基于PSO-SVM算法的空气质量分类研究

由于空气组成成分多、含量波动较大,严重影响着分类结果的准确率,因此为了增加空气质量分类预测的可靠性,提出了粒子群（Particle Swarm Optimization,PSO）优化支持向量机（Support VectorMachin,SVM）算法的分类方法。此方法首先通过迭代寻优的方式在全局搜寻最优粒子作为支持向量机的运行参数,之后通过训练集数据进行机器学习建立了支持向量机多分类模型,最后将测试集的输入向量导入该模型得到分类结果。分析结果表明,粒子群优化的支持向量机分类方法能够有效的抑制人为设定运行参数对分类结果的影响,提高了支持向量机的分类准确率,为空气质量等级分类问题提供了一个新的研究思路。     

大气环境质量预测模型研究

为适应青岛和贵阳地区地形和大气流场复杂的特点,吸收高斯烟云模式和烟团模式的优点,建立高斯轨迹烟云模式,模式同时考虑静风条件下的扩散。应用青岛和贵阳的实测数据对模式的性能进行检验,结果证明,该模式可适用于地形和流场复杂的地区。该模式是环境决策支持系统的一部分。      

投影寻踪回归技术在环境污染预测中的应用

环境污染预测中常用的统计预测法基于“假定—模拟—预测”这样一种证实性数据分析思维模式,难以适应非线性、非正态分布数据分析。投影寻踪技术采用“审视数据—模拟—预测”这样一条探索性数据分析新途径,可以用来解决一定程度上的非线性、非正态的问题。应用投影寻踪回归新技术,建立了大气污染物SO₂浓度分类预测模型,其预测建模样本的拟合合格率为84.7％,预留预测检验样本预测合格率75％。     

大流量孔口流量计的校准、数据处理及误差分析

用罗兹流量计校准孔口流量计,用温度和大气压力对孔口流量计的负压进行修正,使孔口流量计的流量和压力修正项间的关系为一直线,得到孔口流量计的标准曲线并评价其精度。探讨了孔口流量计流量不确定度的主要来源,为精度控制提供了理论依据。      

汽车排放污染物浓度的预测

为了预测汽车排放污染物的浓度,应用简化的高斯烟团模式得到静风条件下的线源扩散预测模式。并结合高斯烟流扩散模式,建立了预测汽车污染物在任意风向下和年平均浓度的预测模式,考虑车道上存在车辆行驶的强烈机械扰动湍流和把繁忙的公路视为线源两个因素,提出了计算初始扩散参数的方法。然后,运用Turner和Pasquill扩散参数,建立了线源扩散参数的确定方法。该模式应用于预测高速公路沿途汽车污染物的浓度表明,计算值与监测值吻合较好,可用于我国公路环境影响的评价。     

对几种大气环境预测方法的评估

本文根据石家庄市的常规气象资料和混合层高度,用不同的计算模式和计算方法对本市特征污染因子SO_4的长期平均浓度进行计算,把计算结果与实测浓度比较并进行误差分析,对每种计算方法进行评价,最后讨论了各种计算方法的特点及在城市大气环境预测中的实用性.     

山城道路交通噪声的分析和预测

本文报道了以路面坡度为主要特点的山城道路交通噪声的分析和等效声级预测方法.根据山城路面结构,两侧建筑物分布特点,对机动车辆在坡道上行驶状态和噪声辐射进行了大量测量和研究,得到不同车种噪声与坡度、车速的线性关系式.研究证明上下坡侧声级值有差异,道路两侧建筑物阶梯式分布噪声污染特点.给出了坡道路面交通噪声等效声级及其在车流量较少条件下的预测方法,并与实测值作了比较.     

城市自来水中途生物性污染危险程度的预测研究

为了准确而又快速地预报自来水中途生物性污染的危险程度,防止介水传染病发生,本文对生活污水样品进行了大量的实验研究,同时收集和分析了国内历次污染事件资料。经大显筛选实验发现,水中氨氮是代表大肠菌群进行预测预报污染程度的最佳化学指标。发生污染事件的危险性可分为四级,相应的大肠菌群故分别为１００－、２００－、１０００－、１００００－。     

浅谈环境规划工作中的人口调查和预测

人口基础数据的调查和人口预测是环境规划工作中的重要部分。本文结合环境规划的实际情况,总结并提出了开展直接为环境规划服务的城市人口和居住方式基础资料调查预测工作的方法和原则。