城市道路交通噪声监测技术与方法的现状与展望

日趋严重的道路交通噪声已成为城市的主要噪声源之一。精准高效地监测道路交通噪声是控制交通噪声污染的重要前提,然而噪声测量技术的发展脉络仍未被厘清。通过系统梳理2000—2021年国内外发表的282篇文献,发现当前道路交通噪声监测可分为静态多站点测量、自动监测网络、移动测量和参与式测量4种方法,并应向多源监测数据融合、提升数据时空分辨率、开发低成本且易集成的自动监测网络、建立公众参与式噪声测量规范与数据整合标准、制定以人为本的城市道路交通噪声动态监测体系等方向发展。未来可采取自动监测网络为主,常规静态测量、参与式测量和移动测量等方法为辅的技术体系监测道路交通噪声。该研究可为道路交通噪声监测技术革新及噪声污染防控提供参考。     

基于RBF神经网络模型的砂土液化震陷预估法

以我国海城地震、唐山地震和日本新漏地震中建筑物地基的液化震陷实测资料为基础,地震动方面选取地震烈度,,上部结构特征方面选取基底压力P、基础类型r、宽深比BD。和建筑物的长高比L/H,地基土方面选取土的相对密度Dr、上覆非液化土层厚度Da、地下水位dw,共8个影响建筑物地基震陷的主要因素作为神经网络模型的输入参数,地基震陷量与液化土层的深度之比SD作为神经网络模型的输出,采用径向基函数神经网络模型建立建筑物地基的液化震陷预估模型,并利用该模型建立了因素影响趋势线,通过对该神经网络模型的建立、运行和检验,得到了各因素对砂土液化引起的地基震陷量大小的若干影响规律。     

广西夏季异常降雨量的前馈网络预报模型

以1957～2001年广西37个基准站的夏季(6～8月)平均降水量为基础,将夏季降水量距平百分率大于等于20%、小于等于-23%作为异常多雨和少雨年,建立广西夏季降水量"0、1"化的异常序列,利用前馈网络的非线性映射技术,构造广西夏季降水异常预报模型.通过对该模型的预报检验分析发现,该预报模型不仅能准确地报出历史样本的异常多雨和异常少雨年,并且对2002～2004年的独立样本预报也全部正确.这为异常降水的短期气候预测业务工作提供了新的思路和方法.     

滑坡预测的改进前馈网络方法研究

作者提出了滑坡位移预测的一种改进前馈网络方法——目的规划法,与通常的前馈网络方法相比,该方法改进了网络的准则函数,降低了网络的灵敏度,改善了网络的泛化性能,提高了滑坡位移的预测精度。同时它是一种面向数据的方法,适合于不同地区不同条件下滑坡的预测。清江隔河岩库区滑坡和卧龙寺滑坡的实例研究表明了该方法的可行性及有效性。     

基于Bayesian网络的常减压装置设备故障概率分析

为分析影响常减压蒸馏装置平稳运行的设备失效模式及故障部件,基于1 151条设备故障数据,采用Bayesian网络分析方法,分别对离心泵、压缩机、电动机构建基于Bayesian网络的设备故障概率分析模型,分析故障部件、失效模式、故障后果之间的定量概率关系。研究结果表明：离心泵、压缩机、电动机停运的关键致因部件分别为轴承箱密封故障、活塞环故障、轴承故障,同时得到导致设备停运的故障部件敏感度排序。研究结果有助于提高设备故障风险防范及检维修工作效率,同时可为备件优化方案提供思路。     

珀金埃尔默发布了创新的实时空气质量传感器网络服务产品

正珀金埃尔默公司宣布ElmTM发布(elm.perkinelmer.com)一个创新的空气监测服务,将为个人、智慧城市和可持续社区提供当地空气质量分析.ElmTM服务使相关实时空气质量信息可视化和易理解,提供的数据可立即通过在线和移动设备访问.     

基于遗传算法的袋式除尘器脉冲喷吹清灰自适应模糊控制

针对当前主流的袋式除尘器定时、定压差脉冲喷吹清灰控制技术所表现的控制效果不理想、压缩空气消耗高以及无法自动调节清灰周期等问题,提出了一种基于控制规则可调的脉冲喷吹清灰自适应模糊控制方法。研发了一种脉冲喷吹清灰控制结构模型及自适应模糊控制器,将模糊控制规则按阻力偏差的大小分为4个等级并分别引入调整因子,以阻力偏差的时间误差绝对值积分(ITAE)作为目标函数,通过遗传寻优得到最优调整因子,进而得到能够根据不同工况条件自适应调节清灰周期的模糊控制规则。实验结果表明:相较于优化前的模糊控制器,该自适应模糊控制器超调量小、响应速度提升39.5%;与定时、定压差控制相比,自适应模糊控制能够维持过滤阻力的稳定性,分别节省耗气量34.0%、5.4%。在脉冲喷吹清灰控制系统中,该自适应模糊控制方法使控制效果得到较大提高。     

基于LSTM-GCN的PM2.5浓度预测模型

应用机器学习算法开展空气质量预测已成为当前研究热点之一,空气质量监测数据具有显著的时空特征,即具有时间维度时序特征和空间维度传输演化特征。面向空气质量监测数据,联合LSTM提取的时间特征和GCN提取的空间特征,提出预测PM_2.5浓度的LSTM-GCN组合模型。以北京市35个空气质量监测站2018—2020年监测数据进行仿真实验,并将LSTM-GCN模型与LSTM模型、GCN模型以及时空地理加权回归模型(GTWR)进行对比,结果显示:LSTM-GCN模型相较于LSTM模型均方根误差(RMSE)、平均绝对误差(MAE)分别降低了11.68%、7.34%;相较于GCN模型RMSE、MAE分别降低了40.22%、36.37%;相较于GTWR模型RMSE、MAE分别降低了17.52%、23.69%,表明所提出LSTM-GCN模型在准确率上有所提升。用LSTM-GCN模型预测2021年1—7月PM_2.5浓度,结果显示预测效果较好。     

学习率有限监督调整BP网络在水质评价中的应用

以地表水环境质量标准基本项目标准限值为依据,随机生成标准样本和检测样本,采用学习率有限监督调整BP网络建立水质评价模型。完成网络训练的模型对检测样本进行检验评价,检验结果表明,该人工神经网络水质评价模型具有较高的精度,同时,可以避免人为主观因素对水质评价的影响,保证了水质鉴定的科学性和公正性。     

网络化治理视域下的中国区域环境治理研究进展

网络化治理作为一种不同于科层—集中型和市场—分散型的新型治理方式,在环境治理中有其自身的优势。当前,区域环境公共事务的不断增长已超出政府单个主体的能力范围,需要加强政府与企业、社会组织及公众等多元主体的共同治理,构建以多元主体参与为核心的多重、复杂、交叉的网络化环境治理模式。基于网络化治理产生的背景、演变过程和内涵,围绕多元主体相互作用、行动主体的网络关系结构和模式、治理网络的运行逻辑和机制等方面系统梳理其研究进展,为推进我国现代化环境治理体系提供参考。