傅里叶变换红外光谱法测定废水中的酚

以三氯化碳萃取模拟含酚废水,再采用傅里叶变换红外光谱法（FTIR）测定废水中的酚含量。结果表明：废水中酚质量浓度大于100．0mg／L时,含酚废水与三氯化碳体积比为1：1,萃取效果最好,酚质量浓度测定的相对误差小于2％,检出限为11．95mg／L;废水中酚质量浓度为10．0～50．0mg／L时,含酚废水与三氯化碳体积比为10：1,萃取效果最好,酚质量浓度测定的相对误差小于5％,检出限为1．19mg／L。FTIR法的相对标准偏差平均为0．354％,加标回收率为101．7％～103．2％。采用FTIR法测定含酚工业废水中的酚质量浓度与GB7491-87《水质挥发酚的测定蒸馏后溴化容量法》测定结果非常接近。     

灰度图像编码技术的研究与实现

本文就静态灰度图像的压缩编码做了详细的阐述:以8×8像素的图像子块为最小处理单元,DCT变换(FDCT)使图像能量分布更为集中、据量化表量化DCT系数、Z型扫描把诸多的零值表示为较短的码字、最后的Huffman熵编码高效的压缩了原始图像.并对部分功能模块处理做了实验,给出试验结果.实验表明达到了图像压缩的目的.     

基于车桥耦合振动分析的桥梁损伤诊断方法评述

车辆通过桥梁时,桥梁和车辆的动力响应都包含桥梁结构模态或者几何参数信息,对它们进行分析能识别桥梁的模态参数和损伤。结合国内外最新研究成果,综述基于车桥耦合振动分析的桥梁结构损伤识别技术,并与传统识别方法进行比较。指出其优缺点;详细介绍基于灵敏度分析和模型修正的方法、基于结构刚度搜索的方法、利用车辆响应傅立叶变换识别桥梁频率的方法、利用车激桥梁响应的小波变换识别桥梁模态参数的方法以及综合利用车辆和桥梁响应识别桥梁损伤的方法等5种参数识别与损伤诊断方法的基本原理,并总结上述方法的实施步骤和应用时应该注意的问题;指出了该领域的关键问题和进一步的研究方向。     

小波分析在语音识别系统中的研究与应用

在语音识别系统的不同处理阶段,大部分可以使用小波分析技术进行实现,并且这种实现方法比传统的方法具有更好的效果.本文重点探讨了在端点检测、噪声去除以及参数提取过程中使用小波分析技术的原理及方法,并提出现阶段所存在的问题及解决方案.     

FT-IR系统在垃圾焚烧烟气排放连续监测中的应用

傅立叶变换红外分析(简称FT-IR)系统具有如湿法分析、多组份监测、低检测限和极宽的动态测量范围,特别适合垃圾焚烧炉排放的气态污染物的监测.本文主要介绍了FT-IR系统的测量原理、技术规格、系统组成和运行结果,并讨论了FT-IR系统的发展和改进.     

小波分解在空气污染指数分析中的应用

本文利用Mallat分解在不同时频域的多分辩分析能力，以可吸入颗粒物污染指数为例，将其分解到不同的频域中进行分析，通过实际应用证明其效果良好。将Mallat法应用于上海市城区全年可吸入颗粒物、SO2、NO2等污染物的分析研究当中，发现秋冬两季煤、油等燃料的不完全燃烧对颗粒物浓度的增加影响最大，而汽车尾气对后两者浓度增加的影响也较大。     

辽宁省近50年降水量的突变特征及变化趋势分析

首先采用Pettitt方法对辽宁省21个气象站1958年一2008年51年的降水量序列进行突变分析,结果显示54476和54486两测站的年降水量序列分别在1996年和1998年存在显著的突变且通过了显著性水平检验,其它测站的降水量序列均未检测出显著的突变年份。根据累积距平曲线分析辽宁省51年的年均降水量在时间尺度上大致分为三个阶段：1958年一1975年为降水量增加阶段,1975年一1996年为降水量稳定阶段,1996年一2008为降水量减少阶段。最后应用Morlet小波分析对辽宁省年均降水量进行周期分析,结果表明降水在大尺度时间上存在约24年的周期震荡,在小尺度时间上存在约9年的周期震荡。     

基于小波变换的武汉市PM2.5、PM10与臭氧污染特征

为验证城市空气污染物排放及协同控制后的周期性规律,利用小波变换对武汉市2013～2020年共计2421d的逐日PM_2.5、PM₁₀及臭氧浓度数据进行分析.结果表明:可吸入颗粒物污染情况逐年改善,PM_2.5浓度年均值由80.5μg/m³降至45.3μg/m³,超标比例由44%降至11%;PM₁₀浓度年均值由113.6μg/m³降至72.6μg/m³,超标比例由22%降至2%.臭氧污染未有明显改善,浓度年均值在90～100μg/m³间波动.PM_2.5、PM₁₀与臭氧浓度均表现出明显的周期性,PM_2.5浓度主周期300d、次周期140d左右;PM₁₀浓度主周期300d、次周期125d左右;臭氧浓度主周期300d、次周期143d左右.PM_2.5与PM₁₀的周期与位相均相...     

基于HHT方法的矿井瓦斯体积分数预测

为有效分析煤矿瓦斯监测数据以实现较准确的瓦斯浓度预测,研究应用希尔伯特-黄变换(HHT)方法进行瓦斯浓度时间序列分析与预测的方法。应用经验模态分解(EMD)方法将瓦斯浓度时间序列分解成不同频率的固有模态函数(IMF)分量的叠加,以获取瓦斯浓度时间序列的瞬时特征;通过Hilbert变换求得各IMF分量的瞬时频率,依据各IMF分量瞬时频率的均值将分解得到的IMF划分成较高频和低频2类新的分量,选取适合于各分量特征的预测模型分别进行预测,以消除局部随机性对预测精度的影响,结合自回归(AR)、径向基函数(RBF)神经网络和支持向量机(SVM)3种预测模型实现瓦斯浓度预测。实例分析表明:应用该方法所得预测结果比较准确,降低了预测复杂度,提高了预测精度。     

HHT在震动信号处理中的应用

希尔伯特-黄变换是一种处理非线性、非平稳信号的方法,它的核心是经验模态分解(EMD),但是EMD分解存在模态混叠等不足现象,针对这个问题引入了总体平均经验模分解(EEMD)算法。对实测的震动信号分别做两种算法的分解得到固有模态函数(IMF),再对其结果进行能量分析,绘制瞬时频率图、希尔伯特谱,得到信号震源的真实时频特征量,以便进一步分析震源类型,从而可以更好地实时预测震动灾害发生的可能情况。