸盐指数年平均浓度变化为依据 ,应用灰色系统中 GM(1 ,1 )模型 ,对高锰酸盐指数浓度进行预测分析。     

t分布受控遗传算法优化BP神经网络的PM2.5质量浓度预测

根据齐齐哈尔大学监测点2014年3—5月PM2?5质量浓度及其对应的每小时的气象因素、气体污染物浓度,建立基于t分布受控遗传算法的BP神经网络模型（ BPM?TCG）,对PM2?5质量浓度进行模拟预测。并将其与BP神经网络模型、遗传算法优化BP神经网络模型（ BP?GA）进行对比分析。3种模型预测结果表明：BPM?TCG模型预测精度最高,泛化能力最好。 BPM?TCG模型对PM2?5质量浓度的准确预测为预防和控制PM2?5提供依据。