1961—2014年中国干燥度指数的时空变化研究

论文采用中国1961—2014年530个气象站数据,运用FAO-56 Penman-Monteith公式计算潜在蒸散发量,并结合降水量计算中国1961—2014年干燥度指数（Aridity index,AI）,然后采用Mann-Kendall趋势检验、突变检验和小波分析对其进行时空变化分析。结果表明：1）1961—2014年中国整体、西北地区、青藏地区的干燥度指数均呈显著减小趋势,而南方地区干燥度指数呈微弱减小趋势,北方地区干燥度指数呈不显著增加趋势。中国干燥度指数的突变发生于1986年,而各个分区的突变时间有所差异。2）1961—2014年中国整体、北方地区和西北地区干燥度指数变化主周期均为28 a,南方地区稍晚1 a,青藏地区提前2 a,所有地区均在主周期上经历了变大—变小—变大的过程。同时所有地区也存在不同时间尺度的次周期变化。3）整个中国、西北地区和南方地区潜在蒸散发量的减少和降水量的增加,共同引起了干燥度指数的减小。在北方地区,年降水量的显著减小和潜在蒸散发减小引起干燥度指数呈现微弱增加趋势。在青藏地区,潜在蒸散发的微弱增加和降水量显著增加引起干燥度指数呈现显著减小趋势。4）中国干燥度指数在空间格局上和降水的分布相反,呈现出西北大、东南小的特征。北方地区整体干燥度指数偏小,但中部区域降水相对减少,蒸发能力增强,导致干燥度指数相对偏大。南方地区气温较高,蒸发能力强,但雨量充沛,是我国干燥度指数最小的区域。西北地区较为干燥,降水少,蒸发强,是我国干燥度指数最大的区域。青藏地区由于青藏高原的阻挡作用以及东部地区较为丰富的降水量,使得干燥度指数由东向西逐渐增加,呈现西干东湿的格局。     

基于自适应遗传小波神经网络的水质评价建模

水环境污染过程的非确定性和非线性,使得传统的水质评价方法存在局限性。为了提高水质评价的准确性,提出了一种基于改进小波神经网络(wavelet neural network,WNN)的水质评价模型。采用自适应遗传算法(adaptive genetic algorithm,AGA)对小波神经网络的初始权值进行优化,再通过小波神经网络算法对网络进行训练,最后对训练好的网络展开测试。仿真结果表明,自适应遗传算法和小波神经网络的结合提高了网络的训练效率,该方法可以用于水质评价建模,并且评价结果具有较高的精度和准确性。     

基于小波神经网络的地下水流数值模拟模型的替代模型研究

以吉林西部为研究区,建立地下水流数值模拟模型,分别应用蒙特卡罗方法和拉丁超立方方法在研究区10个县(市)开采量的可行范围内进行采样,经对比选择拉丁超立方抽样结果得到输入(开采量)—输出(水位降深)数据集,建立小波神经网络模型作为地下水流数值模拟模型的替代模型,而后对替代模型有效性作误差分析,并与多元非线性回归替代模型进行对比.结果显示,2种替代模型在功能上都能逼近地下水流数值模拟模型,但小波神经网络模型得到的水位降深均值和水位降深剩余标准差与模拟模型计算结果的相对误差分别低于多元非线性回归模型76%和45%,说明小波神经网络模型更适合作为地下水流数值模拟模型的替代模型,这为减少优化模型求解过程中直接调用模拟模型所造成的计算负荷提供了一种有效的替代方法.     

受限空间瓦斯爆炸冲击波压力信号小波包去噪研究

由于受限空间瓦斯爆炸冲击波压力信号具有突变性和瞬态非平稳性特点,采用小波包分析进行去噪处理。选取典型的Daubechies小波包系和Symlets小波包系各小波包基对信号的重构均方根误差,并计算了原始信号与重构信号的相关系数,确定Sym8为处理瓦斯爆炸冲击波压力信号的最佳小波包基。去噪结果显示:小波包分析在降低噪声的同时,仍然保留信号突变部分的信息,能尽可能不失真得重现有效信号,受限空间瓦斯爆炸冲击波压力信号小波包去噪能够得到更可靠地结果。     

X射线灰度图像伪彩色增强方法研究

在一些特殊情况下,要求不同物体所呈的图像具有不同的颜色,从而增加可疑物的可识别性。本文基于计算机图像处理功能,针对灰度X射线安检图像提出了两种伪彩色增强办法,分别为亮度切割法和伪彩色变换映射法。针对特定爆炸物X射线扫描图分别使用这两种方法,得到伪彩色增强的不同效果。实验表明爆炸物的灰度图像运用亮度切割法能有效提高图像的对比度,处理后边缘也更加清晰。     

HHT在110kV线路故障保护跳闸方式识别中的应用

通过仿真某 110 kV 线路接地故障,利用希尔伯特-黄变换(Hilbert-Huang Transform, HHT)分析了甲站、乙站单相跳闸以及甲站三相跳闸三种可能引起的保护跳闸方式下甲站 1 号变压器末屏 A 相电压与电流的波形特征,并分解计算了信号分解重构下低频与高频部分的能量函数值。计算结果表明:HHT 所得到的能量函数能较好地识别线路故障引起站内保护跳闸的方式。     

基于运营环境和提升小波变换的桥梁损伤检测研究

根据损伤桥梁在车辆荷载作用下的动力响应特点,以及提升小波变换对信号突变信息的放大功能,提出了利用桥梁运营荷载作用下加速度响应提升小波变换系数的分布特性对结构损伤进行识别的方法。首先,采集桥梁在行车荷载作用下的加速度响应信号;然后,对加速度响应信号进行提升小波变换,分别利用加速度响应信号、加速度响应信号差,提升小波变换系数空间变化的峰值识别损伤位置;最后,对行车速度、损伤位置、损伤程度和测量噪声对损伤识别效果的影响进行了分析讨论。结果表明:在行车速度8m/s以下、测量噪声不高于5%情况下,利用运营荷载作用下桥梁单点动力响应信号提升小波变换,可以实现桥梁多处损伤的检测和识别。     

某500 MW塔式锅炉包墙过热器频繁泄漏分析与诊断

针对某500 MW进口塔式锅炉包墙过热器频繁泄漏情况,结合宏观检查分析、化学成分分析、室温力学性能试验、金相组织分析、氧化皮厚度测量、锅炉燃烧分析等对泄漏问题进行综合分析诊断.结果 表明,包墙过热器的频繁失效发生的共性原因为管内介质长期超温,进而引起包墙管向火侧性能下降严重.结合锅炉运行现状提出了整改建议.     

一种基于小波变换和LSTM的大气污染物浓度预测模型

针对现有大气污染物浓度预测模型存在预测精度不高、污染物种类单一等不足的问题,通过小波分解将高维大气污染物数据转换为低维数据,再对分解序列建立长短期记忆网络（LSTM）预测模型,最后通过小波重构将分解序列重构为污染物时间序列,建立了1种基于小波变换（WT）的LSTM大气污染物预测模型（WT-LSTM）,用以预测目标区域内的次日平均ρ（PM_2.5）、ρ（PM₁₀）、ρ（SO₂）、ρ（NO₂）和ρ（O₃）。采用长沙市2015—2018年10处国控站点的数据进行验证,结果表明:相对于LSTM、多元线性回归（MLR）和基于WT的WT-MLR模型,WT-LSTM的均方根误差和绝对平均误差均下降了50%,其对PM_2.5、PM₁₀、SO₂、NO₂和O₃的污染等级预测准确率均在80%以上。     

基于小波分解及遗传BPNN耦合模型的地表水As浓度预测研究

随着工业的快速发展,水体中污染物超标事件时有发生,造成了较严重的水环境污染问题.水环境监测与预报是环境科学研究的重要内容.为了实现地表水砷（As）污染的准确预报,本研究提出小波分解、遗传算法与BP人工神经网络的耦合建模方法,并结合某河流监测站1998—2016年共19年的地表水质监测数据,通过皮尔逊相关系数和信息指标评价法对模型输入变量进行筛选,最后对比分析了在不同水质参数输入情况下BP人工神经网络（BPNN）、遗传算法改进的BPNN（GABP）、小波-遗传BPNN耦合模型（W-GABP）对后6年（2011—2016年） As浓度预测结果的均方根误差（RMSE）、决定系数（R²）、平均绝对百分比误差（MAPE）,以确立最优模型.结果表明：①多水质参数BPNN、GABP与W-GABP耦合模型预测结果的MAPE分别为17.51%、15.98%、14.46%,单水质参数BPNN、GABP与W-GABP耦合模型预测结果的MAPE分别为18.78%、16.74%、7.83%;②小波分解数据前处理及遗传算法均能较大程度地提高预测模型的精度;③对于地表水水质预报,需对比不同模型在不同输入变量下的预测结果,以获得最佳的预测精度.单水质参数输入的W-GABP耦合模型能较准确地预报地表水As浓度的变化情况,对数据缺乏地区水质监控和地表水As污染防治具有重要意义.