基于灰色关联分析的邯郸市空气质量影响因素研究——以经济社会指标为视角

运用灰色关联分析法研究了2014-2018年邯郸市部分经济社会指标与空气质量影响的关联程度.结果表明:工业增加值、能源消耗、邯郸市机动车拥有量是影响邯郸市空气污染的主要因素.其中工业增加值与SO_2关联程度最高,能源消耗与PM_(2.5)和PM_(10)关联程度最高,邯郸市机动车拥有量与NO_2、O_3、CO关联程度最高.针对空气质量影响因素的分析,提出产业升级改造,优化能源结构,绿色出行等建议.     

空气质量监测的高灵敏差分吸收光谱学技术

差分吸收光谱学技术以其多组份、高灵敏、连续实时在线的测量方式正成为空气质量监测的理想工具,是空气质量污染指标常规在线监测技术的发展方向。介绍了差分吸收光谱学技术的原理、关键技术以及所研制的空气质量自动监测系统。重点介绍了该项技术在环境空气质量自动在线监测中的应用。     

基于DMC方法的城市空气质量SUR模型研究

我国现阶段城市化的日益发展,使城市空气质量的宏观调控面临越来越大的压力。本文建立了关于空气质量的似乎不相关(SUR)模型,采用Jeffreys's的不变先验分析直接蒙特卡罗(DMC)方法,计算各参数的贝叶斯后验密度和未来值的预测密度。对中国厦门市区三项污染指标及四项外部驱动因素的数据进行实证分析,并将其与贝叶斯分层模型得出的结果进行比较。     

回归分析与基于MIV的RBF神经网络在PM2.5的相关因素分析中的应用

PM2.5作为大气首要污染物,严重影响着人们的身体健康.为了研究影响PM2.5的相关指标,以武汉市的空气数据为研究对象,通过多元线性回归、偏最小二乘回归、基于MIV的RBF神经网络回归等方法对AQI中6个基本监测指标的PM2.5(含量)与其它5项分指标及其对应污染物(含量)之间的相关性进行分析;通过比较,基于MIV的RBF神经网络回归模型拟合度达到0.9302,效果最好,而且也优于BP人工神经网络回归算法,因此得出了精确可靠的影响PM2.5的指标权重大小,为减排PM2.5提供了可靠的理论依据.     

深化课程理念 回归数学本质——2009年高考数学(广东卷)对教学的启示

2009年是广东省实施新课程后的第二次高考,3年来文、理科数学试题从基本相同到基本不同,这也是贯彻新课程标准倡导的:突出不同的人要在数学上有不同的发展.体现了广东高考在稳定中逐步提高对新课标的理解,深化新课程的理念.2009年高考数学(广东卷)是如何落实新课程理念,对我们的平时教学会有哪些启示呢?下面是笔者个人的一点认识,与同行探讨.     

顶空萃取-气相色谱-质谱法分析气雾型空气清新剂中的挥发性成分

随着人们生活水平的提高,人们对空气质量的要求也越来越高,环境异味对人体健康、情绪、工作效率等可造成一定的影响[1]。市售的空气清新剂主要有固体、液体、气雾型3种,其中气雾型空气清新剂最受欢迎,它具有易携带、使用方便、快速散香等优点。气雾型空气清新剂主要通过喷发弥散的香气     

基于改进的SAPSO优化支持向量机的太原市空气质量评价

由于气象环境复杂多变且具有动态的不确定特性,选取太原市2014年至2015年的空气污染物监测数据,将模拟退火算法(SA)与粒子群算法(PSO)相结合并对其进行改进,优化支持向量机(SVM)完成参数寻优,并运用偏最小二乘法(PLS)分析各污染物因子间的相互作用,构造出一种新的空气质量评价模型.实验结果表明,改进的SAPSO-SVM与PSO-SVM和SVM相比,模型运行时间短、等级分类精度高,具有良好的评价性能,为空气质量评价提供了新思路.     

基于GSM的远程空气质量监测系统设计

由于人们环保意识的提高,越来越多的场合期望提供实时的空气质量监测数据.对于这类应用场景,基于无线网络的远端监测站点与数据处理中心的系统架构已经十分成熟.给出了基于信号覆盖率最高的GSM中最可靠的短信服务作为数据传输媒介的远程空气质量监测系统的设计方案.方案中的硬件选型以性能、尺寸和功耗同时作为标准,力求使得系统具有更佳的工程使用价值,方便日后推广.同时监测中心除提供基本的监测软件外,还提供了开发库,便于用户利用监测站点的数据进行二次开发.通过对原型机的测试,该设计能够在无外部电源供电的情况下连续72 h对空气质量进行监测,具有实用推广价值.     

基于Keras的LSTM模型在空气质量指数预测的应用

为了高精度预测空气质量指数(AQI),针对大气环境复杂多变性、不确定性,以2014年至2017年的太原市空气污染物监测数据为基础,首先采用python3.5.2中的相关性分析函数对污染物与AQI指数进行了相关性分析,然后建立基于深度学习库Keras(一种高层神经网络API)的长短期记忆循环神经网络(LSTM)模型,对太原市空气质量指数(AQI)进行仿真预测.实验结果表明:模型的均方根误差为4.875,具有预测精度高、范围广等优点,为大气污染防治工作提供了科学合理的理论依据和新的预测方法.     

基于PSOGSA-LSTM模型的长江经济带空气质量指数预测研究

本文以长江经济带100个地级及以上城市的空气质量指数(AQI)为研究对象,选取了六大污染物和11个影响空气质量指数的气象因子作为影响因素。针对空气质量相关数据的特性,将粒子群算法和万有引力算法结合的混合算法(PSOGSA)与长短期记忆(LSTM)神经网络进行组合,建立PSOGSA-LSTM组合预测模型,对模型的预测精度进行了三个方面的检验,并与传统的LSTM模型的预测结果进行比较,最后将其应用于长江经济带100个城市未来7天的空气质量指数预测。研究结果表明,PSOGSA-LSTM模型相比传统的LSTM模型具有更高的预测精度和较强的稳定性。