基于共享单车出行数据的用户行为分析

基于共享单车出行数据,对用户总体出行时间和强度进行分析,并据此对高频用户出行日期和路线进行分类,针对用户出行目的地建立预测模型.结果表明,工作日和休息日出行时间分布存在显著差异,出行强度具有频率低、距离短的特征;高频用户出行轨迹在工作和休闲两维度上可归纳为三种类型;基于共享单车历史出行数据,建立用户出行目的地预测模型所得的准确率较为合理.     

动力学模态分解方法重构及预测流场误差分析

利用动力学模态分解(dynamic mode decomposition,DMD)方法可以实现非定常流场的分解、重构和预测,但该方法重构和预测流场的误差需要给出定量分析.鉴于此,提出了定量描述动力学模态分解重构和预测流场的误差分析方法,以雷诺数Re=80的圆柱绕流二维流场数值模拟结果为例,研究了非线性流动和周期性流场重构和预测误差的动态变化情况.结果表明:依据能量大小确定的模态反映了流场的主要相干结构;低频、低增长/衰减率和大尺度的相干结构能量占比大,对流场的影响较大;DMD方法可以准确重构非线性和周期性变化流场,重构的误差小于10-10,预测流场的误差较重构流场出现跳跃增大现象;DMD方法预测非线性变化流场的误差在样本时间区间内较小(小于10-3),超出样本区间误差的发展急剧增大,变化情况依赖于数据样本;预测周期性流场的误差稳定在10-4左右.     

氧化还原介体催化强化污染物厌氧降解研究进展

 由于厌氧生物处理技术具有产生剩余污泥少、可回收能源等优点而被广泛用于处理各种有机污染物，尤其在有毒、有害、难降解污染物的去除方面取得了良好的效果。然而，厌氧生物法的处理速率通常比较低，而氧化还原介体可通过自身不断的氧化和还原来传递电子，提高电子在氧化还原反应过程中的传递速率，从而促进污染物高效厌氧降解。醌类物质和腐殖酸是应用较多的氧化还原介体，在催化难降解污染物降解方面取得了一定效果。讨论了氧化还原介体的特点、作用机制，并总结了其对偶氮染料厌氧脱色、反硝化和多氯联苯厌氧降解的强化作用，提出了氧化还原介体未来的研究方向。     

灰色系统理论在废气污染物排放量预测中的应用

应用灰色系统预测理论,以GM(1,1)模型对我国废气排放中主要污染物排放量进行预测,可有效克服原始数据的离散性,在少信息的情况下得到高精度的预测结果。以2008²012年废气主要污染物排放量为例进行了中短期的预测,结论表明,预测精度均可达到最优的精度等级。     

腐殖酸分子结构对电-Fenton性能的影响探究

采用超滤分级得到不同分子量的腐殖酸组分,并通过傅里叶红外、紫外可见、三维荧光光谱等表征其分子结构的差异.用基于Pd/Fe3O4纳米催化剂的新型电芬顿技术去除不同分子量的腐殖酸与Cr(VI)形成的复合污染物.研究表明,随着腐殖酸分子量的增大,其矿化效果越好,HA5(87.6%) HA4(79.0%) HA3(76.8%) HA2(70.0%) HA1(62.9%),且短时间内高分子量腐殖酸有较好的去除.这归因于高分子量腐殖酸表面的阴离子与Pd/Fe3O4发生静电吸附.此外,苯环取代度更高、共轭结构更多的高分子腐殖酸优先被原位生成的·OH氧化为多羟基化中间体,进而氧化开环,最终矿化为CO2和H2O.而在TOC相同条件下,低分子量腐殖酸中短链羧酸占比较高,其与·OH的反应活性低,矿化速率慢.总铬的去除同样遵循HA5(91.8%) HA4(88.2%) HA3(85.9%) HA2(85.4%)HA1(85.1%)的顺序,因为高分子量腐殖酸中含有更多能与Cr发生络合作用的活性位点,可在电解体系中协同去除Cr.本研究表明了腐殖酸分子结构对金属纳米颗粒协同电化学氧化性能和与重金属相互作用的影响,为揭示腐殖酸与Cr(VI)复合污染物的环境行为及其有效去除提供重要参考.     

基于ESI和InCites的学科发展预测研究--以中国地质大学为例

基于汤姆路透公司的ESI和InCites数据库，分析了中国地质大学各学科的特征，探讨了高被引论文、热门论文、顶尖论文与学科发展的关系，并预测后续最有可能入围ESI世界前1％的学科。     

基于变量选择-神经网络模型的复杂路网短时交通流预测

摘要： 针对传统交通流预测模型正在由单断面历史数据处理向多断面、多时刻历史数据处理转变,但在考虑各断面间的影响时,多变的交通状况往往会使预测模型复杂化的问题,引入一种多元线性回归最小绝对收缩和选择算子方法(Lasso),并利用其优秀的变量选择能力,在复杂路网多断面中选出相关性较高的断面；结合神经网络(NN)的非线性特性,提出了Lasso NN组合模型.结果表明：Lasso NN模型在路网交叉口对未来15 min交通流数据预测的误差率低于9.2%；在非交叉口的误差率低于6.7%,总体优于各自单独使用得出的结果.     

基于交通信号灯信息的混合动力汽车节能预测控制方法

针对传统混合动力汽车控制方法不考虑已知道路交通信号灯信息对车辆能量管理影响的问题,提出了基于交通信号灯信息的混合动力汽车节能预测控制智能优化策略。通过建立混合动力汽车系统的简化模型,并采用连续广义最小残量方法求解模型预测控制问题。运用MATLAB/Simulink进行仿真,仿真结果验证了交通信号灯信息模型的有效性,以及所设计的模型预测控制算法大幅度提高混合动力汽车的燃油经济性的能力和实时控制性能。研究结果表明所提出的控制策略可以实现车辆行驶轨迹的优化控制,显著提高了车辆的燃油经济性,并满足系统的实时最优控制要求。