优化进化神经网络的空气质量预测研究

进化神经网络模型与问题内部机制无关,避免了神经网络收敛到局部,但模型存在参数多而过于复杂的问题。对影响基本进化神经网络模型性能的个体编码方式和适应度函数进行优化,并自适应性定义种群交叉率、变异率。以大气中主要污染物SO2为例,考虑气温、相对湿度、风速等影响因子,实验仿真结果表明优化后的进化神经网络较传统的基本进化神经网络模型进化过程收敛更快,预测效果更佳,为环境保护部门提供可靠的决策依据。     

基于J2EE的组态软件实时数据库研究

本文介绍了基于面向对象技术的组态软件实时数据库系统的设计思想，针对实时数据库的特点，提出了一种在J2EE环境下，利用设计模式缓存数据提高访问效率的方法，给出了实时数据库和其他应用的接口实现方式和通信方法，利用该方法建立的实时数据库具有全面的开放性、可维护性和可扩充性。     

序批式气升内循环藻类生物膜反应器脱氮除磷特性

采用新型序批式气升内循环生物膜反应器(BSBAR)对混合营养型小球藻进行挂膜培养以去除黑臭水体中的氮、磷污染物。经过7 d的培养,BSBAR中附着生物量比悬浮序批式气升内循环藻类反应器(SBAR)高37. 5%,悬浮生物量一直维持在12 mg/L以下,降低了藻流失量,有利于收获藻类。BSBAR的藻类产率达到0. 096 g/(L·d),是SBAR的1. 30倍。并且BSBAR中的附着微生物具有更高的胞外多糖含量和脱氢酶活性,反应器的稳定性和污染物去除速率明显增强。当进水NH_4~+-N和PO_4~(3-)-P浓度分别为17和8 mg/L、HRT为4 d时,BSBAR出水NH_4~+-N和PO_4~(3-)-P浓度可分别降至1. 64和0. 19 mg/L,去除率分别为90. 4%和97. 6%,达到《地表水环境质量标准》(GB 3838—2002)Ⅴ类水标准。因此,利用序批式气升内循环混合营养型藻类生物膜反应器处理黑臭水体,不仅可以提高藻类产率,净化水质,还能解决藻类收获难题。     

环境监测信息共享与时空表达研究

在我国环境监测体系的建设过程中,各种监测系统大多相互独立,缺少统一数据格式和系统规范,环境监测信息共享与可视化问题急待解决;针对此,研究了环境信息集成与共享技术,基于环境信息元数据内容及空问数据库管理引擎,提出了环境监测数据仓库的概念;同时还提出了面向对象的环境监测时空数据建模与时空表达技术;基于上述方法设计实现的环境监测信息共享与时空表达原型系统已投人广州市环境监测体系中测试;结果表明,基于广州市建立的包含信息共享与时空表达的环境监测平台,能够有效地形成一个全面监控环境质量与污染物排放情况的体系,为当地管理部门提供环境监测的数据管理、时空分析和可视化等决策支持服务.