基于U-Net深度神经网络的早期火灾烟雾自动分割方法

在火灾事件监测中,为了减少数据处理量、加快探测速度,需要先分割出疑似烟雾区域。传统的烟雾分割算法大多需要设置阈值进行处理,算法的环境适应能力还需进一步提升。在研究中,使用U-Net结构的深度神经网络进行早期火灾烟雾的自动分割,通过半自动算法人工辅助分割出烟雾区域的图像样本,基于深度神经网络对分割烟雾区域进行学习,得到原始视频帧到分割结果的映射模型,并据此模型进行烟雾区域分割。在测试集上的分割实验结果表明该方法与传统方法相比,不需要设置阈值,自动化程度更高,分割速度极快,在疑似烟雾区域分割任务中性能较好。     

Artificial neural network model for identifying taxi gross emitter from remote sensing data of vehicle emission

Vehicle emission has been the major source of air pollution in urban areas in the past two decades. This article proposes an artificial neural network model for identifying the taxi gross emitters based on the remote sensing data. After carrying out the field test in Guangzhou and analyzing various factors from the emission data, the artificial neural network modeling was proved to be an advisable method of identifying the gross emitters. On the basis of the principal component analysis and the selection of algorithm and architecture, the Back-Propagation neural network model with 8-17-1 architecture was established as the optimal approach for this purpose. It gave a percentage of hits of 93%. Our previous research result and the result from aggression analysis were compared, and they provided respectively the percentage of hits of 81.63% and 75%. This comparison demonstrates the potentiality and validity of the proposed method in the identification of taxi gross emitters.     

基于空间拟合和神经网络的机场噪声预测集成模型

将集成学习方法引入到机场噪声预测中,提出一种基于空间拟合和神经网络的机场噪声预测集成模型.该模型采用空间拟合算法和BP神经网络算法构建基学习器,然后通过所提出的基于观察学习的异构集成算法将基学习器集成起来,获得集成的机场噪声预测结果.该模型通过集成多个异构机场噪声预测基学习器,能够有效提升预测准确率.实验结果表明,本文所提出的基于观察学习的异构集成算法,较之其他异构集成算法,在解决机场噪声预测问题上准确性更高、容错性更强.     

基于网络监管系统的机动车排气污染控制管理

通过建立南京市机动车排气污染网络监管系统,将车辆上牌、尾气年检、路检抽检、公交治理、标志管理、区域限行、维修治理等有关机动车污染控制的工作环节纳入到系统中,实现全过程在线实时监控,以保证工作过程的规范性、检测数据的真实性和监督管理的科学高效性。     

浅析阳西县饮用水源地陂底水库的水质及管理状况

本文介绍了阳西县饮用水源地陂底水库的水质现状及污染来源,描述了水库的管理现状,并提出了处理对策。     

煤矿主提胶带运输系统远程自动化集中控制的工程实践

从煤矿生产作业环境的安全性出发,结合机械化、自动化技术的发展趋势,提出煤矿主提胶带运输系统远程自动化集中控制的技术方案,并以成功实例验证了方案的可操作性,节能效果显著。     

基于3种时间序列模型的九龙江河流库区藻华预测

湖库富营养化和有害藻华是全球性生态环境问题,藻华预测与早期预警是保障湖库水源地供水安全的关键技术.如何基于高频水生态在线监测数据进行藻华的实时动态预测成为水生态管理领域的重大需求.本研究以福建省九龙江江东库区(水源地)为例,利用3年连续观测的逐时平均总叶绿素a浓度数据,对比研究了SARIMA、Prophet和LSTM(长短期记忆神经网络)3种时间序列模型在藻华(日平均叶绿素a大于15μg·L^-1)预测方面的效果.结果表明：(1)时间序列模型要求参数少,灵活性强,能清晰反映水质特征和未来变化趋势,可弥补传统藻类监测预警方法的局限性;(2)基于深度学习框架的LSTM模型,具有独特的迭代优化算法,对藻类非线性变化特征的识别和预测能力较强,其总叶绿素a逐日预测和7日预测效果均显著优于SARIMA模型和Prophet模型;(3)输入数据长度会在一定程度上影响模型预测效果,最优的输入数据时间长度为7 d;输入数据频率对预测效果也有影响,在预测非藻华日时,小时数据的预测效果优于日频率数据;在预测藻华日时,两种频率数据无显著差异,但日频率数据能更准确识别藻华日特征.总结起来,基于...     

合流制排水系统降雨径流污染物的特性及来源

在昆明市典型合流制排水小区对降雨径流进出水水量、水质进行了研究,旨在揭示城市区域合流制排水系统中降雨径漉不同来源的污染物特性及各个污染源的比倒.分别监测了合流制排水系统日常污水以及4场降雨期间小区出口断面、街道、屋顶、庭院降雨径流的水量、水质.结果表明,人为干扰是影响城市径流污染物输出强度的主要因素,城市下垫面降雨径流污染物输出浓度顺序为:道路>庭院>屋顶,道路是城市面源污染的关键源区;道路次降雨径流量约25%,却产出了40%～80%的污染物,而屋顶次降雨径流量约50%,却仅有4%～30%的污染物负荷.合流制排水系统中管道沉积物在降雨期间的迁移是重要的污染源,4场降雨中管道沉积物的TN、TP、SS、COD和BOD5的污染贡献率在30%以上.降雨强度是影响管道沉积物输出的重要因素,在高强度降雨下,管道沉积物污染贡献率高50%以上.在不同的降雨特性条件下,合流制排水系统主导污染源有所不同.     

基于神经网络的重大危险源动态分级研究

利用自组织神经网络对重大危险源进行动态分级研究，介绍了神经网络的模式聚类即分级法的自组织学习过程和算法，克服了以往危险源分级方法的某些局限性。在计算机上进行的模拟计算表明：基于自组织神经网络的重大危险源动态分级方法是合理可行的     

一种处理爆炸多能法的新方法

以多能法中距离－超压关系图为例,介绍了一种运用前馈多层感知器网络对现行多能法中查图步骤进行改进的方法。此法从很大程度上解决了多能法在爆炸灾害评估中手工查图误差大且不方便的缺点。模拟结果表明,该处理方法能够很好的逼近多能法中的超压函数P＝f(R0,C),最后提出了人工神经网络方法在爆炸破坏效应评估中进一步应用的设想。