洪湖沉积物碳氮磷分布特征及污染评价

洪湖是中国第七大淡水湖,富营养化问题日益突出。全面了解洪湖沉积物氮、磷、有机质的含量及分布特征,对掌握其富营养化现状与氮磷污染生态风险具有重要意义。在湖区布设了8个采样点,2019年10月采集50 cm柱状沉积物,分别测定不同深度沉积物总氮(TN)、总磷(TP)以及有机质(OM)含量,分析了TN、TP 和OM 含量的空间分布特征及相关性,并运用综合污染指数法评价其对应的污染程度。结果表明:洪湖沉积物TN含量在467.8~8 454.5 mg/kg之间,平均值2 167 mg/kg,为重度污染,其中近一半的采样点表层沉积物TN含量>5 000 mg/kg;TP含量在502.7~1 252.4 mg/kg之间,平均值693.8 mg/kg,除杨柴湖为重度污染外,其他大部分地区为中度污染;有机质含量占比在5.0%~24.9%之间,平均值9.6%,为重度污染。在垂直空间上,TN、TP 和OM 均在沉积物表层垂向深度0~20 cm存在明显的积累,其含量随垂向深度的增加而迅速降低。研究成果可为洪湖富营养化的控制与治理提供科学数据支撑。     

广东省东江流域显著水问题类型识别

通过构建流域水资源、水环境与水生态功能评价指标体系,采用ArcGIS自然间断点分级法分析广东省东江流域水资源、水环境与水生态3类涉水功能的空间格局特征,采用Spearman等级相关系数定量分析3类涉水功能间的交互作用,识别各地区显著水问题类型,并提出相应管控策略。结果表明：广东省东江流域水资源、水环境与水生态功能评价等级空间格局体现出显著的空间差异性;流域水资源、水环境与水生态功能间的交互作用类型为兼容;基于3类涉水功能评价等级及功能间交互作用类型,将广东省东江流域10个评价单元划分为水资源、水环境、水生态、水资源-水环境、水生态-水环境及非显著型6个显著水问题类型。     

苏州市景观水体表观污染类型识别及特征指标筛选

为解决表观污染成因的问题,以苏州市区河网为主要研究对象,采集796个数据样本,对景观水体的表观污染类型进行划分界定,并通过对数据样本的统计分析,探究水体表观污染类型和水质指标之间的关系。结果表明:氧化还原电位、溶解氧、叶绿素a、高锰酸盐指数和浊度对不同污染类型的水体具有很好的区分度,可作为主要特征指标;景观水体可分为有机主导型、无机主导型、营养主导型和混合型4种表观污染类型;不同表观污染水体判别的优先次序为有机主导型、无机主导型、营养主导型、混合型。     

基于水表误差曲线重建的供水系统表观漏损量估算方法及应用

在分类用户用水模式分析的基础上,考虑选取5个特征流量进行水表误差曲线重建,对水表误差值进行修正,建立了基于水表误差曲线重建的表观漏损量估算方法.利用该方法对苏州市研究区域内新建小区、老旧小区、工业、商业、学校和医院等6类用户的水表误差进行修正,各水表的误差修正值分别为-0.25％、-4.1％、-4.59％、-2.03％、-5.74％、-0.34％,据此计算得到各类用户的表观漏损水量分别为7.41万m3、103.42万m3、292.50万m3、28.29万m3、167.83万m3、2.82万m3.与传统方法相比,建立的方法考虑到用户用水模式对水表误差曲线的影响,对表观漏损水量估算更为准确,能为用水行为类似的苏南地区的表观漏损水量估算提供参考.     

基于在线监测的污水管道旱天入流入渗分析

以我国南方某城市为研究区,基于分层级的布点思路,布设了56个监测点位,采用在线监测技术与人工采样化验相结合的方式,应用物料守恒方法,对污水管道的客水入流量进行了定量分析,划分了入渗等级,识别了优先修复等级,并以管道检测技术对分析结果进行验证.结果显示,由于居民小区内化粪池的影响,小区出水浓度低于实际生活污水浓度;研究区域整体入渗率为69％;入渗最严重的点位入渗率高于97％,应及时开展修复;根据监测得到的排水分区入流入渗分析结果与后期开展的管道检测结果完全一致.     

白河、潮河底栖动物分布与特征研究

在对潮河和白河北京境内段底栖动物调查基础上,采用群落分析法并运用BI指数和Shannon-Wiener多样性指数进行水质评价.结果表明:本次共采集底栖动物44种,水生昆虫及幼虫占比最大.底栖动物种类丰富度白河优于潮河.河流评价结果显示,潮河和白河水质整体为优.BI指数法评价中,潮河和白河以清洁为主.Shannon-Wiener多样性指数评价结果中,白河以轻污染为主,潮河以中污染为主.BI指数法适用性较好,而且评价结果较为准确,评价结果对潮河、白河水质判别具有借鉴作用.     

一种改进的基于在线解耦的轻量级动态污点分析方法

在针对二进制程序的实际分析场景中,动态分析方法因具有更高的准确性而得到更为广泛的关注和运用.但是以动态污点分析为代表的细粒度分析方法通常会产生较高的性能和资源开销.为缓解这些问题,本文提出一种改进的轻量级在线解耦的动态污点分析方法,其主要思想是在线解耦程序执行和指令分析,同步构建分析代码并完成分析.该方法能够进一步降低对目标程序运行时的性能影响,并易将分析过程迁移至其它上下文环境中,从而可进一步减小对目标程序运行环境的干扰.本文通过采用多种实际程序进行实验,结果表明该方法能够比传统在线污点分析具有更高的分析性能,并具有较低的系统资源消耗,易于在实际环境中进行部署和应用.     

汽车ABS自适应灰色滑模控制算法的研究

汽车防抱死制动系统的控制过程具有明显的非线性和不确定性,滑模控制和灰色预测相结合的控制方法,可以有效地改善汽车制动效能。然而在控制算法中引入预测的同时也引入了误差,传统方法中的滑模函数不能有效适应预测误差,并且预测步长必须依靠实验法确定,缺乏通用性。为解决上述问题,提出一种ABS自适应灰色滑模控制方法,可以依据预测精度,动态自适应预测步长,通过加权比例因子调节形成动态滑模控制。仿真结果表明,自适应灰色滑控方法可以有效地提高ABS系统的快速性、稳定性及鲁棒性。     

基于多记忆抗体克隆选择的人工免疫网络算法

在优化克隆算法的研究中,针对传统的克隆选择算法存在收敛性差和局部最优问题,提出一种多记忆抗体克隆选择原理的人工免疫网络算法。在克隆选择算法的基础上通过引入替代阀值因子,利用随机生成的新抗体组成种群替代原种群中对抗原亲和力最小抗体,同时增设变异概率的概念,达到在一定程度上避免记忆抗体种群的退化现象,提高算法的全局优化能力,避免陷入局部最优。仿真结果表明,算法加快了种群亲和力成熟的进程,随着进化代数的增加检测率总体呈上升趋势,能更好的应用于大规模各种识别问题中。     

改进神经网络在芝麻油掺伪检测中的应用

研究芝麻油掺伪检测问题,提高检测精度。由于成分复杂,掺伪后化学成分变化,直观难以检测。传统物理或化学芝麻油掺伪检测方法操作复杂,设备昂贵,存在不同程度缺陷。结合近红外光谱技术和神经网络优点,提出一种RBF神经网络-近红外光谱的芝麻油掺伪检测方法(NIR-RBF)。首先采用近红外光谱提取芝麻油样本的光谱信息,然后采用主成分分析提取光谱信息主要有效成分,最后将主要有效成分输入到神经网络进行学习,得到芝麻油掺伪检测结果。采用建立的模型对掺入不同类型植物油的芝麻油进行检测,结果表明,相对于其它芝麻油掺伪检测方法,NIR-RBF提高了检测精度和速度,降低了检测误差,是一种快速、有效的芝麻油掺伪检测方法。