时间精度与空间信息对神经网络模型预报PM2.5浓度的影响

以北京市为例, 利用2015—2018年空气质量监测站台资料, 通过BP神经网络、LSTM网络及CNNLSTM混合模型等多种模型, 分析时间精度和空间信息对PM_2.5浓度预报的影响。结果表明, 神经网络模型的效果普遍比多元线性回归模型好; 增加输入数据的时间精度能显著地提高 PM_2.5浓度日均值预报的准确率; 当输入数据的时间精度从一天提高到6小时后, LSTM模型的平均绝对误差从27.39 μg/m³降至20.59 μg/m³, 这种效果的提升在显著变好和显著变差的天气情况下更明显; 华北地区PM_2.5浓度分布有明显的时空特征, 第一空间模态为同增同减, 第二空间模态为南北反向; 北京市PM_2.5浓度与内蒙古、河北及天津等地区前一天的PM_2.5相关。利用CNN-LSTM混合模型学习华北地区PM_2.5的时空信息, 能进一步提高北京市PM_2.5浓度的预报水平, 使得误差降低至17.36 μg/m³。     

基于GIS技术与嵌套网格的大气PM2.5污染最优集成预报方法

为了提升城市空气质量的预报准确率,分析大气PM_2.5污染物各尺度污染变化情况,提出基于GIS技术与嵌套网格的大气PM_2.5污染最优集成预报方法.基于大气污染扩散模拟情况,利用GIS技术的前、后期数据处理以及结果显示输出,处理大气PM_2.5污染数据,可视化展示污染扩散情况;采用嵌套网格空气质量预报模式系统(NAQPMS),模拟大气PM_2.5污染物各尺度污染变化,完成污染预报;基于观测、预报资料结合多种集成方法组建集成预报,经评价获取评分最高集成预报方法,完成大气PM_2.5污染最优集成预报.以安阳市为例,应用该方法进行空气质量预报实验.结果表明：该方法的PM_2.5质量浓度预报值与实际观测值更加接近,有效提升了大气污染预报准确率,以PM_2.5为代表的细颗粒物和以扬尘为主要源的粗颗粒物污染突出,需加强企业烟尘污染物的管控.     

基于CMAQ-ISAM模型的长三角典型城市PM2.5来源解析

大气细颗粒物(PM_2.5)是影响长三角地区空气质量的关键污染物．近年来随着各项环保举措的实施,PM_2.5的来源特征也发生了变化,为了制定切实有效的PM_2.5治理方案,考察PM_2.5的主要来源及其贡献至关重要．本研究使用CMAQ-ISAM模型,定量分析了2018年长三角内4个典型城市(上海、杭州、南京和合肥)PM_2.5的主要来源．表明了上述4个城市PM_2.5的最主要来源:冬季为长三角外的远距离传输(38.5%~52.6%);秋季为各城市的本地排放(43.0%~50.9%);在春季和夏季,本地排放是上海、杭州和合肥PM_2.5的主要来源(春季37.1%~53.3%,夏季44.1%~64.7%),而南京则是周边区域传输 (春季38.5%,夏季46.3%)．针对冬季不同时期的来源解析表明,相较于清洁时期,4个城市在污染时期来自周边区域传输的贡献占比增大,上海、杭州、南京和合肥的增大幅度分别为10.0%、1.5%、8.1%和4.9%,因此开展长三角大气污染区域联防联控具有重要意义．      

基于U-net神经网络模型的PM2.5逐小时浓度值预测模型

针对目前多数PM_2.5预测模型泛化能力较差的问题, 提出基于U-net神经网络模型的PM_2.5逐小时浓度值预测模型。该模型通过引入历史风场数据, 将离散的监测站点PM_2.5浓度值插值为PM_2.5网格图; 然后将U-net神经网络作为预测模型, 基于实验区域的10小时内的PM_2.5网格图, 预测下一时刻的PM_2.5网格图。该模型可以利用历史不同时刻提取的PM_2.5浓度值网格图, 在预测区域内所有位置PM_2.5浓度值的同时, 还可以提升预测的准确性以及对PM_2.5浓度值突变情况的适应性。实验结果表明, 所提方法在PM_2.5浓度值短时间突变情况下, 预测精度比传统方法有10%左右的提升。     

利用人工智能神经网络预测广州市PM2.5日浓度

利用差分整合移动平均自回归模型(ARIMA)、后向传播神经网络(BP)以及长短期记忆神经网络(LSTM), 对广州市2015—2019年的PM_2.5浓度数据进行训练和预报, 研究集合经验模态(EEMD)分解和时间分辨率对不同模型预报准确性的影响。结果表明, EEMD分解可以显著地提升低频分量的预报效果; 提高输入数据的时间分辨率可以提升预报效果, 尤其在ARIMA自回归模型预报中较为明显, 用神经网络进行预报时需要考虑输入数据量增加带来模型复杂度增加的问题。由于模型使用前一天(t -1)的PM_2.5作为输入数据, 即只能预报t+1天的PM_2.5值。为增加模型的预报时效, 采用滚动预报的方式对模型进行优化, 能够显著地提升预报时效, 实现对t+n天的连续预报, 且预报误差与后报结果相当。将时间精度为6 h的数据作为输入, 用ARIMA模型进行预报的效果最好, 最小MAE值为6.478。     

燃煤电厂电除尘PM10和PM2.5的排放控制VI:以75t/h工业锅炉为例分析讨论电除尘的运行(嘉兴协鑫环保热电分析)

 以嘉兴协鑫环保热电75 t/h 工业锅炉为例, 讨论电除尘器改造和运行降低PM₁₀和PM_2.5 (粒径低于10 和2.5 μm 的颗粒物)的排放。单室四电场电除尘在传统单相高压电源供电下, 电除尘出口PM₁₀和PM_2.5的排放可达120.4~219.7 和9.6~22.3 mg·Nm^-3, 在本体检修和采用4 台三相高压电源改造后, 电除尘出口的PM₁₀和PM_2.5出口质量浓度可分别降至6.0~17.0 和1.8~3.3mg·Nm^-3, 电除尘出口PM_2.5与PM₁₀的比例通常在35%~52%。     

燃煤电厂电除尘PM10和PM2.5的排放控制II:电除尘电源改造与PM10和PM2.5的排放(以660 MW 机组为例)

 通过对比660 MW 燃煤锅炉电除尘改造前后细颗粒物(PM_2.5)和颗粒物(PM₁₀)的排放,讨论电除尘改造的必要性及可行性.四电场电除尘器在常规单相电源供电下,PM₁₀和PM_2.5的排放浓度分别在63 和23 mg/m³左右,总排放在75 mg/m³左右;采用三相高压电源时PM₁₀和PM_2.5的排放可控制在15 和2.5 mg/m³以下,总排放在18 mg/m³左右,PM₁₀和PM_2.5的排放分别减排76%和89%以上.     

基于PCA-BP神经网络的PM2.5季节性预测方法研究

【目的】分季节预测PM_2.5浓度值,利用PCA方法对数据进行降维,分析季节及气象因素对PM_2.5的影响,在提高预测准确率的同时降低时间复杂度。【方法】以合肥市2014—2017年的PM₁₀、SO₂、CO₂、CO、O₃浓度值,以及同时段的气象因素值,对PM_2.5浓度进行预测。数据分析中发现PM_2.5在不同季节浓度差异较大,故本研究选择分季节进行预测;为了提高预测准确率,加入如风力、温度、湿度、气压等气象因素进行预测,同时采用主成分分析(PCA)的方法进行数据降维,将降维后的数据再输入BP神经网络模型进行预测。【结果】实验采用3组实验进行对比:5种污染物指标(PM_2.5-5)预测PM_2.5、加入气象因素的综合12项指标(PM_2.5-12)预测PM_2.5、对综合指标进行PCA处理后的(PM_2.5-PCA)预测PM_2.5。实验结果表明:4个季节的PM_2.5浓度值有较大变化,均方根误差(RMSE)的差值较大;采用PM_2.5-PCA的方法,在任何季节的RMSE均有降低,相关系数(r)均有所提高。【结论】PM_2.5浓度具有季节性特征,采用季节性预测方法可以提高预测准确率;同时采用PCA方法进行降维,可以在保证准确率的同时降低预测时间复杂度。     

张家界市旅游旺季PM2.5质量浓度的变化特征

为了探讨大气污染物对旅游活动强弱的反应机制，以典型生态旅游城市张家界市2017年旅游旺季时段4个空气质量自动监测站点的PM_2.5质量浓度数据为研究对象，采用消除趋势波动分析方法探讨PM_2.5的周末效应.结果表明，永定新区、电业局和未央路站点的PM_2.5质量浓度的波动日变化曲线基本一致，表现出双峰型，波峰分别出现在13：00和22：00左右，而袁家界站点与它们相比，存在明显差异；永定新区和电业局站点工作日的PM_2.5质量浓度略高于周末，而未央路和袁家界站点周末的PM_2.5质量浓度高于工作日.为了进一步探讨PM_2.5质量浓度变化的内在规律，对各站点PM_2.5质量浓度序列进行消除趋势波动分析，发现各站点PM_2.5质量浓度序列均表现出明显的长期持续性特征，且城区站点的长期持续性存在拐点，而景区站点和临近景区站点的不存在拐点，推测可能是景区受旅游活动干扰较多而致.     

燃煤电厂电除尘PM10和PM2.5的排放控制VII:以2×600 MW机组为例分析讨论电除尘选型和改造

 分析了2×600 MW机组所配套的两台双室五电场电除尘器(ESP)的设计、选型和改造。每台电除尘配套20台高压电源、一台炉配40台高压电源,改造工作不仅包括更换原80台单相电源为80台三相电源,而且将第一和第二电场的极板、极线及振打系统全部做了更换,改造后电除尘出口PM₁₀和PM_2.5(粒径分别低于10 μm和2.5 μm的颗粒物)的排放分别低于15 mg·Nm^-3和1.0 mg·Nm^-3,PM_2.5占PM₁₀的比例在6.5%~7.5%,与改造前比较PM_2.5下降了95%以上。     

联合LiDAR和多光谱数据森林地上生物量反演研究

【目的】森林地上生物量的准确估测对于实时掌握全球碳储量变化及应对气候变化有着重要的意义。组合多种遥感数据特征优选,分类建模反演森林地上生物量,是提高森林地上生物量精度的有效方法。【方法】以根河市大兴安岭生态观测站寒温带天然林为研究对象,以机载激光雷达(LiDAR)、Landsat8 OLI两种遥感数据源结合55块地面调查数据,采用偏最小二乘算法优化筛选变量,再以线性多元逐步回归和快速迭代特征选择的最近邻算法(KNN-FIFS)构建模型,在两种数据源的不同组合方式下进行森林地上生物量反演。【结果】①基于线性多元逐步回归模型下的单一LiDAR数据反演精度决定系数(R²)为 0.76,均方根误差(RMSE)为 21.78 t/hm²;单一Landsat8 OLI数据的反演精度R²为 0.24,RMSE为39.27 t/hm²;LiDAR和Landsat8 OLI联合反演精度R² 为 0.84,RMSE为18.16 t/hm²;②基于KNN-FIFS模型下的单一LiDAR数据反演精度R²为 0.74,RMSE为23.83 t/hm²;单一Landsat8 OLI数据的反演精度R²为0.60,RMSE为 29.63 t/hm²;LiDAR和Landsat8 OLI联合反演精度R²为0.80,RMSE为21.15 t/hm²。【结论】①特征优选支持下的3种组合方式中,LiDAR和Landsat8 OLI两种数据的组合在两种模型中反演精度均最高,其中线性多元逐步回归模型的反演精度最高,说明LiDAR和Landsat8 OLI数据组合,激光雷达与光学数据优势特征互补,协同反演可有效提高森林地上生物量的反演精度;②单一数据源反演森林地上生物量精度中,LiDAR数据比Landsat8 OLI数据在两种模型反演精度中均较高,这与LiDAR数据空间分辨高、可获得垂直结构特征参数有关。     

基于BP神经网络的长白落叶松人工林林分平均高预测

【目的】研究BP神经网络模型在树高预测中的应用,分析比较不同森林调查因子及不同神经网络训练算法对平均树高预测的影响,为树高预测提供新的方法。【方法】以吉林省长白落叶松人工林为对象,基于168块固定样地的314个观测数据,运用BP神经网络建模技术建立了林分平均树高生长模型。输入因子首先加入年龄,然后依次加入立地因子及林木竞争因子,分析立地因子及林木竞争因子对树高的影响。基于Matlab R2016b中的Sigmoid函数和线性函数为神经元的传递函数,分别采用贝叶斯正则化算法和Levenberg-Marquatdt算法(简称L-M算法)对网络进行训练,对比分析了贝叶斯正则化算法和L-M算法作为训练函数的差异。【结果】与L-M训练算法相比,贝叶斯正则化训练算法具有更好的泛化能力。模型中依次加入年龄、立地因子、林木竞争因子后,树高的拟合精度呈现出相同的上升趋势。采用贝叶斯正则化训练算法,当年龄作为输入因子时,决定系数R²为0.521 0,均方根误差(RMSE)为2.091 7,平均绝对误差(MAE)为1.627 6。加入立地因子后,决定系数R²提高至0.573 6,提高了10.10%,均方根误差(RMSE)为1.973 6,降低了5.65%,平均绝对误差(MAE)为1.579 7,降低了2.94%; 在此基础上,加入林木竞争因子后,决定系数R²为0.845 5,增长了47.40%, 均方根误差(RMSE)为1.187 9,下降了39.81%,平均绝对误差(MAE)为0.968 5,下降了38.69%。【结论】利用贝叶斯正则化BP神经网络可以准确地预测长白落叶松人工林的平均高。立地因子及林木竞争因子能够较好地提升林木生长预测的精度,且林木竞争因子对树高的影响明显大于立地因子。     

考虑植被盖度的城市蒸散发模拟研究

基于城市涡动相关系统每30分钟蒸散发数据, 结合足迹源区分析及研究区域遥感数据, 获取源区植被盖度, 构建基于随机森林的蒸散发模拟方法。将此模拟方法应用于涡动系统空缺值插值, 并探究深圳干湿季蒸散发的主要控制因子, 得到如下结论。1) 与不考虑植被盖度的随机森林模型及边际分布抽样算法(MDS)相比, 考虑植被盖度的随机森林模型可以更高精度地模拟城市蒸散发。与实测数据相比, 模型的R²=0.73, RMSE= 20.5 W/m², MAE=13.3 W/m², pbias=0.8%。2) 对湿季日间较高蒸散发时期的空缺值进行插值, 考虑植被盖度的随机森林模型显著优于MDS模型。与实测数据相比, MDS插值模型低估 12.4%, 而随机森林模型低估 4.7%。3) 深圳湿季期间, 植被盖度是蒸散发的主要控制因素。在干季, 温度、净辐射以及饱和蒸气压差是蒸散发的主要控制因子。     

柴胡药渣对锌离子的吸附动力学特性

 为了探讨柴胡药渣对含锌废水的吸附特性和液相pH 值、电导率变化特性,以柴胡药渣为生物吸附剂,进行了Zn²⁺批量吸附实验研究。分析了液相pH 值、Zn²⁺初始浓度（C₀）、柴胡药渣加入质量浓度（ρ_m）、粒度（M_z）等因素对吸附效果的影响,并进行等温吸附模拟及吸附动力学相关分析。结果表明,实验室环境下的较佳的吸附条件为：pH 值为4.0～6.0,ρ_m 为4.0~8.0 g/L,M_z为40~100 目,C₀为0.1~2.0 mmol/L。柴胡药渣对Zn²⁺的等温吸附结果很好符合了Langmuir 和Freunlich 吸附模型,R²分别为0.978 和0.989;计算所得最大吸附量（q_max）达到19.96 mg/g,说明柴胡药渣对Zn²⁺有很好的吸附能力。动力学吸附分析表明,柴胡药渣对Zn²⁺的吸附是一个快速进行的反应过程,二级吸附速率方程拟合结果中R²均在0.997 以上,由此认为其吸附反应过程中限速步骤是化学吸附过程。柴胡药渣对Zn²⁺吸附过程中液相pH 值分析表明,pH 值呈现初始阶段迅速升高后进入缓慢变化的趋势。     

基于MODIS产品的生态系统呼吸模型在内蒙古半干旱草原的验证

利用2010—2013年锡林浩特国家气候观象台涡动相关通量观测系统数据以及MODIS产品数据, 验证基于增强型植被指数(EVI)、陆地表面水分指数(LSWI)和地表温度(LST)的生态系统呼吸模型在内蒙古半干旱草原的适应性, 并探讨该遥感生态系统呼吸模型存在的问题。结果表明: 生态系统呼吸模型能较好地模拟夜间生态系统呼吸速率(R_eco)在生长季内和年际间的变化, 模拟值与观测值吻合较好(R²=0.90, RMSE=0.02 mgCO₂/(m²·s)); 夜间R_eco的观测值与EVI_s×W_s (EVI_s和W_s分别是EVI和LSWI对光合作用的影响函数)呈较显著的线性相关(R²=0.63), 与LST 的关系基本上满足L-T方程(R²=0.39); 夜间R_eco在生长季的前、中、后期对EVI_s×W_s和LST的响应不同是造成模型误差的重要原因之一。     

基于机器学习的拉矫延伸率预测模型及数值分析

在冷轧弯曲矫直过程中,针对拉矫机工艺参数设置问题,利用经验公式、有限元仿真建立的延伸率模型预测精度不高.为提高预测精度,基于传统解析模型与机器学习算法进行研究,比较了两种方法预测模型的精度,得到机器学习算法的延伸率预测模型要比数值解析模型的拟合优度高.比较BP神经网络算法和支持向量机(SVM)算法,得到两种机器学习算法的预测模型精度基本一致.为进一步提高预测精度,采用Adam算法对BP神经网络进行优化,采用遗传算法对SVM预测模型的参数进行优化,最终得到最优预测模型的均值绝对百分比误差MAPE以及拟合优度R^○2分别为13.4%和0.953,可以为实际生产提供技术指导.     

东江源寻乌水流域径流变化特征及其原因分析

东江源水资源安全影响着珠三角社会经济发展和香港繁荣稳定,径流是水资源安全评价的重要水文要素.该文收集东江源区干流寻乌水1980-2016年逐日水文气象数据、6期土地利用及土地耕作属性等数据,采用IHACRES水文模型和统计分析等方法,分析寻乌水径流变化特征及其影响因素.结果表明:在模型基准期(1980-1992)和变化期(2009-2016)中,径流年际变化模拟效果评价指标R²、N_S和P_BIAS的值分别为0.99、0.99、0.37和0.8     

基于哑变量的湖南栎类天然林林分断面积生长模型

【目的】建立含林分类型或立地类型哑变量的栎类林分断面积生长模型,为湖南栎类天然林林分断面积生长收获和预估提供理论支持。【方法】以湖南省5个区域51块栎类天然混交林样地为研究对象,选取6个具有生物学意义的理论生长方程,构建含年龄、平均优势高及林分密度指标的林分断面积生长模型,比较不同理论生长方程与密度指标对栎类天然林断面积模型拟合效果的影响,从中筛选出拟合优度较高的模型作为构建哑变量模型的基础模型; 考虑混交林立地类型的差异与优势树种的聚集分布,划分林分类型与立地类型,并分别作为哑变量加入基础模型参数及其组合中,比较林分类型哑变量模型、立地类型哑变量模型与基础模型模拟效果的差异。【结果】以株树密度作为密度指标的断面积生长模型决定系数(R²)在0.47～0.51之间,P值均小于93%,以林分密度指数作为密度指标的断面积生长模型决定系数(R²)在0.85～0.92之间,P值均大于95%,说明密度指数模拟效果优于株树密度模拟效果,其中含年龄、平均优势高与林分密度指数的Schumacher模型决定系数最大(R²=0.924 2),模拟效果最优。以Schumacher模型作为基础模型,构建含林分类型或立地类型的哑变量的模型,基础模型、林分类型模型、立地类型模型的决定系数分别为0.924 2、0.979 8、0.997 6,以立地类型作哑变量的模型要优于基础模型与林分类型模型。【结论】含哑变量模型可以有效解决天然混交林优势树种分布与立地类型差异对断面积预估的影响,提高建模的精度与模型的适用性。     

近30年京津冀地区湖泊面积的变化

利用遥感、气候和社会经济统计数据, 探究1987—2017年间京津冀地区湖泊面积的变化及其与自然和社会因素的关系。结果表明, 该地区湖泊面积过去30年间整体上呈减少趋势, 每年减少约2%, 这是自然和人为因素双重影响的结果。可分为3个阶段: 前10年(1987—1996年), 湖泊面积增加约4.8×10² km² (约占76%), 由自然因素主导(R²=0.849, p=0.001); 1997—2009年的13年间, 湖泊面积呈减少趋势(减少约 4.7×10² km², 占43%), 主要由人为因素主导(R²=0.536, p=0.013); 最近8年(2010—2017年)中, 湖泊面积呈增加趋势(增加约2.3×10² km², 占36%), 也主要由人为因素导致。虽然最近8年来该地区湖泊面积减少的趋势得到扭转, 但地表水资源供需矛盾仍然严峻。     

钒钛磁铁矿焙烧竖炉操作参数对传热过程的影响

以年产量2×10⁴ t钒钛磁铁矿焙烧竖炉为研究对象,建立竖炉内三维稳态传热数理模型.通过UDF(user defined functions)将反应热以内热源形式编译到固相能量方程中,定义球团矿下移速度,以竖炉内的焙烧时间和温度为判断指标,研究操作参数对竖炉内传热过程的影响.结果表明:焙烧风流量、冷却风流量以及球团下移速度为3个主要影响因素,其中球团下移速度对传热过程的影响更明显.在球团直径为38mm,焙烧时间为4～6h,焙烧温度为1100～1200K的条件下,竖炉适宜的操作参数为:冷却风流量1210～1430m³/h;焙烧风流量3070～3670m³/h;球团下移速度0.258～0.290m/h.