排序方式： 共有22条查询结果，搜索用时 15 毫秒
21.
实验设计了一种新式小型臭氧发生装置,该装置采用介质阻挡放电的方式产生臭氧.研究了电极结构、气体流量、放电时间、放电电压、各电极的电流电压峰值、是否添加氧气等与产生臭氧浓度之间的关系.结果表明:放电间隙为2.0 mm,有效长度为500 mm的同心圆柱体电极的放电效果最好;串联相同电极的放电效果好于并联电极的放电效果;在电压一定时,臭氧产量随空气量的增加而减少;当放电气体中加入氧气时,臭氧的浓度明显地增高;随着放电时间的增加,臭氧的浓度会略微下降,最后趋于一个常值;臭氧的产量与电极的电流峰值具有相同的变化趋势,而与电压峰值的变化相反. 相似文献
22.
为探索不同机器学习方法在臭氧浓度预测中的应用效果，基于重庆市中心城区及其周边区域2017-2019年臭氧数据及气象数据，利用KNN数据挖掘算法与BP神经网络算法，建立了2种以重庆中心城区北碚区为中心的臭氧浓度预报模型，并运用反距离加权插值法将臭氧浓度预报值网格化.研究显示：(1)2017-2019年间，臭氧浓度除铜梁区和沙坪坝区呈逐年上升趋势外，其他区域呈“单峰形”的变化，最大值出现在2018年；夏季臭氧浓度最高，冬季最低；臭氧浓度与气象要素关系最密切的是最高气温、平均气温及相对湿度.(2)2种预测模型在7个区的训练中平均预报准确度超过了74%,其中KNN模型的准确率高于BP神经网络模型，2种模型与实测值的相关性超过了0.7,拟合度较高；在验证模型准确率中，BP神经网络模型在检验过程中的整体效果高于训练效果；总的来说，基于BP神经网络模型的预测结果总体优于KNN模型的.(3)将模型应用于臭氧浓度网格预报中，从数值来看，高值与实测值基本一致，低值低于实测值；从地理位置来看，低值与实测值位置基本一致，分布在重庆中心城区中部偏西地区，高值预测区域差距较大，实测高值区分布在中心城区的南部和东部... 相似文献