空气质量评价的参数化多元组合算子模型

传统的空气质量评价的参数化组合算子模型不具有可比性和普适性。在适当设定指标参照值cj0和指标规范变换式基础上,提出了一个对多项空气指标的规范值xj都适用的空气质量评价的参数化多元组合算子模型;采用混合蛙跳算法对模型中的参数进行优化,得到优化后对多项空气指标皆普遍适用的空气质量评价的参数化多元组合算子模型。该模型被应用于多个不同地区的不同组合指标的空气质量评价,其评价结果与用其它多种方法的评价结果相一致。结果表明:用指标规范值表示的参数化多元组合算子模型为空气质量评价提供了一种计算简便和普适通用的新方法。     

定位基本法改好《环保法》

《环境保护法》在环保领域的法律框架体系中事实上居于基础性、综合性地位,建议国家立法机关应当按照基本法的定位,改好环保法。     

人为排放及气象因素对空气质量影响的定量分析——以疫情期间邢台市为例

选择河北省邢台市作为研究对象,将2020疫情作为一个极限管控措施下的极限减排实验情景,把2021疫情作为未来常态化疫情防控实验分析情景.与疫情前期对比,两次疫情期间臭氧浓度均有提升且2021疫情时期颗粒物浓度同样有提高,2020疫情时期其他污染物浓度均有不同程度的改善,而与2019历史同期相比,两次疫情期间臭氧浓度同样有升高现象,除此以外,2021疫情时期污染物改善较好.利用长短期记忆网络（LSTM）算法和空气质量预报模式系统（WRF-CMAQ）量化了两次疫情时期气象因素对于污染物浓度变化的影响,根据空气质量模拟法反推了不同污染物受人为影响的浓度变化.实验结果表明,LSTM算法在两次疫情期间的模拟均显示人为影响对污染物产生了负影响（降低了污染物浓度）且在总变化影响中占比较高,而CMAQ模式模拟结果中的气象因素影响占比远高于LSTM算法.CMAQ模式在两次疫情模拟中表现出了不同的结果,在2020疫情中人为影响占据了主导,而在2021疫情中,相比较2020疫情时期,除NO₂外,人类活动对其他污染物的影响均为正值（促进了污染物浓度升高）.     

基于多机器学习算法耦合的空气质量数值预报订正方法研究及应用

应用多种机器学习算法进行时空耦合从而建立一种新的多模式集合预报订正算法(简称“ET-BPNN算法”),对4种常规污染物(NO₂、O₃、PM_2.5和PM₁₀)的空气质量模型预报结果进行订正. 订正方法分为两步,第一步中利用随机森林、极端随机树和梯度提升回归树3种机器学习算法,采用4个空气质量数值预报模式(CMAQ、CAMx、NAQPMS和WRFChem)的多尺度污染物浓度预报数据、中尺度天气模式(WRF)的气象因子预报数据(包括2 m温度、2 m相对湿度、10 m风速、10 m风向、气压和小时累计降水量)以及污染物浓度观测数据作为训练集,训练结果进入基于均方根误差的择优选择器,选取3种机器学习算法中优化效果最好的算法;在第二步中利用了BP神经网络算法,通过加权平均获得集合模式订正预报结果. 结果表明:①与模式集合平均算法相比,ET-BPNN算法使NO₂、O₃、PM_2.5和PM₁₀浓度预报值与观测值之间的均方根误差分别减小了30.4%、18.9%、43.3%和38.1%. ②ET-BPNN算法的优化效果较随机森林、极端随机树和梯度提升回归树3个机器学习算法有明显提升,与极端随机树算法相比,ET-BPNN算法使NO₂、O₃、PM_2.5和PM₁₀浓度预报值与观测值之间的均方根误差分别降低了42.7%、20.1%、19.7%和9.7%. ③在易发生污染的秋冬季,ET-BPNN算法对PM_2.5浓度的预报具有明显的优化效果,此外该算法明显缩小了不同站点预报和不同预报时效之间的偏差,具有较好的鲁棒性. ④对O₃和PM_2.5浓度预报而言,经ET-BPNN算法优化后的预报结果能够更好地把握污染过程,对污染物峰值浓度的预报也较模式集合平均算法更准确. 研究显示,ET-BPNN算法提高了空气质量模式对污染物浓度的预报效果.      

基于MGWR的黄河流域土壤有机碳密度和影响因素分析

土壤有机碳作为最大陆地碳库,其空间分布特征和影响因素对于全球碳循环过程具有重要影响.基于土壤有机碳密度数据,结合环境因子,使用多尺度地理加权回归（MGWR）模型预测了黄河流域土壤有机碳密度（SOCD）和影响因素.结果表明：①黄河流域0~20 cm和0~100 cm的SOCD范围分别为0~14.82 kg ·m^-2和0~32.39kg ·m^-2,均值分别为3.48 kg ·m^-2和8.07kg ·m^-2,储量则分别为2.76 Pg和6.48 Pg;②各生态系统类型中,0~20 cm的SOCD从大到小依次为：森林>水体与湿地>其他>草地>农田>聚落>荒漠,0~100 cm的SOCD从大到小依次为：水体与湿地>森林>其他>草地>农田>聚落>荒漠,SOCR从大到小皆为：草地>农田>森林>荒漠>水体与湿地>聚落>其他;③黄河流域SOCD的分布主要受常数项、剖面曲率、NDVI和降水的影响,曲率和粉砂对深层的SOCD的分布也具有重要影响;此外,降水、NDVI和常数项（除森林外）是影响各生态系统的主要因素,曲率和粉砂则仅对荒漠和其他生态系统具有重要影响.研究结果得出了黄河流域SOCD的空间分布和影响因素,可为黄河流域碳平衡、土壤质量评价和生态治理恢复与巩固提升提供科学依据.     

基于神经网络的喀斯特石漠化预警分析模型研究——以广西都安为例

阐述了人工神经网络的基本工作原理,分析BP算法在神经网络中的应用,并具体介绍了BP算法过程。在此基础上,以都安石漠化预警分析为例,提出了基于神经网络的石漠化预警模型的结构。人工神经网络模型实现了石漠化预警分析,确定石漠化危险性指数,并把分析的结果以专题图的形式来表现,从而验证石漠化预警分析模型的可靠性和可行性。     

浅析求解最大子段和问题的算法

用计算机解决复杂的问题,往往把一个大的、复杂的问题根据其功能划分为不同的模块,每一个模块完成一独立的功能.如果每一个模块用计算机语言来实现,那么当所有模块都实现时,即为对复杂问题的解决.最大子段和问题就是一具有独立功能的小模块,在很多大的问题中都涉及到此问题,用不同的算法解决此问题,并分析其优劣.     

PMA-PP分析模型在内河水质科学评价中的应用

针对目前我国城市内河普遍遭到污染的问题,在分析影响内河水质因素的基础上,选取BOD5(五日生化需氧量)、CODcr(化学需氧量)、石油类、挥发酚、NH3-N(氨氮)、总磷等6个主要因素作为评价因子,建立了城市内河水质评价的投影寻踪分析模型,采用人口迁移算法对评价模型进行优化,并将该模型应用于南宁市10条内河水质的评价与排序。研究表明,用投影寻踪回归分析法进行水质评价,避免了传统评价方法由于主观原因造成的误差,评价结果合理可信、方法简单,为我国城市内河水质的评价提供了新途径。     

移动手机报警定位系统在消防工作中的应用

手机已经成为人们现代生活中最重要的通讯手段之一,利用手机定位技术,在群众通过手机报警求救时进行实时定位,以便消防部队迅速、准确地辨别求救信息的真假和确定报警地点,提高接处警效率。     

从文化角度给烟花爆竹产业定位

2011年3月11日,日本本州东海岸附近海域发生世界有观测史上最大震级9级地震并引发海啸,造成日本多个城市数百万户断电、断水、断燃气、断交通、断通讯,致使城市生命线几乎瘫痪。这场灾难检验了城市抵御大灾的综合能力,他让我们看到了日本防灾减灾体系的完善和日本国民防灾自救的能力。可以说日本用了2万多人的性命和今后数十年恢复建设的成本为全世界的人们做了一次从立法到管理、从政府到公众、从技术装备到应急预案的实战演练。日本之殇,人类之痛。我们必须反思,在当今城市发展追求高度舒适、繁荣的同时我们又为自己留下了什么或是多少自我"毁灭"的隐患。如何规避风险,寻找发展与风险的平衡点,为此本刊邀请各领域专家学者对安全生产在城市运行中的定位;安全生产与公共安全的关系;应急救援在公共安全中的作用进行专题讨论,欢迎大家踊跃参与!