基于小波神经网络的松江区PM_(2.5)浓度预测

鉴于细颗粒物(PM2.5)浓度(质量浓度ρ,全文同)影响因素的复杂性,以及传统预测方法中存在的困难和不足,基于小波神经网络,利用松江区环保局PM2.5的浓度数据,建立了短时PM2.5浓度预测模型.通过与灰色理论预测模型、BP神经网络预测模型的对比试验分析,发现基于小波神经网络预测模型的预测值与实际值之间的误差最小,更能准确地反映样本数据之间的映射关系,预测精度明显高于其他两种预测模型.     

银川市环境空气中PM_(10)、PM_(2.5)时空分布特征

以银川市空气质量自动监测站点2014年的数据为基础,对银川市环境空气中PM_(10)和PM2.5质量浓度的空间和时间分布特征进行了分析。结果表明,受冬季燃煤采暖锅炉排放源的影响,PM_(10)和PM2.5的质量浓度在采暖期远高于非采暖期;PM_(10)和PM2.5的质量浓度具有较明显的季节、月份、区域变化特征;PM_(10)和PM2.5的逐日变化趋势较一致;全市PM2.5与PM_(10)的比值为47.3%,小于50%,表明银川市细颗粒物污染程度较轻,但也不应忽视。     

沈阳市大气可吸入颗粒物的污染特征

为研究沈阳市大气可吸入颗粒物的污染特征，选取沈阳市6个监测点位，24h连续采集2004年1、4、7、10月1～7日PM10样本．用安捷伦7500型电感耦合等离子体质谱仪分析PM10中的19种水溶性组分，对各季节各功能区PM10及其水溶性组分的污染特征、PM10浓度与其水溶性组分总质量浓度之间的关系进行分析．结果显示，沈阳市PM10浓度呈逐年下降趋势，但年均值仍然超国家环境空气二级标准。沈阳市冬季PM10污染较其它三个季节重，对全年均值的贡献较大；PM10中水溶性组分中，不同季节各功能区均以土壤元素为首要元素；全年全市PM10中水溶性组分总质量浓度占PM10浓度的7．22％．     

济南市灰霾期大气复合污染特征分析

采用济南市蓝翔技校、泉城广场、建筑大学和跑马岭4个点位SO2、NO2、PM10 、PM2.5、PM1和O3等的监测,数据,研究了济南市灰霾期大气污染物的污染特征.结果表明:灰霾天气下,各类大气污染物浓度均有不同程度的增加,且PM2.5、PM1较其它大气污染物浓度增幅较大,济南市PM2.5占PM10的60.3％,PM1占PM2.5的65.7％,说明济南市大气细粒子对灰霾的贡献率最大.典型灰霾天气下,大气颗粒物污染呈现出“南部山区好于城区、城区好于城乡接合部”的分布特征.市区VOCs与PM10、PM2.5、SO2、NO2均呈显著正相关,而O3与SO2、NO2呈显著负相关,这与光化学反应有关.     

北京市采暖期大气中PM_(10)和PM_(2.5)质量浓度变化分析

对北京市2003年11月至12月间供暖期中大气悬浮颗粒物污染状况作了较详细的监测.数据表明,北京市的这段时间,其PM10和PM2.5质量浓度因日因月而异,其中PM10平均质量浓度为253.1μg/m3,超过国家二级标准(1996)1.9倍,PM2.5的变化幅度在8.9-276.2μg/m3之间,其平均值为145.2μg/m3,超过1999-2000年监测数值38.4％;其污染源和影响因素之间关系的研究表明:在供暖期间,温度、湿度和风速对PM10和PM2.5的累积和消散也起着至关重要的作用.     

严重雾霾期大气PM2.5和PM10中水溶性离子污染特征

为掌握雾霾期大气PM2.5和PM10中水溶性离子污染特征,采集东北某市2013年10月20~31日发生严重雾霾期间大气PM2.5和PM10样品,分析颗粒物样品中9种水溶性离子(F-、Cl-、NO3-、SO42-、Na+、NH4+、K+、Mg2+和Ca2+)的质量浓度.结果表明:各水溶性离子均表现为夜间质量浓度大于日间质量浓度,其在雾霾期PM2.5中的昼、夜质量浓度比为1.68;NO3-、SO42-、NH4+等3种离子质量浓度较高,雾霾期PM2.5中质量分数分别为11.03%、8.3%和7.39%,PM10中也有类似结果.K+和Ca2+在PM2.5和PM10中,雾霾期和非雾霾期质量分数变化不大.根据各离子比值,可以判定雾霾期固定源对颗粒物污染的贡献更大,说明雾霾期城市气象因素对大气颗粒物污染影响较大.对比2009年10、11月水溶性离子数据发现移动源污染贡献在增加.     

北京市采暖期大气中PM10和PM2.5质量浓度变化分析

对北京市2003年11月至12月间供暖期中大气悬浮颗粒物污染状况作了较详细的监测.数据表明,北京市的这段时间,其PM10和PM2.5质量浓度因日因月而异,其中PM10平均质量浓度为253.1μg/m3,超过国家二级标准(1996)1.9倍,PM2.5的变化幅度在8.9～276.2μg/m3之间,其平均值为145.2μg/m3,超过1999～2000年监测数值38.4%;其污染源和影响因素之间关系的研究表明在供暖期间,温度、湿度和风速对PM10和PM25的累积和消散也起着至关重要的作用.     

基于基因表达式编程的PM2．5浓度预测模型研究

鉴于PM2.5浓度影响因素的复杂性,以及传统预测方法中存在的困难和不足,文中运用基因表达式编程算法,利用北京市2013年3月至4月的PM2.5日平均浓度值以及同步日平均污染物和气象数据,建立了PM2.5浓度预测模型．通过与灰色理论预测模型、BP神经网络预测模型的对比实验分析,发现基于基因表达式编程的预测模型所得到的预测值与实际值之间的误差最小,更能准确地反映样本数据之间的映射关系,预测精度明显高于其他2种预测模型．     

郑州市大气可吸入颗粒物浓度变化的小波分析

对郑州市2005-2010年大气可吸入颗粒物浓度(PM10)的变化特征进行了分析,利用小波分析法对郑州市PM10日浓度变化曲线进行了消噪滤波分析,并结合郑州市的气候条件,讨论了造成郑州市PM10变化规律的原因.结果表明:郑州市PM10质量浓度在夏季达到最低值,冬春季节污染较严重,这与郑州所处的地理位置、自然环境以及气候、气象条件有直接关系;郑州市大气污染物中的PM10污染得到了一定控制,但二氧化硫污染天数增加较多,应该注意SO2污染的控制;小波分析后的浓度曲线较好地把由于偶然因素造成的高频信号消除,清晰显示出污染物浓度的变化规律,小波分析法在PM10浓度变化规律的分析中有明显优势.     

基于GM-RBF组合模型的空气质量预测研究

空气质量变化是受多元复杂因素耦合作用的结果,为提高空气质量预测精度,提出了一种改进的灰色神经网络组合模型。该模型首先对原始数据进行重构,实现原始数据一维到多维的变换,从而提高数据利用率,再利用灰色模型弱化数据随机性,通过RBF神经网络实现对空气各污染组分的非线性预测。实际应用表明:GM-RBF组模型拟合及预测结果与各指标浓度实际监测结果基本一致,总体变化趋势也高度吻合,对SO2、NO2、PM10、PM2.5、CO等指标的预测精度均在0.05以下,对波动性最大的O3浓度预测精度也达到了0.0631,也印证了O3属宁波市空气质量最主要污染物。由此可见,基于GM-RBF组合模型的空气质量预测体系增强了模型的泛化能力和数据利用率,精度更高,稳定性更好,能够满足空气质量准确预测的要求,为大气污染治理及环境保护方略制定提供参考依据。     

基于统计理论的负荷特性分析及其预测

电力负荷受气象因素影响越来越大,如何准确确定气象因素是负荷预测研究的重要课题.首先采用统计学方法对影响负荷的气象因素进行分析,找到影响负荷的核心气象因索,再利用GRNN回归神经网络进行预测.经实际系统检验,证明该方法克服了传统气象负荷预测中的主观性,将气象影响因素过程量化,提高了预测结果的精度,是一种适用性很强的方法.     

基于数据挖掘的BP神经网络模型的一种改进算法

数据挖掘方法的人工神经网络是一种新的数学建模方式.传统方法对非线性数据的预测不易找到简单而有效的模型,神经网络的提出为处理非线性问韪提供了比较好的方法.针对BP算法的局限性提出了改进的BP网络模型,通过对CSP质量指标的预测结果与传统的BP模型比较,结果表明,改进的BP算法提高了学习效率,网络有较好的泛化能力,而且预测更可靠.     

传导电磁干扰噪声分离网络性能的理论研究

提出了传导性电磁干扰噪声分离器网络的基本要求,介绍了几种主要的基于硬件的分离网络结构.利用PSPICE仿真软件重点对其中3种网络的性能进行了研究.首先对网络的基本性能进行了对比,进一步利用高频LCR仪提取变压器分布参数,利用Psp ice软件电路仿真分析原副边分布电容对网络性能的影响,最后讨论了输入阻抗对网络性能的影响.     

OIHF Elman网络在燃气日负荷预测中的应用

提出了一种新的基于改进Elman网络的燃气日负荷预测模型,不仅考虑了隐层节点的反馈,还考虑了输出层节点的两个反馈。模型中综合考虑了天气、温度、日期类型等因素,并与实际数据及其它网络预测结果进行对比。结果表明：该网络预测具有较好的精度。     

无线传感器网络节点的系统设计

无线传感器网络节点的系统设计是组建无线传感器网络的关键技术之一。根据无线传感器网络的低功耗特性,讨论了基于Texas Instruments的节点硬件设计方案,由此来实现节点硬件设计。网络节点的设计采用Msp430F1611处理器芯片和CC2420射频芯片,并简单讨论了TinyOS程序下节点之间的网络拓扑结构的形成和上位机数据采集。试验结果表明,整体网络中的节点具有自组网,数据采集等功能。     

基于神经网络和蒙特卡罗方法的天气衍生品定价研究

参考温度变化过程的固有特性,利用1951年至2010年重庆市的温度数据,采用BP神经网络对温度进行预测估计,并采用蒙特卡洛方法对天气衍生品进行定价.仿真结果表明,该方法有效且相对误差较小,对开发重庆市的天气衍生品市场有一定的实用价值.     

对神经网络污染预报建模的影响因素

为了通过大气环境质量的预测提出有效的污染防治措施,作者采用伦敦市PM_2.5的小时监测数据,利用传统的BP神经网络建立预报模型,定量预测伦敦市PM_2.5的小时平均质量浓度,探讨了大气污染预报网络的建模过程中,扩大样本集、去除样本集数据噪声和在输入向量中加入气象变量等因素对建模所产生的影响.最后得出结论,适当选择样本集、加入气象变量,有利于提高所建网络模型的预测精度.     

基于概率模型算法的设备运行状态分析

从设备状态动态变化的本质出发,采用概率神经网络方法构建设备状态概率模型,描述设备从正常到故障的全过程．通过对神经网络结构的分析和主要模型参数的计算,以设备运行历史数据作为网络样本点,在模型数据预处理的基础上建立了设备的概率模型,该模型能较好地反映机械设备的运行状态,通过现场数据的分析,证明了该模型的合理性和正确性．     

网络融合中三种IP传送技术的应用与比较

随着技术的发展和人们对信息服务要求的不断提高,有线电视网、计算机网、电信网的融合将是最终趋势。本文简要分析了目前国内三种网络的发展状况,并分析比较了应用于三网融合中的三种IP传送技术。     

大气污染预测中提高BP网络泛化能力的方法

为了通过预测大气环境的质量和发展变化,来寻求有效地控制和改善环境质量的相应措施,选用英国伦敦马里波恩监测站PM_2.5的小时平均浓度监测资料,采用贝叶斯归一化训练算法和提前终止法泛化改进的BP神经网络模型,预报PM_2.5的24 h内的各小时浓度.结果表明,采用本方法进行空气污染预报,预测相对误差为20%~49%,提高了预报网络的泛化能力.