清洗频率对固定床生物滤器水处理性能的影响

本实验基于一种新型的具有自洁功能的固定床生物滤器, 研究了不同的清洗频率: 0.5次/d (S1)、1次/d(S2)和2次/d(S3)对生物滤器的硝化性能、截污能力和硝酸盐氮积累的影响。研究表明: 清洗频率对生物滤器去除氨氮(NH₄⁺-N)没有显著影响(P > 0.05); 在第6~9 d对生物滤器内亚硝酸盐氮(NO₂^–-N)的浓度有显著影响(P < 0.05), 第11 d后均无显著影响(P > 0.05); 在整个实验过程中, S3处理组与S1、S2处理组相比总固体悬浮物(TSS)去除分别提高53.52%和19.01%, 化学需氧量(COD_Mn)去除分别提高57.94%和27.01%, 差异性显著(P < 0.05); 在硝酸盐氮(NO₃^–-N)积累方面, S3处理组积累最少, 在整个实验过程期间与S1、S2处理组相比分别降低16.04%和23.01%, 差异性显著(P < 0.05)。总体来说, 高清洗频率对生物滤器的硝化性能无显著影响, 但能使生物滤器截留的TSS快速排出系统, 从而减少系统内的水处理负荷和硝酸盐氮积累, 有利于系统的长期稳定运行。     

�˼�RPDOPֵ��GPS���μ�⿹��Kalman�˲�

??GPS???μ???У???????????·??Ч????????????????ν??????λ??????г????д??????????ν????????????λ??????????λ?????????????????λ????????????????????????GPS?????λ?е?????λ???ξ????????????????????????Kalman?????????к????????????y????????????RPDOP??????Kalman??????и???????Ч????     

1013号台风“鲶鱼”的台风环流分离方法比较

台风系统为中α尺度系统,接近大尺度系统.为了研究环境气流与台风的相互作用,需要将台风从环境风场中分离出来.分别采用时间滤波、空间滤波和动力学方法将2010年第13号（1013号）超强台风“鲶鱼”（Megi）从环境风场中分离出来,对比分离得到的台风环境场,结果表明：时间滤波和空间滤波具有相对的随机性,容易留下台风风场的残留,同时也会减弱环境风场,而采用动力学方法可以将台风“Megi”较好地分离出来.3种方法各有优缺点,采用时间滤波可以使风场、高度场和温度场很好地平衡,但是需要较长的时间序列;空间滤波方法,仅采用一个时刻的时间,方法相对简单易用,但是由于台风风场、高度场和温度场的尺度并不相同,采用同一尺度对台风滤波容易造成风场、高度场和温度场的不平衡;动力学滤波方法分离效果较好,但是相对复杂,在低层也容易产生不平衡的现象.     

免烧粉煤灰滤料的制备及其性能的研究

为了扩大粉煤灰的应用范围,减少其对环境的污染,并且寻求一种新的水处理滤料的配方与制备方法,以粉煤灰、粘土为主要原料,以生石灰、石膏、水泥为激发剂,以H₂O₂（双氧水）、NaHCO₃为发泡剂,经搅拌、成型、自然冷却等工艺在实验室制备了免烧粉煤灰滤料.结果表明,如果以孔隙率作为主要的性能评价指标,制备免烧粉煤灰滤料的最佳质量配比为：粉煤灰46.30%,粘土13.89%,生石灰18.52%,水泥13.89%,石膏1.85%,纯H₂O₂ 5.55%,此时所制滤料的孔隙率为72.24%.     

组合导航中一种新息自适应卡尔曼滤波算法

全球定位系统/航位推算组合导航定位中,由于目标运动的不确定性,GPS接收机与DR器件接收的数据存在噪声,使预置目标运动模型通常很难得到较高跟踪精度,针对应用常规卡尔曼滤波进行组合导航解算由于噪声统计特性未知而引起滤波不稳定的问题,本文提出了一种基于新息序列的量测计算进行自适应估计的卡尔曼滤波算法。该算法通过对新息方差强度进行极大似然估计,将新息计算引入卡尔曼滤波器的增益计算,达到控制发散的目的。最后对改进的算法与一般卡尔曼滤波算法做了对比仿真试验分析,结果表明了改进算法的有效性。     

常加速度模型的简化自协方差最小二乘法

“当前”统计模型自适应算法并非真正意义上的自适应目标跟踪算法,其性能与其中关键参数的选择有着直接的关系。本文以常加速度模型对机动载体进行建模,顾及其状态噪声协方差矩阵满足特定结构,提出了简化的自协方差最小二乘噪声协方差估计方法,该方法通过建立新息的相关函数序列与未知噪声协方差矩阵间的函数模型,并结合最小二乘法进行噪声协方差估计。数值仿真结果表明,当载体进行阶跃加速度运动或变加速度运动时,本文所提方法的目标跟踪精度均优于“当前”统计模型自适应算法。     

基于Wi-Fi和Android平台的室内定位技术研究

由于GPS不能满足用户对室内定位的需求,研究并开发基于Wi-Fi和Android平台的室内定位系统,利用位置指纹匹配算法和Kalman滤波实现室内定位。实验结果表明,该系统具有良好的实时动态定位效果。     

基于不同滤波算法差异的机载LiDAR数据桥梁提取

在对形态学滤波和区域生长算法研究的基础上,通过对桥梁的特点进行分析,提出一种基于形态学滤波和区域生长算法的滤波结果的差异进行桥梁探测的算法.算法不受桥梁形状的影响,桥梁可分叉、无需平行和等宽,甚至在部分桥梁数据不完整的情况下也有效.通过3个不同场景的桥梁实例验证算法的正确性.     

神经网络辅助的GPS/MEMS-INS组合导航算法

在GPS/MEMS-INS(Micro-electromechanical System-Inertial Navigation System)组合导航中,当载体处于恶劣环境下或者载体处于大机动运动情况下,会导致GPS失锁。此时单独工作的低精度MEMS-INS会由于其位置和速度误差随着时间的变化而迅速积累最终无法导航。针对此问题,设计了一种结构简单易于实现的神经网络辅助的GPS/MEMS-INS组合导航系统。通过模拟实验,与标准卡尔曼滤波(KF)和无迹卡尔曼滤波(UKF)框架下组合导航相比,所提出的结构简单容易实现的神经网络辅助的组合导航系统具有较高的稳定性,并且组合导航整体过程中经纬度与速度精度均提高了65%左右。     

Using a H∞ filter assimilation procedure to estimate root zone soil water content

Root zone soil water content impacts plant water availability, land energy and water balances. Because of unknown hydrological model error, observation errors and the statistical characteristics of the errors, the widely used Kalman filter (KF) and its extensions are challenged to retrieve the root zone soil water content using the surface soil water content. If the soil hydraulic parameters are poorly estimated, the KF and its extensions fail to accurately estimate the root zone soil water. The H‐infinity filter (HF) represents a robust version of the KF. The HF is widely used in data assimilation and is superior to the KF, especially when the performance of the model is not well understood. The objective of this study is to study the impact of uncertain soil hydraulic parameters, initial soil moisture content and observation period on the ability of HF assimilation to predict in situ soil water content. In this article, we study seven cases. The results show that the soil hydraulic parameters hold a critical role in the course of assimilation. When the soil hydraulic parameters are poorly estimated, an accurate estimation of root soil water content cannot be retrieved by the HF assimilation approach. When the estimated soil hydraulic parameters are similar to actual values, the soil water content at various depths can be accurately retrieved by the HF assimilation. The HF assimilation is not very sensitive to the initial soil water content, and the impact of the initial soil water content on the assimilation scheme can be eliminated after about 5–7 days. The observation interval is important for soil water profile distribution retrieval with the HF, and the shorter the observation interval, the shorter the time required to achieve actual soil water content. However, the retrieval results are not very accurate at a depth of 100 cm. Also it is complex to determine the weighting coefficient and the error attenuation parameter in the HF assimilation. In this article, the trial‐and‐error method was used to determine the weighting coefficient and the error attenuation parameter. After the first establishment of limited range of the parameters, ‘the best parameter set’ was selected from the range of values. For the soil conditions investigated, the HF assimilation results are better than the open‐loop results. Copyright © 2010 John Wiley & Sons, Ltd.