基于自组织神经网络的污染场地多监测指标相关性分析

为查明场地污染分布特征,需对场地土壤和地下水进行钻探取样,按规范的检测指标进行逐一测试。在初查和详查阶段将获得大量的土壤和地下水污染数据,数据样本数量大、监测指标多,数据结构复杂,如何从场地大数据中提取价值信息已成为研究热点。以某有机污染场地为例,基于自组织映射神经网络（SOM）和K均值算法开展大数据分析,深入探讨地下水和土壤中各污染指标间的相关性。结果表明:（1）基于自组织映射神经网络的大数据分析可快速挖掘复杂多维的污染场地监测数据,有效完成关键信息的提取;（2）地下水中污染检出指标存在显著的聚类特征,同一聚类中的污染指标具备相似的空间分布特征。对场地污染物检测采取先分类后分级的优化筛选策略,减少污染物检测指标数目,从而有效降低场地检测费用;（3）土壤和地下水中污染检出指标存在良好的空间相关性,这与该污染场地地下水渗流速度缓慢有关。土壤和地下水污染检出指标空间分布的相关性,有助于场地污染源的追溯。     

高频频率预测方法中国区域的精细化研究

提出了一种适用于中国及邻近区域高频天波传播的精细化频率预测方法:该方法基于ITU-R频率预测方法体系,在应用中国参考电离层模型的基础上,利用1976-2006年10个电离层观测站近三个太阳活动周期电离层特征数据的统计分析结果,充分考虑预测参量随空间位置、昼夜以及太阳活动的变化特性,重建了E层、F₁层和F₂层OWF-MUF和HPF-MUF转化因子的时空映射.利用中国境内2008年1月6条链路和2012年3月9条链路的观测结果,对本文所述方法和ITU-R建议方法进行对比分析,对比结果显示本文所述方法较ITU-R建议方法在预测精度上有了明显的改善:MUF、OWF、HPF预测的均方误差分别降低了0.28、0.16、0.45 MHz,最大误差降低量为0.90、0.55、1.31 MHz,均方相对误差平均降低了4.79%、2.97%和4.91%,最大误差降低量分别为10.14%、8.63%和11.75%.     

一句话新闻

近日,省国土资源厅直属机关党委在厅党组的领导下,协调四十多名不够条件的职工子女入学、入托,截至目前,入托问题已基本协调到位,用实际行动为职工排忧解难。（行海燕）     

碳排放和减碳的社会经济代价研究进展与方法探究

碳排放和减碳的社会经济影响与代价评估日益受到学术界和决策者的关注,本文综合分析了全球范围内碳排放与减碳社会经济影响的重要科学问题和国内外研究现状,基于卫星最新观测到的全球CO₂非均匀分布的事实,针对温控1.5 ℃和2 ℃阈值情景,探讨了全球二氧化碳非均匀动态分布与地表温度时空关系,全球二氧化碳非均匀动态分布状况下主要国家碳排放空间评价以及温控1.5 ℃和2 ℃阈值情景下中国碳排放和减碳社会经济代价评估等问题可采取的技术模型方案,并提出了构建新气候变化经济学的理论方法与技术体系。本文构建的技术路线和研究方法拟为国家制订各项应对碳排放和减碳战略与对策、减缓气候变化并实现可持续转型、提升中国在应对气候变化领域的国际话语权等方面提供决策支持。