基于改进INFO-Bi-LSTM模型的SO_(2)排放质量浓度预测

针对火电机组SO_(2)排放质量浓度的影响因素众多,难以准确预测的问题,提出一种改进向量加权平均(weighted mean of vectors,INFO)算法与双向长短期记忆(bi-directional long short term memory,Bi-LSTM)神经网络相结合的预测模型(改进INFO-Bi-LSTM模型)。采用Circle混沌映射和反向学习产生高质量初始化种群,引入自适应t分布提升INFO算法跳出局部最优解和全局搜索的能力。选取改进INFO-Bi-LSTM模型和多种预测模型对炉内外联合脱硫过程中4种典型工况下的SO_(2)排放质量浓度进行预测,将预测结果进行验证对比。结果表明:改进INFO算法的寻优能力得到提升,并且改进INFO-Bi-LSTM模型精度更高,更加适用于SO_(2)排放质量浓度的预测,可为变工况下的脱硫控制提供控制理论支撑。

基于改进核极限学习机和集成算法的脱硫出口SO_(2)浓度预测

脱硫出口SO_(2)浓度的准确预测对实现脱硫系统经济运行具有重要意义,针对脱硫出口SO_(2)浓度影响因素众多,难以准确预测这一问题,提出了基于龙格库塔优化的核极限学习机(KELM)和改进AdaBoost集成算法相结合的预测模型。首先采用核极限学习机作为弱预测器,利用AdaBoost集成算法组合构建强预测器,通过调整脱硫系统不同工况下运行数据权重,建立了一种基于AdaBoost集成算法的出口SO_(2)浓度预测模型。为进一步提升模型学习性能和预测精度,通过引入惩罚系数和先验知识参数改进AdaBoost算法的损失函数,运用龙格库塔算法对KELM的正则系数C和核参数S进行寻优,克服初始参数设置对模型稳定性和预测精度的影响。最后利用电厂运行数据进行仿真实验,结果表明,所建立的出口SO_(2)浓度集成模型预测性能优越、准确度高,能够为脱硫系统优化控制提供技术支持。

基于深度信念网络的循环流化床SO_(2)排放浓度预测

我国火电机组超低排放要求二氧化硫排放时,其质量浓度小于35 mg/m3,精准预测SO_(2)排放浓度并加以控制对于火电机组环保运行具有重要意义。针对循环流化床SO_(2)排放浓度预测问题,引入深度机器学习方法建立了基于深度信念网络的SO_(2)排放浓度预测模型。首先,通过机理分析确定影响SO_(2)排放浓度的操作变量,并作为模型输入;其次,利用DBN网络提取模型输入的深度特征,以ELM作为回归器建立预测模型;最后,将DBN-ELM模型与目前常用的3种SO_(2)排放浓度预测模型进行了对比,结果表明,该模型均方根误差、平均绝对误差分别为175.3 mg/m^(3)、117.6 mg/m^(3),预测精度远高于其他3种对比模型,在实际工程中更具有应用价值。

基于特征选择的IPSO-GRU脱硫系统出口SO_(2)浓度预测模型

针对燃煤电厂在吹扫等过程中脱硫系统出口SO_(2)浓度的不能及时检测的问题,提出了一种基于特征选择的改进粒子群优化算法优化门控循环单元神经网络(IPSO-GRU)的脱硫系统出口SO_(2)浓度预测模型。通过最大相关最小冗余(minimum Redundancy and Maximum Relevance,mRMR)算法对采集的目标数据进行预处理,挑选出合适的变量,随后将选定的变量作为IPSO-GRU预测模型的输入。针对门控循环单元(Gated Recurrent Unit,GRU)模型关键超参数难以确定的问题,使用改进粒子群(Improved Particle Swarm Optimization,IPSO)算法对模型参数进行训练,以降低GRU的训练成本。最终实现对脱硫系统出口二氧化硫浓度的预测。实验结果表明,所提模型与传统循环神经网络相比预测精度更高,在工程实际中更具应用价值。

金融发展恶化了中国城市的环境质量吗?——基于275个城市的空间动态面板数据模型

论文利用兼具空间估计方法和动态面板回归模型优势的空间动态面板数据模型研究了中国275个城市金融发展对SO_2排放的影响效应。系统广义距估计发现,总体而言,金融机构贷款比率、存款比率显著的促进了城市的SO_2排放;然而,金融集聚却抑制了SO_2排放。从间接渠道来看,金融发展通过促进经济发展增加了SO_2排放,但通过吸收FDI的技术溢出消减了SO_2排放。进一步研究表明金融发展对于不同区域的城市SO_2排放存在差异性的影响效应。

CO_(2)浓度升高下水稻株高、茎蘖与SPAD动态响应及其模拟

水稻是中国主要粮食作物,CO_(2)浓度升高直接影响水稻的生产。但在CO_(2)浓度升高条件下,水稻生长发育的动态特征及其模型模拟研究尚不足。为探究水稻株高、分蘖与SPAD(表征叶绿素相对含量)动态对CO_(2)浓度升高的响应特征,在2017年与2018年,以常规粳稻“南粳9108”为试验材料,利用开顶式气室(OTC),设置背景大气CO_(2)浓度与CO_(2)浓度升高(+200μmol·mol^(-1))两个处理,并采用Logistic方程、Logistic修正方程和多项式回归方程分别对三者的动态曲线进行定量描述。结果表明:CO_(2)浓度升高对抽穗前的株高无影响,但当抽穗1周后的有效积温(GDD)大于720℃·d时,显著增加了最终株高,其增幅为7.1%(P<0.05)。因此,水稻生长的环境温度调控株高对CO_(2)浓度升高的响应。株高可用大于10℃的GDD和CO_(2)响应比建立的Logistic方程进行有效模拟(r~2>0.953)。CO_(2)浓度升高总体上提高了水稻的分蘖能力,并且以移栽后天数和CO_(2)响应比为驱动变量,采用Logistic修正方程有效地模拟了茎蘖增长与消亡动态(r~2>0.971)。CO_(2)浓度升高仅增加了2017年抽穗后35 d旗叶与倒二叶的SPAD(P<0.05),但对其他时期或叶位SPAD无显著影响。因此,水稻SPAD对CO_(2)升高的响应因叶位选择与测定时间而异。多项式回归模型能有效模拟抽穗后不同叶位SPAD动态(r~2>0.960),其中抽穗后天数和CO_(2)响应比是驱动变量。综上所述,CO_(2)浓度升高对水稻株高、茎蘖与SPAD具有促进作用,其效应与外界因素有关。模型能较好地模拟水稻株高、茎蘖与SPAD对CO_(2)浓度升高的动态响应。该研究可为未来CO_(2)浓度升高条件下,水稻生长发育和产量形成的预测提供科学依据。

双向门控循环神经网络的SO_(2)排放浓度预测模型

火力发电站脱硫系统数据具有大惯性和延时性等特点,且影响SO_(2)排放浓度的因素众多。为此,建立了基于双向门控循环神经网络(biGRU)的SO_(2)排放浓度预测模型。以分析得到的主成分为输入变量,SO_(2)排放浓度为输出变量,通过训练对脱硫系统SO_(2)排放浓度数据进行预测,并进行比较。结果表明,与传统的RNN以及LSTM模型相比,biGRU模型能够获得较高的预测精度,其对称平均绝对百分比误差相较于RNN和LSTM分别下降了4.235%,0.718%,其均方根误差分别下降了1.942,0.443 mg/Nm^(3)。该模型预测误差较低,泛化能力较好,具有较高的实际应用价值,有利于实现排放控制和节能减排。

空气质量模拟与观测机器学习NO_(2)浓度预报

在空气质量模拟预报数据基础上,采用套索算法(Lasso)将前馈神经网络(FNN)与基于污染物浓度及气象实时观测值搭建的长短期记忆网络(LSTM)组合,形成了模拟与观测机器学习(SOML)预报模型,开展了佛山市顺德区NO_(2)未来3d10个镇街空气质量监测点位逐日浓度预报.结果显示:SOML3d的准确性均优于WRF-CMAQ及其它单一模型,其中第一天SOML平均绝对误差(MAE)为4.99μg/m~3,改进幅度达66.18%;SOML不同季节适用性均较强,四季预报效果均较WRF-CMAQ明显提升(MAE分别降低42.18%、42.89%、61.04%、50.91%),其中秋冬季改善幅度更好;相比WRF-CMAQ,SOML预报结果能较好反映顺德区内各站点NO_(2)浓度实际空间分布和数值水平,有效提升了浓度预报精准度.

基于数据驱动的CFB机组变负荷工况SO_(2)质量浓度建模

由于循环流化床(CFB)机组在动态过程中缺乏有效的污染物生成与还原模型的指导,导致变负荷能力在一定程度上受到污染物排放水平的制约。提出了一种基于数据驱动的循环流化床机组SO_(2)质量浓度动态模型,应用极限学习机建立基础模型,根据循环流化床污染物生成与还原机理,选择合适的输入变量,并应用遗传算法对该模型加以改进,使该模型具有较高的精度,并在动态工况下有较好的建模结果。该模型可以为SO_(2)质量浓度控制系统提供有效指导。同时,在所提出的模型基础之上,在智能平行控制理论框架下,虚拟系统与实际系统相结合形成平行系统,提出了循环流化床机组SO_(2)控制系统智能平行控制方法,可为今后循环流化床机组SO_(2)低排放智能控制提供参考,在一定程度上有利于提升循环流化床机组变负荷能力。

自行供暖房地产建设项目对环境空气质量中SO_2质量浓度的贡献

依据《环境影响评价技术导则大气环境(HJ2.2—2008)》的要求,利用导则推荐的ADMS空气质量模式,模拟计算自行供暖房地产建设项目实施后对周边环境空气中SO2质量浓度的贡献情况,主要包括项目排放对环境空气敏感区、最大地面小时质量浓度、最大地面日均质量浓度和年均质量浓度的影响。由模拟结果可知:本项目实施后对周围环境空气质量的影响较小,项目排放的污染物一方面容易沿主导风向轴线方向展开扩散,另一方面受局部地形的影响,容易在沟谷地带形成高值区。此外,对于城市区域内的房地产建设项目,本研究建议采取城市集中供热作为供暖方式,以消除或减少自行供暖所造成的SO2质量浓度贡献。

兰州市SO_2质量浓度的气象因素时空特征分析

首先,基于2013年9月至2014年8月SO_2质量浓度每日数据建立VAR模型,并利用脉冲响应函数研究兰州市不同监测区域,温度、湿度和风速对空气中SO_2质量浓度的影响程度,研究结果表明:SO_2质量浓度与风速显著负相关,而与温度和湿度的相关性较弱,且不同区域之间结果无显著差异。其次,基于每小时数据,为控制温度和其他主要影响因素,将时段分为采暖高峰期、采暖非高峰期、非采暖高峰期和非采暖非高峰期,分别建立VAR模型,并利用脉冲响应函数,对兰州市不同监测区域、不同时段的温度、湿度和风速对空气中SO_2质量浓度的影响程度研究,研究结果表明:不同时段气象条件对SO_2质量浓度的影响具有差异。

基于AERMOD模型评估公路交通源PM_(2.5)的浓度分布

PM2.5是公路机动车主要污染物之一,对沿线居民的呼吸健康有直接的危害,因此有必要在公路建设环境影响评价中增加对交通源PM2.5扩散浓度的评估。本文通过分析空气质量模型AERMOD、PM2.5排放清单测算模型MOVES以及建模数据需求,在交通量调查、气象数据预处理以及道路源PM2.5排放清单测算的基础上,应用AERMOD模型评估了我国某高速公路沿线PM2.5的浓度分布水平。结果表明:在研究路段沿线下风向距路肩400m范围内,均受到公路交通源PM2.5污染(PM2.5净浓度≥4μg/m3)的影响;AERMOD模型可以精细化地评估道路机动车PM2.5对空气质量的影响,为道路沿线PM2.5浓度分布评估提供了一套研究方法,其评估结果对道路规划环境影响评价具有重要的参考价值。

室内有害气体连续泄漏扩散质量浓度模型的研究与分析

以CO_2为对象,对室内空间气体连续泄漏扩散过程进行试验研究,并对室内CO_2气体泄漏扩散的均一质量浓度模型、两厢质量浓度模型和室内半球质量浓度模型进行研究。将理论模型计算值与不同位置测量点的试验数据进行比较分析。3种质量浓度模型均表示区域质量浓度的变化,理论模型计算值与试验数据均有些偏差;远离泄漏源处,偏差较小。室内空间不同位置3个模型预测值相对大小会发生变化。对于泄漏源附近及低于泄漏源处,3种质量浓度模型预测结果误差较大;对于高于泄漏源的位置,模型预测结果较好,然而质量浓度均出现振荡不稳定的现象。由于重力沉降作用,下部空间气体质量浓度较大,上部空间气体质量浓度较小。泄漏刚开始阶段,远离泄漏源处,试验测试值与理论模型值相比有一个延滞期,理论预测值偏差较大。

基于等维灰数递补动态GM(1,1)模型的城市大气环境质量预测研究

根据乌鲁木齐市2005～2011年大气环境中3种污染物(SO2、NO2、PM10)的监测值,对乌鲁木齐市大气环境质量现状进行分析评价.采用等维灰数递补动态的方法,建立GM(1,1)预测模型,对乌鲁木齐市2012～2015年SO2、NO2和PM10的浓度变化进行中短期预测分析.结果表明:近年来乌鲁木齐市主要大气污染物依然是SO2和PM10,呈现典型的煤烟型污染特征;空气综合污染指数整体呈下降趋势,空气污染程度呈逐年减轻趋势,空气质量逐步得到改善.预测结果显示,2012～2015年乌鲁木齐市大气污染物SO2和PM10浓度呈下降趋势,NO2浓度呈缓慢上升趋势.

基于PSO-Lasso算法的电站湿法脱硫出口SO_(2)浓度预测

为了能够简便地研究机组运行中的过程参数与脱硫效率的关系,提出了一种基于套索(Lasso,Least absolute shrinkage and selection operator)算法的预测方法。结合脱硫系统现场的实际数据,通过相关性分析筛选影响脱硫出口的主要因素。相比于传统的回归算法,创新性的使用粒子群算法(PSO)确定提取出的主要参数的函数形式,最后使用Lasso算法确定最终的预测模型,该模型在简化运算复杂度的同时保证了预测精度。训练数据的选取使用正交化法则,保证训练数据的丰富性与有效性。测试结果表明,模型预测误差为2.23 mg/m^(3),能够反映在工况变化下脱硫出口浓度的对应关系也有助于脱硫系统的优化控制,具有一定的研究与应用价值。

基于修正高斯烟团模型的SO_(2)瞬时排放扩散研究

大气腐蚀不仅危害人类身体健康,而且会对暴露在大气环境中的工业设备造成腐蚀危害。SO_(2)是主要的大气污染物之一,对其扩散的研究可以预测近污染源地区大气中SO_(2)浓度分布,进而为采取监测治理措施提供理论支撑。高斯烟团模型通常用来模拟在小风静风条件下稳定污染点源连续排放的大气扩散问题,但对稳定污染点源瞬时排放(排放一段时间后不再排放)的研究较欠缺。提出一种修正的高斯烟团模型,将稳定污染点源瞬时排放污染物浓度扩散问题建模为排放时间内有限个烟团的叠加,分别讨论了烟团扩散时间小于或等于排放时间、扩散时间大于排放时间条件下稳定污染点源瞬时排放的大气扩散模型,并通过实例对提出的修正高斯烟团模型进行了仿真模拟试验。结果表明:修正后的高斯烟团模型能够模拟稳定污染点源连续排放和瞬时排放两种情况下污染物SO_(2)浓度分布,且模拟结果更符合实际情况。该研究结果可为近污染源地区大气中SO_(2)浓度的实时预测提供更为有效的方法。

CALPUFF模型在合肥地区SO_2大气环境容量测算中的应用

在对合肥地区污染源调查的基础上,利用CALPUFF模型模拟了合肥地区大气污染物SO2质量浓度场,通过与现场监测结果对比分析了模型的适用性,并根据模拟结果研究了不同排放源对合肥地区大气污染的贡献情况,建立了大气污染物传递矩阵;通过综合考虑城市区域的大气扩散能力、污染源贡献和大气环境质量目标等,采用线性规划模型测算了合肥市的大气环境容量.

基于GA-BP神经网络的SF_(6)/N_(2)混合气体GIS设备故障诊断

为实现SF_(6)/N_(2)混合气体GIS设备的潜伏性故障诊断,搭建实验平台探究SO_(2)浓度与放电量之间的关系,以SO_(2)浓度增量为输入参数之一,建立BP、GA-BP神经网络模型来预测四种缺陷类型下的放电量,分析预测结果后选取最优诊断算法。结果表明:每种缺陷类型下的放电量与SO_(2)浓度之间呈现正相关性,GA-BP神经网络模型的预测准确率和拟合度分别为0.86和0.9386,平均相对误差为1.23%,在评估结果中占明显优势,可为SF_(6)/N_(2)混合气体GIS设备的潜伏性故障建立诊断算法提供基础性数据。

利用MM5-CAM_x-PSAT模型系统解析北京的SO_2来源

MM5-CAMx耦合空气质量模型系统被用于模拟中国北京采暖季节的SO2浓度.颗粒物源解析技术被应用于调查研究区域的SO2源解析问题.工业和地区的综合分析揭示,最重要的SO2贡献因子是公共场所和私人家庭供暖排放源以及来自北京城市区域的其他工业排放源,排放源贡献比例为66.1%。

考虑CO2质量浓度变化的桥梁寿命周期及维修加固措施研究

针对CO2质量浓度不断上升的趋势,提出考虑CO2质量浓度和温度变化的混凝土碳化和徐变收缩模型,对大跨径预应力混凝土连续刚构桥在不同减排情况下的寿命周期和维修加固措施进行了研究。结果表明:环境温度的改变对徐变系数的影响较为明显,不考虑气候变化的徐变系数仅为RCP8.5情况下的50%,有效应力降低4%;在最不利减排情况下(RCP8.5),桥梁退化到目标可靠度(安全寿命周期)的时间较不考虑气候变化时提前约16年;不考虑气候变化及RCP2.6情况下,采用体外预应力最佳加固时间为70年后,RCP4.5和RCP8.5情况下的最佳加固时间为85年和55年;不考虑气候变化时,在阴极保护措施下,维修加固时间可从70年推迟至85年,灌浆处理则是83年。