灰色系统在大气质量预测中的应用

把大气环境看作一个灰色系统,联系重庆市大气环境的实际情况,利用灰色关联分析判断出重庆市2000-2005年间大气污染物中主要污染因子为PM10和SO2,同时建立灰色模型对其进行质量预测.短期预测结果表明大气PM10和SO2浓度呈下降趋势,其浓度分别到2009年和2012年可达国家二级标准.     

北海市城区大气污染物变化特征与地区生产总值的关系

利用北海市2002～2012年中NO2,SO2和PM10浓度的监测数据,分析城区大气污染物的月变化、季节变化、年变化、空间分布以及地区生产总值（GDP）增长对污染物浓度的影响.结果表明：北海城区大气环境质量整体状况较优,主要污染物NO2,SO2和PM10污染物浓度具有明显的时空变化,污染物在时间上呈冬高夏低的季节性变化,并受季风、降水湿沉降的影响明显;在空间上,污染物呈南高北低的区域性变化,市区及近郊高于远郊.污染物浓度和GDP增长关系明显,GDP增长幅度较污染物增长幅度大,两者之间存在着显著线性相关关系.北海市第一产业（农林牧渔业）和第三产业（服务业）对污染物排放量贡献大于第二产业（工业及建筑业）.     

陕西省汉中市大气环境质量的灰色预测

依据汉中市汉台区城区2005—2011年大气环境中SO2,NO2,CO,PM10的监测值,应用灰色理论建立GM(1,1)灰色模型对汉中市汉台区城区空气中的SO2,NO2,CO,PM10浓度进行预测。经过相关检验和修正,确定所建的SO2和CO模型具有较高的精确性和可信度,PM10模型经残差模型修正后准确度和精确度均有所提高,NO2模型不太适合小样本数据灰度建模。另外,利用建立的灰色模型对汉中市汉台区城区2012—2015年主要污染物浓度进行预测,为汉中市汉台区城区大气污染防治工作提供有益参考依据。     

基于多聚合过程神经元网络的剩余油分布模型的研究

传统的建模方法中,无论是确定性建模方法还是随机建模方法都不能表达地质模型在时间维上的预测.建立基于多聚合过程神经元网络的时空维地质模型,能够描述储层参数在四维空间上特征和空间展布,能够有效地预测剩余油分布情况,对于油气开采具有十分重要的意义.     

基于Elman神经网络的污染源数据预测

为了给环境保护决策提供有价值的预测数据,提出利用Elman神经网络建立污染源数据预测模型的方法,以大气中的主要污染物SO2为例,用预测模型表征SO2的浓度和气温、相对湿度、风速、时间等影响因子及其历史数据之间的复杂关系.使用训练后的模型对数据进行模拟仿真,结果表明所建立模型的计算输出值与实际样本数据有着较好的一致性,模型预测效果优于基于BP神经网络的预测模型.     

干旱区绿洲城市大气环境承载力分析及预测——以乌鲁木齐市为例

以乌鲁木齐市2001—2012年大气环境中SO2,NO2,PM10作为对象进行环境承载力研究,采用美国橡树岭大气质量指数(ORAQI)模型、环境承载力指数模型和灰色预测GM(1,1)模型等研究方法,探讨了乌鲁木齐市大气环境承载力指数及其影响因素;建立预测模型,得到2013—2020年大气环境承载力指数预测值.结果表明,2001—2012年乌鲁木齐市空气中主要污染物是SO2和PM10,呈现典型的煤烟型污染特征.大气环境质量IO指数平均为91,属于"坏"的等级;大气环境承载力指数平均为16.21,处于中等承载等级.预测结果显示,环境承载力指数呈逐年上升趋势,到2020年该指数将达到19.86,处于较高承载等级,表明未来大气环境承载能力水平将有所提高,大气环境质量会得到进一步改善.     

基于权函数正交基展开的过程神经元网络学习算法

针对过程神经元输入和网络连接权均可以是过程或时变函数，为解决过程神经元网络训练涉及的时域聚合运算问题，提出了基于权函数基展开的过程神经元网络学习算法。在网络输入函数空间中引入权函数正交基，将输入函数和网络连接权函数表示为该组正交基的有限项展开形式，利用函数基的正交性，可简化过程神经元在时间聚合运算中的复杂性，提高网络学习效率.     

一种基于Legendre正交基变换的过程神经元网络训练

为解决过程神经元网络训练涉及的时域聚合运算问题,提出了过程神经元网络的一种学习算法。算法在网络的输入函数空间引入Legendre正交函数基,将输入函数和网络连接权函数表示为该组正交基的有限项展开形式,利用Legendre函数基的正交性,避免复杂的积分过程,降低过程神经元在时间聚合运算中的复杂性,提高学习效率。仿真实验结果证明了算法的有效性。     

深圳妈湾电厂烟气脱硫工程对区域SO2改善作用研究

深圳妈湾电厂地处海、陆交界,面临大海,背靠起伏不平的山地和台地.为了较准确评估妈湾电厂治理脱硫效果和周围环境质量改善程度,选用合适模型十分重要.结合电厂和深圳市南山区实际情况,选用诊断风场模式与轨道烟流模式相结合的模型,该模型能较细致地反映海陆风转换、流场辐散、辐合时的污染物浓度分布特征,是中、小尺度范围高架连续点源污染物浓度预测较为理想的模型.研究表明:该模型能够在流场复杂、气象条件多变的情况下,预测精度较好;通过预测分析深圳妈湾电厂采取了烟气脱硫工程后对南山乃至深圳宝安地区的大气环境中SO2的改善作用明显.     

太原市大气污染物浓度预测方法研究

太原市是全国大气污染最严重的城市之一，其中主要污染物有SO2、总悬浮颗粒物．根据“九五”期间太原市大气中SO2浓度变化规律，使用灰色系统理论，建立GM(1，1)动态模型，对SO2浓度进行预测．结果表明，预测模型精度较高，残差最大值小于15％，预测结果与实际状况基本相符．     

大气污染物长期平均浓度预测程序的编制及应用

运用FORTRAN语言编制了大气污染物的长期平均浓度预测程序，并在研究分析某市历年长期风向频率、风速和大气稳定度及不同风向、风速、稳定度联合频率等气象资料和调查污染源的基础上，运用该程序对某公司排放的主要大气污染物TSP、SO2、NOx的长期平均浓度进行了预测，结果表明本程序能够很好的对大气污染物的长期平均浓度进行预测，而且预测结果也是合理的。     

基于人工神经网络的污染源数据预测

通过神经网络在污染源自动监测系统中建立预测模型,对污染源数据进行预测,对环保决策、管理工作有着重要的意义。利用Elman神经网络在大气中的SO2浓度及其历史数据、影响因子之间建立预测模型,仿真结果表明所建立的模型对样本数据有着较准确的预测能力,具有一定的参考价值。     

Model for Predicting Roadside Concentrations of Traffic Pollutants

An analytical model is presented to estimate traffic pollutant concentrations based on an artificial neural network (ANN) approach. The model can analyze the highly nonlinear relationship between the traffic flow attributes, meteorological conditions, road spatial characteristics, and the traffic pollutant concentrations. This study analyzes the multiple factors that affect the pollutant concentration and establishes the model structure using the ANN technique. Collected data for the pollutant concentrations as functions of variant factors was used to train the ANN model. A method was developed to automatically measure the traffic flow attributes, such as traffic flow, vehicle speed, and flow composition from video data. The results indicate that the model can reliably forecast CO2 concentrations along the roads.     

葫芦岛市空气污染空间格局分析

通过建立大气排放GIS数据库,利用空间插值法,分析了葫芦岛市各种大气污染源以及大气污染物的空间分布格局,提出了相关的建议,可以为开展城市环境容量测算、环境质量预报和空气质量管理战略以及政府的综合决策提供科学依据和技术支持.     

人工神经网络在苏州空气污染预报中的应用

人工神经网络在预测预报领域的应用越来越广泛。简单介绍了BP神经网络的基本原理,较详细地回顾了国内BP神经网络在空气污染预报领域的研究应用情况,并建立了苏州市区SO2浓度预报的BP神经网络,预报结果表明:该模型具有简便、快速、准确的优点,可推广用于其它空气污染物的预报。     

农业活动的污染物排放及其大气环境效应研究进展

农业活动是一个重要的大气污染物排放源。随着我国工业污染物减排措施的不断加强以及我国农业现代化发展进程的加快,农业活动的污染物排放对大气环境的影响将日益突出。文章综述了农业活动排放大气污染物的基本形式和影响大气复合污染的主要机理,分析了农业活动的污染物排放及其大气环境效应模拟研究现状,并提出了面临的主要问题：(1)农业排放源估算和排放源清单制定的不确定性;(2)PM2.5与农业排放各前体物之间呈高度非线性关系;和(3)现有空气质量模式对PM2.5浓度及其化学组分预报准确性不够。     

平顶山市环境空气容量与污染物排放量的关系研究

确定了平顶山市区环境空气容量,建立了工业生产总值与环境空气主要污染物排放量的数学模型,从而定量讨论了环境空气容量与主要污染物排放量的关系.其中,工业生产总值与二氧化硫排放量的拟合方程为Y=0.013 8X+2.57,与可吸入颗粒物排放量的拟合方程为Y=0.005 70X+2.59,经检验,两方程均呈显著性线性关系.利用此方程,预测了未来的污染物排放量,并与不同城市面积下的环境空气容量进行了比较.结果表明,即使城市面积发展到200 km2,两种主要污染物排放量也已经超过大气环境空气容量.     

BP神经网络在大气环境质量评价中的应用研究

针对城市大气环境质量问题,运用人工神经网络理论和方法,建立城市大气环境质量评价的BP 神经网络模型.通过实例进行评价分析,说明用BP 神经网络方法评价城市大气环境质量是可行的.该模型具有很强的学习、联想和容错功能,其分析结果和过程都接近人脑的思维过程和分析方法,使得城市大气环境质量评价结果的精度大大提高.     

SO2污染对树木叶片中可溶性糖及叶绿素含量的影响

SO2是我国当前最主要的大气污染物.对植物的生长发育有一定程度的危害.SO2的大气污染使植物生活环境发生了改变,植物体也产生了相应的反应.植物叶片中的可溶性糖含量下降和叶绿素含量下降便是植物体对不良环境条件胁迫所产生的反应之一.