GDP与环境空气质量的关系：以昆明市2013—2022年环境空气为例

国内生产总值(Gross domestic product, GDP)可反映地区的经济实力和市场规模,环境空气质量指数AQI及污染物浓度(SO₂、NO₂、PM₁₀、PM_2.5、CO、O₃)可反映环境空气质量,二者具有相关性。本研究以高原山地省会城市—昆明市为代表,研究近10年(2013—2022年)环境空气质量与区域GDP的环境库兹涅茨EKC曲线,并分析空气中代表性污染物浓度的变化趋势及相互关系,再对环境空气AQI指数变化做出ARIMA模型的预测。近10年来,昆明市环境空气AQI指数与GDP的发展呈现良性促进,随着GDP增长总体呈现下降向好趋势。环境空气中O₃与PM₁₀、PM_2.5和CO具有中度相关性。未来两年环境空气AQI指数可能受到O₃的影响而分别升高2.5%和3.7%。     

PSO-SVM模型在化工事故风险预测中的应用研究

为了减少化工事故的发生,提高化工生产过程中事故风险预测的准确性,研究了粒子群优化算法与支持向量机(PSO-SVM)模型在事故风险预测中的应用.首先,统计分析近5年化工生产安全事故致因因素,得出化工事故风险因素统计特征,结合层次分析法,建立化工事故风险预测指标体系并确定各指标因素的权重值;然后,基于MATLAB计算生成的...     

有毒化学品事故潜在危险区的预测

对有毒化学品事故的预测是制定应急救援方案和采取防护措施的基础和关键。本文讨论了有毒化学品事故的特点及其伤害准则,并提出了事故潜在危险区的确定方法。     

完全均匀混合质量平衡水质模型在滇池中的应用

介绍了完全均匀混合假设下以质量平衡为基础的湖泊水质模型,运用滇池的实测数据对模型进行了参数率定、验证,给出了模型在滇池水质预测中的应用实测,最后讨论了模型的几个假设条件对滇池的适应性。实例研究表明,该模型可适用于滇池水质有机污染长期浓度预测。      

电力市场管理与负荷分析预测系统的开发应用

针对传统市场管理和分析预测中存在的数据源不完整、预测方法单一、人工汇总分析导致的准确率不高的问题,通过分析对比,采用 B/S 应用模式,J2EE 技术架构和 JAVA 解决方案,开发了电力市场管理与负荷分析预测系统,实现了海量数据的有序整合优化和负荷需求的科学预测。应用结果表明:该系统信息分类及管理完善、负荷预测模型先进、有效提高了预测准确率和工作效率,达到了为电力生产、经营提供辅助决策的预期目标。     

新能源场群连锁故障路径的仿真预测方法

新能源场站的大规模集群化接入不仅增加了连锁故障的发生概率,也恶化了故障发生后的电网运行状态。为适应电网运行分析的新要求,以新能源机组和无功补偿装置实际运行工况为依据,研究了一种用于预测新能源场群连锁故障路径的仿真计算方法。通过基于大电网数据的仿真算例分析,得到了某新能源场群在典型约束条件下的详细连锁故障路径。结果表明:基于新能源场站机组实际情况建立的仿真模型更适宜于连锁脱网路径的仿真预测。     

基于基本物理指标的饱和砂类土液化评价方法的通用性∗

基于基本物理指标的饱和砂类土液化评价方法,包括等效骨架孔隙比的确定及液化强度参数预测公式,理论上已经被证实是有效的,但其通用性和敏感性尚需检验。通过独立试验数据,验证该液化评价方法的适用性和可靠性,分析试样尺寸、制样方法、液化判别标准、测试方法以及试验人员熟练程度等因素对预测准确性的影响,并探讨细粒影响系数b值确定方法对拟合参数及预测误差的影响。结果表明:基于基本物理指标的饱和砂类土液化评价方法适用于不同地域的砂类土的液化评价;试验条件差异略微增大评价方法的预测误差,但液化强度最大预测误差小于21%,且有50%的液化强度预测误差小于10%。b值的确定方法对液化强度预测的准确性影响较小,呈现出较低敏感性。     

沙尘天气对北京市空气质量的影响及其预测预报

概述了北京市沙尘天气的分类、特征、判别方法,总结了2000—2002年沙尘天气对北京市空气质量的影响情况,提出了沙尘天气影响空气质量的短期(1～2d)预报方法。利用该方法预报了2002年4次主要沙尘天气过程,预报结果都比较准确。研究发现沙尘天气年际变化主要是受气候条件年际变化影响,提出根据气候条件年际变化预测来进行沙尘天气年际变化预测的初步方法。      

混沌理论在水质预测中的应用初探

基于混沌理论、相空间重构思想和嵌入理论分析涟水流域溶解氧的时间序列,计算吸引子维数和最大的Lyapunov指数,研究河流水质系统的复杂性特征。结果表明,河流水质时间序列具有混沌特性,其外在表现为貌似随机的无规则特点;但系统本身内在的、固有的规律(表现在最大的Lyapunov指数),表明短期预测河流水质变化是可行的,并应用混沌相空间模线性回归模型进行了短期预测,其预测结果对涟水流域的水质管理和控制具有一定的参考价值。     

基于全局跨尺度时空注意力的深度神经网络海表面温度预测模型

海表面温度（sea surface temperature, SST）是海洋与大气之间相互作用的关键因素,海温控制着全球大气和海洋生态系统的变化。准确预测海表面温度的演变对治理全球大气系统和海洋生态系统都具有重要的意义。为了对SST数据的空间自相关性准确建模,本文提出了基于全局跨尺度时空注意力的深度神经网络海表面温度预测模型（deep neural network based on global cross-scale spatiotemporal attention, GCSA-DNN）。模型分为3个部分,从长时序数据中提取时序依赖特征的时序建模模块,从SST序列均值中提取空间分布规律特征的多尺度局部空间建模模块和基于全局跨尺度的时空注意力融合模块,实现每个网格点对全局自相关性的建模。本研究选择空间分布规律不同的东海和南海海域数据,对1981年9月1日至2022年4月7日美国国家海洋和大气管理局（nationaloceanicand atmospheric administration,NOAA）的数据进行了预测分析,共14829条数据,其中1981年9月1日至2021年8月31日的...