-
题名基于知识进化方法的大气污染灾害研究热点预测研究
被引量：1
- 1
-
-
作者
赵积强
吴先华
赵红梅
-
机构
上海海事大学经济管理学院
上海交通大学船舶与海洋建筑工程学院
-
出处
《灾害学》
CSCD
北大核心
2023年第3期156-161,181,共7页
-
基金
国家社科重大招标项目“大数据时代大气污染物排放的优化管控研究”(18ZDA052)。
-
文摘
基于1980—2021年期间CNKI数据库中大气污染灾害研究的相关文献,采用知识进化方法,建立了一种适用于大气污染灾害研究热点预测模型,并以2021年的大气污染物灾害防治研究进行了实证。结果表明:预测模型准确率比传统灰度预测模型提升了21.43%;环境政策等外部因素对热点预测模型影响较大;2023年,臭氧灾害防治和区域大气污染灾害协同治理是大气污染物灾害研究领域的热点内容,在外部政策影响下,重污染天气消除和柴油货车污染治理成为新增研究热点。
-
关键词
大气污染灾害
知识进化
趋势预测
大气污染灾害防治
-
Keywords
air pollution disaster
knowledge evolution
trend prediction
air pollution disaster control
-
分类号
X51
[环境科学与工程—环境工程]
X4
X915.5
-
-
题名上海市夏季高架道路边颗粒物垂直分布研究
被引量：3
- 2
-
-
作者
何红弟
赵积强
程丽军
刑小虎
-
机构
上海海事大学物流研究中心
江南大学物联网工程学院
-
出处
《安全与环境学报》
CAS
CSCD
北大核心
2018年第3期1177-1184,共8页
-
基金
国家自然科学基金项目(11672176)
上海市科委资助项目(17DZ2280200)
-
文摘
为研究夏季高架路边颗粒物浓度的垂直分布规律,以上海市南北高架交叉处路边垂直区域为研究对象,通过Fluke 985粒子计数器采集颗粒物数量浓度数据。分析了6种直径范围颗粒物（0.3-0.49μm、0.5-0.99μm、1-1.99μm、2-4.99μm、5-9.99μm、≥10μm）在高架路垂直区域的分布规律,并结合微观尺度下的交通、气象、高度等数据建立了逐步回归和SVM神经网络预测模型。结果表明：在高架路边的垂直方向上,随高度增加,6种颗粒物浓度整体呈现下降的趋势;0.3-0.49μm、0.5-0.99μm、1-1.99μm三种颗粒物浓度受高架桥带来的＂盖子效应＂影响,在距离地面约21 m高的7楼达到最大值;总体上早高峰颗粒物浓度大于晚高峰,工作日颗粒物浓度高于非工作日;SVM神经网络模型比线性逐步回归模型能更好地预测高架路边颗粒物的垂直分布规律,可作为上海市夏季非降水天气高架桥面附近颗粒物浓度预测的方法。
-
关键词
环境工程学
城市高架路边
垂直分布
逐步回归
SVM神经网络
-
Keywords
environmental engineering
urban viaduct roadside
vertical distribution
stepwise regression
SVM neural network
-
分类号
X513
[环境科学与工程—环境工程]
-
