湿地场景的实时动态模拟

实现了一个湿地场景的实时模拟系统,能实时模拟包含数万棵树、数十万棵草,以及自然地形、水面等丰富景观元素的动态湿地场景.为增强场景真实感,提出一种基于环境遮挡的光照算法,以改进几何-图像混合式树木模型的绘制效果;还提出一些高效率的方法近似模拟水面的折射、反射等光学现象,以及晴天、雨天等各种天气条件下的光照效果.在动态模拟方面,结合预计算的关节式形变以及过程式动画2种方法,模拟了树木及花草的随风摇曳效果;还模拟了湖面的微波以及雨天的雨线效果及在水面形成的涟漪.为了提高模拟效率,采用了多种细节层次技术以及最新的GPU加速技术.

基于CEEMD-Pearson和深度LSTM混合模型的PM(2.5)浓度预测方法

PM(2.5)是衡量空气污染物浓度的核心指标。通过挖掘PM(2.5)历史数据的时序特性,完成对未来PM(2.5)浓度值的精确预测具有较强的学术意义和应用价值。然而,原始PM(2.5)浓度值时间序列数据相关性对模型的预测精度产生了较大的影响。为了解决这个问题,文中提出一种基于补充总体经验模态分解-皮尔逊相关分析(CEEMD-Pearson)和深度长短期记忆神经网络(Long Short Term Memory,LSTM)混合模型的PM(2.5)浓度预测方法。该方法利用补充总体经验模态分解(Complementary Ensemble Empirical Mode Decomposition,CEEMD)对PM(2.5)浓度历史数据进行不同频率的分解,增强数据中体现的时序特性。然后通过Pearson相关性检验方法对分解后的不同频率子波(IMFs)进行筛选,将筛选后的增强数据输入到多隐含层的深度LSTM网络的输入层进行训练并预测。实验数据表明,CEEMD-LSTM混合模型的预测精度为80%,但是该模型在训练次数为7000次左右才收敛;而经过Pearson二次筛选后的模型在训练800次左右就已经收敛,并且精度提升到87%;CEEMD-Pearson与深度LSTM神经网络混合模型的训练效果最优,在训练650次左右就已经收敛,并且预测精度达到了90%。实验结果说明,CEEMD模态分解方法可以展现出历史数据中的隐藏时序特性,结合Pearson相关性分析进行的二次筛选可有效地提升模型训练的收敛速度和预测精度。因此,基于CEEMD-Pearson和深度LSTM的混合模型可以获得最佳的训练效果、最快的收敛速度以及最精准的预测结果,可以有效解决PM(2.5)浓度预测问题。

分布式电源电动汽车充电站储能系统电价分析

含分布式电源的电动汽车充电站的可再生能源供给常常小于电动汽车充电负荷,须要配电网辅助补充部分电能,不利于配电网的稳定运行。文章提出基于微电网内不平衡率的充电站储能系统的电能与电网电能联动策略。考虑配电网有峰、谷、平3种电价,故将充电站储能系统SOC分成3部分与之相对应,根据微网内可再生能源实时出力与负荷求出不平衡率U_R。当充电出现缺额时,由充电站储能系统和电网以不平衡率为比例协同补充充电缺额,实现了微电网内的能源协调控制。文章采用蒙特卡洛方法模拟电动汽车负荷,通过对比不同用户响应度的配电网等效负荷和充电站储能系统SOC,验证了该策略在微电网运行优化的有效性。该策略充分发挥了充电站储能系统和电网的联合运行优势,减小了电网负荷峰谷差,优化了电网负荷曲线。

绿色生态矿山建设投入的制度分析与机制设计研究

煤炭行业是我国的经济支柱产业,对我国的经济发展起着重要的作用。随着煤炭的过量开采和环境污染问题的加剧,我国的煤炭行业发展陷入低谷。为了促进我国煤炭行业的更好发展,本文在分析我国煤炭企业对环境影响的基础之上,提出了国内矿山在制度与机制上的提升办法,对我国的煤炭行业的未来发展进行了展望。

陕南山区斜坡孕灾地质环境条件分析——以汉阴县漩涡镇为例

为了支撑城镇国土空间规划,避免将地质灾害高易发区作为城镇发展方向,选取地质灾害高发频发的汉阴县漩涡镇为研究范例,开展大比例尺、精细化斜坡孕灾地质环境条件调查。选取斜坡的地形地貌(地貌、坡面形态、剖面形态、坡高、坡度、坡向)、地质构造、工程地质岩组(岩体坚硬程度、岩体完整程度、覆盖层类型、覆盖层厚度)、斜坡结构、地表水、地下水、人类工程活动(切坡建房、切坡修路、斜坡开垦)等7大类17项孕灾因子,采用多元逻辑回归分析与地质灾害发育的关系。结果表明,斜坡坡面形态、剖面形态、坡度、岩体坚硬程度、岩体完整程度、覆盖层厚度、地表水、切坡建房与切坡修路、斜坡开垦等9项因子对山区斜坡地质灾害发育有明显的控制作用,以9项关键因子建立地质灾害易发性评价模型可提高易发性区划的准确度。