基于改进多种群遗传算法的尾矿坝形变预测

针对遗传神经网络(GA-BP)建立的尾矿坝形变预测模型易出现早熟现象、预测结果不稳定、容易陷入局部最优值的不足,引入一种具有混沌局部搜索的多种群自适应遗传算法。该算法以双种群寻优为基础,改进了遗传参数的计算方式,分别以种群进化中染色体适应度值的集中程度和空间距离的分布作为自适应交叉率、变异率的计算依据应用于不同种群中,提高了种群的多样性和遗传算法全局搜索的能力;同时引入混沌局部搜索技术(CLS),完善了遗传算法局部搜索能力的不足。采用改进的遗传神经网络模型对贵州省白岩尾矿坝三维变形数据进行预测,并与传统的GA-BP和AGA-BP模型预测结果进行比较。结果表明:改进后的模型预测精度更高,结果更加稳定,具有良好的预测效果。     

基于iLME+Geoi-RF模型的四川省PM2.5浓度估算

高分辨率PM2.5空间分布数据对动态监测和控制PM2.5污染具有重要意义.选取Himawari-8气溶胶光学厚度(AOD)、ERA5气象再分析资料、DEM、土地利用数据、夜光遥感数据、增强型植被指数和人口数据等作为估算变量,使用改进的重采样法进行数据匹配,并提出改进的线性混合模型(iLME)结合地理智能随机森林(Geoi-RF)构建组合模型估算PM2.5浓度.结果表明:①在选取的估算变量中,气溶胶光学厚度、气压、温度、相对湿度和边界层高度是影响2016年四川省PM2.5浓度的重要因素,其相关系数分别为0.65、0.58、0.55、0.54和0.35.②iLME+Geoi-RF模型精度相较其他模型有较大提升,模型拟合Rl2、RMSR 和 MAE 分别为0.98、3.25 μg·m-3和 1.98 μg·m-3,交叉验证 R2、RMSR 和 MAE 分别为0.89、7.95 μg·m-3和4.81μg·m-3.该模型可获取更高精度的四川省PM2.5时空分布特征,为区域空气质量评估、人体暴露风险评价和环境污染治理提供更加合理地科学参考.③2016年四川省PM2.5浓度存在显著的季节性差异,各季节PM2.5浓度大小关系为:冬季＞秋季＞春季＞夏季.2016年四川省月均PM2.5浓度总体上呈先降后升的"V"型趋势,最小值在6月,最大值在12月,8月和11月有微小起伏.在空间分布上四川省PM2.5浓度总体上呈东高西低和局部污染程度较高的特点,高值区主要分布在城市快速发展和人口密集的东部地区,低值区主要分布在经济发展落后和人口稀疏的西部地区.④虽然不同模型估算出的PM2.5浓度整体分布基本一致,但iLME+Geoi-RF模型能更准确有效地估算本研究区污染的空间分布.     

基于XGBoost-LME模型的京津冀地区近地面臭氧浓度估算

高时空分辨率的近地面臭氧浓度分布数据对监测和防控大气臭氧污染,提高人居环境具有重要意义. 使用TROPOMI-L3 NO₂、 HCHO产品和ERA5-land高分辨率数据作为估算变量,构建XGBoost-LME模型估算京津冀地区近地面臭氧浓度. 结果表明：①在估算变量中地表2 m温度（T2M）、2 m露点温度（D2M）、地表太阳向下辐射（SSRD）、对流层甲醛（HCHO）和对流层二氧化氮（NO₂）是影响京津冀地区近地面臭氧浓度的重要因素,其中T2M、SSRD和D2M相关系数分别达到0.82、0.75和0.71. ②XGBoost-LME模型相较其它模型,其各项指标均为最优,十折交叉验证R²、MAE和RMSE分别为0.951、 9.27 μg·m^-3和13.49 μg·m^-3,同时,该模型在不同时间尺度均表现良好. ③在时间上,2019年京津冀地区近地面臭氧浓度存在显著的季节性差异,四季浓度变化为：夏季>春季>秋季>冬季,2019年该地区近地面臭氧月均浓度总体呈现出先上升后下降的倒“V”趋势,其中9月呈现小幅上升趋势,全年最大值出现在7月,最小值在12月;在空间分布上,2月和3月京津冀全域近地面臭氧浓度分布基本为同一水平,1、11和12月呈现出不显著的北高南低的空间分布趋势,其余月份该地区近地面臭氧浓度空间分布均呈现出南高北低的分布特征,高值区主要在南部海拔较低、人口密集和工业排放量较大的平原地区,低值区则主要在北部海拔较高、人口稀疏、植被覆盖率高和工业排放量低的山地地区.     

基于GTWR-XGBoost模型的四川省PM2.5小时浓度估算

卫星气溶胶光学厚度(AOD)和气象数据已被广泛用于估算空气动力学直径≤2.5μm的地表颗粒物(PM_2.5)浓度.研究高时间分辨率、高精度的PM_2.5浓度估算方法,对及时准确的空气质量预报和大气污染的预防及缓解具有重要意义.使用Himawari-8 AOD小时产品和ERA5气象再分析资料作为估算变量,提出GTWR-XGBoost组合模型,对四川省PM_2.5小时浓度进行估算.结果表明：(1)提出的组合模型运用于全数据集的性能优于KNN、 RF、 AdaBoost、 GTWR、 GTWR-KNN、 GTWR-RF和GTWR-AdaBoost模型,拟合精度指标R²、 MAE和RMSE分别为0.96、 3.43μg·m^-3和5.52μg·m^-3,验证精度指标R²、 MAE和RMSE分别为0.9、 4.98μg·m^-3和7.92μg·m^-3.(2)该模型作用于PM_2.5浓度小时估算...     

雅库特金伯利岩中的铋

关于金伯利岩及其超基性岩包裹体中的铋在文献中没有任何报道。然而这些岩石又是地表上已知的最深物质,因而引起人们特别的注意。金伯利岩熔浆发育于地幔中,由于快速喷溢作用,看来受硅铝层的影响不大。超基性岩包裹体是金伯利岩岩浆在其上升时捕获来的上地幔岩石的捕虏体。在这些岩石中     

雅库特金伯利岩中的铋

关于金伯利岩及其超基性岩包裹体中的铋在文献中没有任何报道。然而这些岩石又是地表上已知的最深物质,因而引起人们特别的注意。金伯利岩熔浆发育于地幔中,由于快速喷溢作用,看来受硅铝层的影响不大。超基性岩包裹体是金伯利岩岩浆在其上升时捕获来的上地幔岩石的捕虏体。在这些岩石中既有不含石榴石的普通橄榄岩和辉岩,又有含石榴石的上述岩石的变种以及榴辉岩等。     

北极海洋沉积物石油降解菌的筛选及系统发育分析

从中国第二次北极科学考察采集的海洋沉积物中经富集培养、分离筛选得到了26株石油降解菌.研究表明,分离到的石油降解菌均可在以石油为唯一碳源和能源的无机营养盐培养基中生长,其中菌株P18、P28和P29生长最佳.当培养基中石油含量为2g·L-1时,于5℃下振荡培养14d,3株菌株的石油降解率可分别达到30.96%、34.85%和51.28%.分离到的石油降解菌绝大部分(25/26)能分泌胞外脂肪酶.表明其石油降解能力与产脂肪酶能力有着较强的相关性.分子鉴定与系统发育分析表明,分离到的石油降解菌除P31和P32属于细菌域(Bacteria)拟杆菌门(Bacteroidetes)的黄杆菌纲(Flavobacteria)外,其余均属于细菌域(Bacteria)变形杆菌门(Proteobacteria)的γ-变形杆菌纲(γ-Proteobacteria),其中包括交替单胞菌目(Aheromonadales)的假交替单胞菌属(Pseudoalteromonas)、科尔韦尔氏菌属(Colwellia)、希瓦氏菌属(Shetoanella),弧菌目(Vibrionales)的发光杆菌属(Photobacterium),假单胞菌目(Pscudomonadales)的假单胞菌属(Pseudomonas)和海螺菌目(Oceanospirillales)的盐单胞菌属(Halomonas).分离到的石油降解菌以假交替单胞菌属为优势菌群,其比例可达42%.     

以环保为标尺 绘碧水蓝天图——石家庄良村热电有限公司纪实

<正>石家庄良村热电有限公司(以下简称"良村热电")于2009年6月24日注册成立,地处石家庄市经济技术开发区,是在河北省建设的第一个热电项目,隶属于国家电投集团东方新能源股份有限公司。公司集火力发电项目开发与建设;电力、热力生产和销售;配电业务;粉煤灰综合利用;电力高新技术开发和咨询服务等业务于一体。全年担