基于深度学习的城市PM2.5浓度时空分布预测及不确定性评估

城市PM2.5浓度的时空分布预测旨在基于有限观测样本实现研究区域内PM2.5分布的全范围感知。理想的预测模型需同时保证结果的高精度与高可靠性。然而,现有研究大多以提升精度为唯一目的,忽视了由于数据质量与模型结构的各异所导致预测结果的不确定性,这极大限制了高精度预测结果的可靠性与可用潜力,从而难以有效辅助空气污染治理等实际应用。为此,本文提出一种耦合不确定性评估的PM2.5浓度时空分布预测模型。通过构建以图卷积和循环网络为主的预测模块,实现PM2.5浓度的高精度预测;同时,基于对抗学习策略与变分自编码思想构建不确定性量化模块,同步揭示预测结果的不确定性水平。深圳市实际数据实证表明,本文方法能有效兼顾PM2.5浓度预测结果的精度与可靠性,能为包括监测站点布局选址在内的环境治理工作提供科学决策支持。     

Effects of skeleton void ratio on the strength and deformation characteristics of coarse-grained soilEI北大核心

粗粒土强度变形特性与初始级配和制样干密度密切相关。为研究不同级配和密度组合的粗粒料强度变形特性,提出了一种计算简便、易于推广的粗粒土骨架孔隙比计算方法。开展的室内试验结果表明,该计算方法所得的骨架孔隙比与粗粒土力学特性之间存在较为明显的单调性变化规律。当试样尺寸一致时,随着骨架孔隙比减小,破坏剪应力增大,破坏摩擦角增大,黏聚力减小;平均初始切线弹性模量增大,平均初始切线泊松比减小。整体而言,骨架孔隙比越小,粗粒土强度、刚度越大。基于该结论,笔者提出了一种等骨架孔隙比粗粒土缩尺方法。