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。     

不同性质土壤中锑对小麦根伸长的毒性阈值及预测模型

针对土壤中锑污染毒性阈值研究较少的现状,参考ISO11269-1根伸长毒性测试标准方法,采集7种不同性质的土壤,利用TableC urve2D软件拟合剂量-效应关系,得到锑对小麦根伸长的毒性阈值(EC10和EC20)及其预测模型。当外源锑质量比增加时,7种土壤中小麦的相对根长均减小。毒性阈值与土壤理化性质相关分析表明,毒性阈值EC10和EC20与土壤p H值呈显著负相关关系,与土壤总铁质量分数呈显著正相关。回归分析得出,土壤p H值和土壤总铁质量分数可以解释90%的毒性阈值的变异。EC10和EC20的预测值与实测值的比值在2倍范围内。研究表明,在不同性质土壤中锑对小麦的毒性阈值有显著差异,土壤p H值、总铁质量分数与小麦的毒性阈值间呈显著相关关系(p0.05),所得回归模型可较好地预测锑对小麦的毒性阈值。     

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...     

网络版摘要

有机固体废弃物富氧气化反应的半经验预测模型研究;流化床工况下石油焦燃烧过程中NO及N2O排放规律的研究;新型天然高分子吸附剂对铬离子吸附性能研究;超声波联合Fenton试剂对间甲酚降解的研究;高效UASB反应器常温处理海带渣废水的试验研究。     

高温高湿地区集装箱内部温-湿度环境条件研究

以高温高湿地区军用物资开展集装箱运输为背景,在海口地区对集装箱内部温度、湿度和大气温度等数据进行测试,对数据进行回归分析后,建立集装箱内部温度模型,预测出该地区集装箱内部最恶劣的温度及湿度范围,为危险军用物资集装箱安全储运提供理论依据。     

西安地裂缝活动强度空间信息量模型预测及防治对策

西安地裂缝活动主要受隐伏断裂、构造地貌、承压水头下降值及地面沉降量四大因素影响。本文根据这四个影响因素建立了地裂缝活动强度空间预测信息量模型，预测了2000年地裂缝活动强度总发展趋势。在此基础上，提出了防治地裂缝灾害的对策。     

旱涝趋势的投影寻踪预测模型

介绍了投影寻踪回归（ＰＰＲ）建模的基本原理和算法实现。选用太阳黑子年平均数和旱涝分型的转移概率作因子，建立了长江中下游旱涝趋势的ＰＰＲ预测模型，并与用相同资料建立的Ｂ－Ｐ神经网络模型预测结果进行了比较。     

基于规范变换与误差修正的回归支持向量机的环境系统预测

为了建立不同环境系统皆能规范、统一、简洁、实用的回归支持向量机预测模型,针对传统的回归支持向量机预测模型存在结构不能普适、规范和统一及用于大样本、多因子预测会出现学习效率低、求解精度差的局限,提出适用于环境系统预测量及其影响因子参照值和规范变换式的设计原则和方法,使规范变换后的影响因子皆"等效"于同一个规范影响因子;为提高样本的预测精度,还提出预测样本的模型输出的误差修正法.在对环境系统的预测量及其影响因子进行规范变换的基础上,由有m个规范影响因子的每个建模样本生成m个"等效"训练样本,从建模样本中,选择各影响因子的最大规范值组成训练样本集的"参考样本",计算核函数中每个训练样本相对于"参考样本"的范数;并应用优化算法优化模型参数,建立适用于预测量及其影响因子规范值的仅有2个或3个支持向量的两种简单结构的回归支持向量机预测模型.将基于规范变换的两种简单结构的回归支持向量机模型与相似样本误差修正法相结合,用于河津大桥监测断面6个样本的COD月平均值预测,并与多种传统预测模型和方法进行了比较.结果表明:对同一个预测样本,两种模型的预测值十分接近;此外,两种预测模型用于6个样本预测,其相对误差绝对值的平均值分别为2.09%、2.79%,均远小于传统的投影寻踪回归预测的41.63%、支持向量机预测的40.99%、灰色神经网络预测的25.94%和马尔可夫预测的10.16%;而两种预测模型对异常样本预测的最大的相对误差绝对值分别为5.85%、5.13%,更加远远小于传统的4种预测模型的169.07%、180.45%、68.44%、41.96%.两种基于规范变换的回归支持向量机预测模型简洁、普适、规范和统一,避免了"大样本数困难",提高了学习效率和模型的预测精确度,对其他预测建模法也有借鉴作用.     

同型规范变换的不同预测模型具有的兼容性和等效性

传统的不同预测变量的预测模型之间不具有兼容性和等效性,而同型规范变换和误差修正相结合的不同变量的预测模型的预测相对误差与预测对象的维数、样本数及预测模型类型皆无关,仅与预测变量的数据特性、相似样本的模型输出值及其相对误差和相似度有关,因而同型规范变换的不同预测变量的预测模型之间具有兼容性和等效性.其重要意义在于：只要对任意一个预测变量建立了基于规范变换的某种预测模型,就可以将此预测模型直接用于具有同型规范变换的其他预测变量的预测;若再将其与误差修正法相结合,还可以极大地提高模型的预测精度,获得与实际值很接近的预测结果.依据受3个因子影响的灞河口COD_Mn指数数据、受4个因子影响的伊犁河雅马渡站年径流量数据和牡丹江市TSP年均值的时序数据,分别建立具有同型规范变换（n_j=2）的3个不同预测变量的3种智能预测模型和一元线性回归预测模型,并验证了3个不同预测变量的预测模型之间的兼容性和等效性.对同一个预测样本,用同型规范变换和误差修正相结合的不同预测变量的预测模型的实际预测值及其预测相对误差绝对值不仅差异甚微,而且预测值与实际值非常接近,其预测的相对误差绝对值平均值几乎全都小于3%,最大相对误差绝对值均小于5%,小于或远小于20种传统预测模型和方法预测的相应误差.