一、环境监测分析中不确定度的估算（论文文献综述）
王红波,张松辉,黄晨旭,孙全富,郭跃信[1]（2021）在《基于生物监测的内照射剂量估算的不确定度概况》文中认为我们综述了基于生物监测的内照射剂量估算的不确定度的重要来源,主要包括为了确定体内或生物样品中某种核素的活度而进行测量的不确定度,用来解释生物监测结果照射情景的不确定度以及用来解释生物监测结果生物动力学模型和剂量学模型的不确定度。
张晓东[2]（2020）在《多源遥感协同下的全天候地表温度估算研究》文中提出地表温度是地球表面与大气之间界面的重要物理参量之一,不仅是气候变化的敏感指示因子,还是众多地气模型的直接输入参数,在许多领域有广泛的应用。相对于地面站点实测方式,卫星遥感在观测地表温度方面具有空间高密度覆盖、重复观测和低成本等突出优势,使得长时序大范围的地表温度观测成为可能。目前,全天候遥感地表温度,特别是中高空间分辨率（如1 km）的全天候地表温度已成为科学研究和相关行业领域的迫切需求。然而,由于物理机制所限,目前在估算地表温度中使用最广泛的热红外遥感在非晴空条件下受云影响,无法满足全天候地表温度获取的要求。协同（或集成）卫星热红外遥感和被动微波遥感观测以及协同卫星热红外遥感地表观测和再分析数据是估算全天候遥感地表温度的两种可行途径。然而,目前其理论方法均存在瓶颈:其中,热红外遥感和被动微波遥感的集成中主要存在“两者物理意义的不一致”、“两者的空间分辨率不一致”以及“两者集成的地表温度并非真正意义上的全天候”三个问题;而集成热红外遥感地表温度和再分析数据地表温度估算全天候地表温度的研究尚处于起步阶段,相关研究极为匮乏。本文针对上述问题进行了针对性的研究,发展了多种新的中高分辨率遥感全天候地表温度的估算方法,形成了一套多源遥感协同估算全天候地表温度的普适性方法论,为遥感全天候地表温度的估算和应用研究提供了基础理论和方法支撑。本文的特色与创新之处在于本文发展的全天候地表温度估算方法均为物理方法,与传统的经验/半经验方法完全不同,这些方法具有更好的普适性。本文主要研究工作及成果如下:（1）提出了一种基于热采样深度纠正的被动微波遥感地表温度估算方法（Thermal Sampling Depth Correction,称TSDC方法）。被动微波的热采样深度使其地表温度含有地下热信息,而并非与热红外遥感地表温度物理意义一致的地表皮肤温度（skin surface temperature;也称肤面温度、表皮温度）,两者之间存在一定的系统偏差。然而,传统被动微波地表温度估算方法并未定量考虑这一影响使其精度和适用性在热采样深度较大的下垫面（如裸地）严重受限。在此背景下,TSDC方法面向裸地下垫面,通过定量引入热采样深度这一表征被动微波穿透性的重要因子,对被动微波地表温度进行了“纠正”,使其物理意义成为与热红外遥感地表温度相一致的地表皮肤温度。研究结果表明:经TSDC方法估算的被动微波遥感地表温度与热红外遥感地表温度的系统偏差较小。经地面实测数据验证的结果表明,TSDC估算的被动微波地表温度精度优于传统方法。因此,TSDC方法初步解决了裸土地区热红外与被动微波遥感地表温度物理意义不一致的问题。（2）提出了一种基于地表温度时间分解模型的集成热红外和被动微波遥感估算1 km全天候地表温度的方法（Temporal Component Decomposition,称TCD方法）。被动微波遥感地表温度的空间分辨率远低于热红外遥感地表温度,无法获得精细尺度上的地表温度分布信息。因此,需对被动微波遥感地表温度进行空间降尺度。然而,传统方法在降尺度中未考虑地表温度在时间维度的变化,使得估算的全天候地表温度在复杂下垫面的精度和适用性极易受限。在此背景下,本研究提出的TCD方法在时间和空间双维度上对热红外和被动微波遥感地表温度进行集成。结果表明:TCD方法克服了传统方法由于降尺度不充分导致的全天候地表温度适用性受限和易产生斑块效应的问题。经地面实测数据验证表明,TCD全天候地表温度的精度可达1.29～1.71 K,比传统方法的精度高1.39～3.17 K。因此,TCD方法有效地解决了热红外与被动微波遥感地表温度空间分辨率不一致的问题。（3）提出了一种基于被动微波亮温重构的集成热红外与被动微波遥感估算1km全天候地表温度的方法（Reconstruction of Brightness Temperature,称RBT方法）。由于极轨被动微波传感器的微波亮温存在时间断档缺失和轨道间隙缺失,目前热红外-被动微波集成的全天候地表温度时空连续性受到严重削弱,并未达到严格意义上的“全天候”。在此背景下,本研究提出的RBT方法基于奇异谱分析和时间标定等理论,重构了无缺失的被动微波亮温。在此基础上,通过机器学习方法将重构后的被动微波亮温与热红外遥感地表温度进行集成,得到了真正意义上空间无缝的全天候的地表温度。研究结果表明:所重构的微波亮温具有良好的时空连续性,重构亮温的精度可达0.89～2.61 K;所得RBT地表温度是真正空间无缝的全天候地表温度,经地面数据验证下其精度为1.45～3.36 K。因此,RBT方法有效地解决了由于被动微波亮温缺失导致的热红外与被动微波遥感集成的地表温度并非“全天候”的问题。（4）提出了一种基于新地表温度时间分解模型的集成热红外遥感与再分析数据估算1 km全天候地表温度的方法（Reanalysis and Thermal Infrared Remote Sensing Merging,称RTM方法）。集成热红外遥感和再分析数据是估算中高分辨率全天候地表温度的另一种途径。然而,关于集成热红外遥感和再分析数据估算全天候地表温度的研究甚少。在此背景下,本研究对研究二的地表温度时间分解模型进行了改进,从时间和空间双重维度上对热红外遥感地表温度和再分析数据的地表温度进行集成。经地面实测数据的验证结果表明,RTM地表温度在全天候条件下的精度为2.03～3.98 K。此外,得益于再分析数据高度的空间完整性,RTM全天候地表温度也是空间无缝（即真正意义全天候）的。进一步地,与前人方法相比,因不受热红外遥感地表温度数据样本量的限制,RTM地表温度的有效值比例比前者高10%～17%,故RTM方法具有良好的普适性和泛化能力,是一种有效的集成热红外遥感与再分析数据的全天候地表温度估算方法。
张宇晴[3]（2020）在《中国不同区域大气二次有机气溶胶的观测研究》文中指出二次有机气溶胶（SOA）源自挥发性有机化合物的大气氧化及其在颗粒物表面的凝聚和反应性摄取。SOA是大气细粒子(PM2.5)的重要组成部分,对有机气溶胶（OA）贡献超过50%,在我国灰霾污染时SOA的OA占比高达70%,对全球辐射平衡、区域空气质量和人体健康有重要影响。当前,由于对SOA前体物来源、化学组成以及生成机制缺少全面认识,模型模拟的SOA结果与实际观测之间仍存在较大差异,各模型结果中SOA的组成与时空分布也存在一定差别,我国国家尺度上SOA的组成及时空特征仍有待研究。SOA的生成过程受人为排放影响,但污染背景下的实际大气中人为源排放如何影响SOA的生成尚不清楚。SOA标志物可追踪不同前体物来源SOA的生成过程,揭示SOA时空演化特征。基于国家尺度SOA标志物的观测研究,可明确区域SOA组成与时空特征,为模型提供国家尺度的校验数据。针对污染地区SOA生成影响因素的研究,可以为SOA生成机制提供新认识,为空气污染防治决策提供科学依据。本研究基于SOA标志物,通过覆盖我国6个区域12个站点一年的联网观测,查明了我国典型自然源和人为源SOA的时空分布特征;通过珠江三角洲地区9个站点的一年连续观测,揭示了人为源排放对自然源SOA生成的影响;通过我国三个典型城市站点一年的对比观测,探讨了城市污染大气中异戊二烯生成SOA的关键机制。论文主要结论如下:1.我国12个站点大气异戊二烯、单萜烯和倍半萜（β-石竹烯）SOA标志物的年均浓度范围分别为6.67-122 ng m-3、9.80-49.0 ng m-3以及1.72-7.72 ng m-3,总体来看南方地区浓度高于北方。异戊二烯和单萜烯SOA标志物浓度总体上夏季高于冬季,但在敦煌、海伦等站点冬季有异常升高,β-石竹烯SOA标志物浓度则主要为冬季较高。三种自然源SOA（BSOA）冬季的异常升高是受到生物质燃烧排放增多影响。我国12个站点大气苯系物SOA标志物（2,3-二羟基-4-氧代戊酸,DHOPA）的年均浓度范围在1.23-8.83 ng m-3之间。在北方地区,城市站点DHOPA浓度较高,而在南方地区,偏远站点DHOPA浓度较高。全国范围内冬季DHOPA浓度均有显着增加,其增高在北方地区主要受取暖用生物燃料和散煤燃烧影响,而在南方地区主要受生物质露天焚烧影响。应用“标志物法”对我国大气SOA浓度进行的估算表明,我国SOA总年均浓度为2.49±1.09μg m-3,在西南地区浓度最高,自然源SOA浓度(1.66±0.79μg m-3)高于苯系物SOA(0.87±0.49μg m-3)。秋冬季节苯系物SOA贡献最大,倍半萜SOA有显着增高,夏季异戊二烯SOA浓度最高,春季则为单萜烯SOA贡献最大。2.珠江三角洲地区大气BSOA标志物年均浓度范围为45.4-109 ng m-3,以单萜烯SOA标志物为主(47.2±9.29 ng m-3),异戊二烯SOA标志物(23.1±10.8ng m-3)次之、β-石竹烯SOA标志物(3.85±1.75 ng m-3)浓度较低。异戊二烯SOA的生成途径受NOx影响,异戊二烯SOA的高NOx产物（2-甲基甘油酸,2-MGA）与低NOx产物（2-甲基丁四醇,2-MTLs）的比值（2-MGA/2-MTLs）可指示NOx对异戊二烯SOA生成途径的影响。相比于单萜烯SOA初级产物,其多级产物受大气氧化剂（Ox）和硫酸盐的影响更为显着,造成珠江三角洲单萜烯SOA老化程度较高。秋冬季β-石竹烯SOA浓度异常升高,主要受生物质燃烧、Ox和硫酸盐共同影响。珠江三角洲地区BSOA年均浓度为1.68±0.40μg m-3,秋季浓度最高,春季浓度最低,全年以单萜烯为主。人为源污染物排放（如硫酸盐和Ox的前体物等）可显着促进BSOA的生成,控制人为源排放可降低BSOA浓度。3.我国三个典型城市站点异戊二烯SOA含氧标志物（iOTs）的年均浓度范围为10.3-28.3 ng m-3,有机硫酸酯（iOSs）年均浓度范围为1.49-2.92 ng m-3,异戊二烯高NOx产物年均浓度范围在3.75-6.04 ng m-3之间,异戊二烯低NOx产物年均浓度范围在10.8-31.7 ng m-3之间。异戊二烯SOA浓度在昆明最高,合肥次之,北京最低,三个城市的异戊二烯SOA高值均出现在夏秋季。三个站点异戊二烯有机硫酸酯与含氧标志物的比值（iOSs/iOTs）在冬季较高,夏季较低,比值的季节变化主要受异戊二烯与硫酸根及液相水反应速率(kaq SO42-,kaq,H2O)的影响。异戊二烯相比于硫酸根更易与液相水发生酸催化开环反应,但在北京站点的冬季,异戊二烯也可能更易与硫酸根反应生成SOA。在污染背景下的城市大气中异戊二烯生成SOA的过程主要以低NOx途径为主。高、低NOx条件下生成的SOA产物比值呈现冬季高夏季低的趋势,其季节变化主要受NOx浓度以及异戊二烯环氧中间体反应性摄取速率影响。
孙辰昊[4]（2020）在《基于大数据分析的输电线路系统故障时空预测方法的研究》文中指出为减小潜在输电线路系统故障对电力供应安全的影响,需要对故障进行有效的监测与防范。考虑到在现实中能够投入到故障监测和防范中的人力物力有限,难以实现对现有输电线路系统全方位、全时段的覆盖。因此,应该将有限的人力物力用于对系统中具有较高故障风险的位置及时段进行重点监测和防范。由于故障存在明显的时间和空间分布规律,故通过大数据分析技术对这些规律的挖掘可以实现对故障未来时空分布的预测。得益于此,故障的应对处理工作能够获得更充足的反应与准备时间,面向不同类型故障的针对性应对处理措施也可以得到更合理的规划及统筹。综合来看,实现对故障未来时空分布的预测对确保输电线路系统的安全稳定运行具有十分重要的意义。为实现在故障发生前一小时、一天甚至一周的长期预测,本文构建了一种故障时空分布预测模型。基于包含环境状态信息的故障记录,通过构建的预测模型能够从中挖掘出环境状态与系统故障之间潜在的关联规则。利用这些关联规则,预测模型能够基于系统各个空间位置在未来不同时段中的环境状态信息,预测出其中具有高故障风险的空间位置及时段,即故障的未来时空分布。本文的主要工作如下:1)针对传统关联规则挖掘模型在分析中未考虑出现频率较低的环境元素和故障发生较少的时段这一问题,提出了计及罕见变量的关联规则挖掘模型,能够准确挖掘出输入数据中的高风险低概率变量并提升预测的准确度。依据故障在各个时段内的分布,设计了五种条件重要度诊断标准阈值设定方法,从而在从输入数据中挖掘罕见变量时能够纳入故障罕见时段的影响;依据各个环境特征中罕见环境元素的分布,改进了五种传统形式的重要度诊断标准得分计算方法,从而能够在继续挖掘罕见变量中的高风险低概率变量时计及罕见环境元素的影响。最后,基于中部某省系统故障记录的算例结果验证了所提出预测模型的相应优势。2)现有输入数据相对权重的计算方法存在权重衡量方式过于简单、未计及故障在不同时段中分布不均衡的影响以及方法参数没有在应用过程中调整优化这三个问题。为此,构建了计及罕见变量的动态关联规则挖掘模型,能够更加准确地衡量输入数据的相对权重并进一步改善预测的效果。提出了用于相对权重计算的双重风险指数计算模型,直接基于不同环境元素与故障之间不同的关联程度衡量数据权重,并同时考虑了不同时段中不同的故障分布,能够从这两个维度对输入数据的权重进行综合衡量;设计了一套参数自适应动态调节模型,依据前一轮预测中预测结果与实际情况的比较对双重风险指数计算模型的参数进行自动优化,能够改善权重计算的准确性并提高下一轮预测的准确度。最后,基于南部某省省会城市故障记录的算例结果表明:所提出模型的预测性能得到了进一步地加强。3)现有预测方法一般采用相同的模型处理不同类型的输入数据,没有计及不同类型数据的特性。为此,针对离散特征和连续特征这两类数据,提出了模糊动态条件关联规则挖掘模型,考虑了各类型数据的特性并更进一步提高了预测的精确度。首先构建了集成式专家模型,基于集成式学习原理将计及罕见变量的动态条件关联规则挖掘模型和模糊推理系统相结合,从而将离散特征和连续特征分别基于不同的模型进行分析,能够发挥出不同模型各自的优势。然后对传统模糊推理系统进行了两点改进,分别为采用了层次模糊推理结构和设计了基于概率模糊风险的隶属度函数,从而能够减小运算复杂度并改善连续特征的处理效果。最后,基于南部某省系统故障记录的算例结果证明:所提出模型的预测效果得到了更进一步地改善。此外,还通过与其他预测模型的比较对所提出模型的特点和适用场景进行了汇总和讨论。4)为提升所构建预测模型在实际应用中的可行性和实用性,分别对模型在实际预测过程中可能产生的不确定度,以及各个类型故障的预测不确定度对整体预测效果的影响程度进行了分析。一方面,探讨了现实应用中常见的三种不确定度对模型的影响。基于中部某省系统故障记录的算例结果显示:当考虑这些不确定度时,模型在现实应用中的预测结果将更为可信,并可为减小这些不确定度提供参考。另一方面,在分析了各个类型故障的预测不确定度之余,进一步衡量了这些预测不确定度对整体故障预测不确定度的影响大小。基于南部某省系统故障记录的算例结果显示:从两个维度对不同类型故障的预测效果所进行的评估更加准确可信,并有助于更有针对性地改进面向不同故障类型的数据采集和检测工作。
王怡然[5]（2020）在《基于光化学损失校正的挥发性有机化合物（VOCs）来源解析方法优化及应用》文中研究说明近年来,我国以颗粒物为代表的大气污染逐步改善,但近地面O3污染日益恶化,成为影响环境空气质量的重要因素。挥发性有机化合物（Volatile Organic Compounds,VOCs）是O3污染的重要前体物,其成分众多,来源复杂,对VOCs进行来源解析以及评估其在大气中对O3污染的贡献能力是精准制定O3污染防控措施的基础。作为一种较为成熟、便捷的源解析工具,正矩阵因子分解（Positive Matrix Factorization,PMF）受体模型在VOCs源解析中得到了广泛运用。然而,PMF模型假设污染源谱在大气传输过程中不发生改变,与VOCs易发生光化学反应的特性相违背。针对这一问题,现有的研究通过光化学龄法,基于物种对在不同时刻的浓度比差异,推算所有VOCs物种的排放浓度,让PMF源解析工作免受污染物传输损失的影响。该方法的基本假设之一是所选物种对排放自同一污染源,与PMF模型源解析工作相矛盾,也忽视了不同污染源的差异。因此,需要更加全面和精细的来源解析方法,为评估VOCs污染源影响情况与制定优先防控措施提供科学参考。本研究以华南、华东和华中三地的代表性城市香港、上海和武汉为研究对象,开展VOCs离线或在线监测,并优化了VOCs源解析方法。VOCs源解析方法的优化主要体现在以下两个方面:一是基于不同VOCs的光化学特性,将各物种的最大增量反应活性融入不确定度计算公式,逐一量化不同VOCs物种在采样和分析中产生的不确定度,改进了传统基于经验系数的计算方法;二是在得到PMF源识别结果后,通过相关性分析,区分PMF因子的光化学老化程度,并结合当地VOCs排放源成分谱,追溯一个污染源从排放到最终老化的全过程,估算一个污染源的排放浓度、传输消耗以及老化潜力,使得源解析结果更能体现排放源对VOCs和臭氧污染的相对贡献。在香港地区,基于物种的光化学活性,优化了PMF因子中的源谱混合问题,并初步判别与校验了因子的两个光化学老化阶段。在上海地区,VOCs在大气传输中因光化学反应及物理扩散稀释作用而消耗的浓度为排放源浓度的70%以上,并且传输消耗的VOCs对臭氧生成的贡献占污染源总体臭氧生成潜势的90%以上。在武汉地区,仅考虑光化学反应时,传输消耗的VOCs对臭氧生成的贡献占污染源总体臭氧生成潜势的40%以上。作为环境臭氧生成的重要前体物,VOCs污染源浓度的传输损耗与臭氧生成有直接联系。因此,基于VOCs物种活性,校正大气传输中光化学反应对不同污染源中VOCs物种浓度的影响,是实现更准确的VOCs污染源解析的关键,可为评估VOCs污染源排放控制对二次污染防控的成效提供科学依据。
张允祥[6]（2020）在《热红外波段场地自动化定标方法的研究与设备研制》文中研究说明随着热红外遥感技术的发展,大批具有热红外波段探测能力的对地观测卫星遥感器陆续发射升空。卫星遥感器在轨运行期间,除了利用星载黑体进行星上定标外,还需要开展校正场定标来检验或替代星上定标结果,以保障数据产品的精度。目前我国卫星遥感器热红外波段的校正场定标,主要通过人工野外测量的方式获取场地热红外辐射特性,这种测量方式耗费高,效率低,受到天气条件等因素的限制,难以有效保障定标频次和有效数据量,无法及时提供用于分析遥感器衰变的观测数据。开展卫星遥感器热红外波段场地自动化定标方法的研究,对于提高卫星遥感器热红外波段校正场定标的时效性和精度具有重要的应用价值。本文结合卫星遥感器热红外波段在轨校正场定标技术的发展趋势,改进了热红外波段场地辐射定标技术流程,设计并研制了具备自动化观测能力的多通道自校准红外辐射计（Muli-channel Self-calibrated Infrared autonmous Radiometer,MSIR）。论文完成了以下几个方面的研究工作。为设计合理的场地自动化定标流程,比较了场地辐射定标过程中的不同物理参量获取方法的精度,设计了以温度基法为核心的场地自动化定标技术流程。利用MSIR获取大气下行辐亮度和场地辐亮度,结合多通道温度与发射率分离算法获得场地温度和发射率,利用最优偏移量法得到场地高光谱发射率数据。借助美国NCEP提供的再分析资料,获取大气温湿压廓线,结合辐射传输模型计算得到卫星入瞳处的等效辐亮度。建立同步观测遥感器接收辐亮度与输出信号值的关系,实现对过境遥感器热红外波段的辐射定标。与常规定标方法相比,该定标技术流程具有高频次、高时效、高适用性的特点,避免了人为因素造成的辐射测量误差,反映了大气下行辐射和场地真实发射率对反演场地温度的影响。为满足自动化获取场地辐亮度的需求,研制了具有自动化观测能力的MSIR。该设备需具有以下特色功能:1)采用电机驱动镀金反射镜的设计,实现了 0°～90°仰角的大气下行辐射和地表辐亮度的测量,为消除大气下行辐射对反演地表温度的影响提供了技术手段。2)采用滤光轮分光的方法实现了 6个光谱通道的自动设置,结合IMTES算法能够实现场地温度与发射率的分离,为卫星遥感器热红外波段绝对辐射定标提供了两个关键因子。3)在MSIR内部内置了两个控温精度分别优于0.04 K和0.05 K,发射率均高于0.994,稳定性均优于0.0014的黑体,用于实时辐射定标内部探测器,有效地消除了内部背景辐射对辐射测量的影响,定标不确定度小于0.143%。开展了 MSIR的实验室定标实验。利用面源黑体作为标准辐射源对MSIR内置的两个定标黑体进行了校准,验证了两个内置定标黑体的控温精度分别优于0.04 K和0.05 K,发射率均高于0.994。利用面源黑体和MSIR内置黑体作为定标辐射源,分别开展了 MSIR内部探测器的辐射定标实验。两种方法获得的响应度斜率相对偏差<1%,响应度截距相对偏差<0.2%,说明两种黑体作为定标辐射源的定标方法具有较好的一致性。分析了 MSIR的定标不确定度,结果表明,面源黑体的辐射定标不确定度小于0.122%,等效辐射测温不确定度小于0.15 K（@300 K,11μm）。内置黑体的辐射定标不确定度小于0.143%,等效辐射测温不确定度小于0.196 K（@300 K,11 μm）。验证了 MSIR自校准系统已具备与实验室定标方法相当的定标精度,满足了卫星遥感器热红外波段场地观测设备的辐射测量精度要求。
顾廷炜[7]（2020）在《压电式压力电测系统校准及不确定度评定关键技术研究》文中研究表明动态压力测量在武器系统性能评价中应用广泛,如枪炮的膛内压力测量、各类弹药的爆炸冲击波压力测量等。压电式传感器具有优秀的动态性能,因此针对这类动态压力测试对象,目前普遍采用压电式压力电测系统。然而,由于压电式压力电测系统低频特性较差,不宜采用静态校准,且不同测试对象对应的压电式压力电测系统中传感器的安装方式、所处的测试环境以及实测压力的波形特征均不相同,因此,需根据实际测试对象的特点,研制合适的压力校准装置,研究相应的准静态和动态压力校准技术,提出对应的工作特性参数和动态传递特性求取方法,以提高校准工作效率和压力校准精度。此外,对于压电式压力电测系统而言,不确定度是表征其测试结果质量好坏的重要指标,动态压力的时域瞬变性使得现有的静态不确定度计算方法已无法准确地衡量动态测试结果的好坏,因此,需开展准静态和动态校准条件下的压电式压力电测系统不确定度评定技术研究。基于上述考虑,本文以火药燃气压力、空中冲击波压力和水下冲击波压力等典型压电式压力电测系统为研究对象,基于动力学建模理论、BP神经网络、遗传算法、灰色理论和有限元仿真等方法,开展相关的校准技术、工作特性参数求取方法、动态修正方法和不确定度评定方法研究。论文的主要工作如下:（1）针对压电式压力电测系统存在的低频特性不佳、不宜采用静态标定的问题,研究了一种基于落锤装置的比对式准静态校准方法。通过分析压电式压力电测系统的电路特性,为准静态校准方法在降低静电泄漏,抑制输出漂移方面的有效性提供了理论依据;介绍了落锤装置的工作原理和比对式准静态校准方法,组建了标准压力监测系统,并分量程段进行了量值传递,量传结果表明,标准压力监测系统在高低两个量程段内均有着较高的压力监测精度;通过相关的比对式准静态校准试验求取了被校系统的灵敏度、非线性和重复性等工作特性参数,验证了比对式准静态校准工作特性参数求取方法的可行性。（2）针对传统比对式准静态校准方法存在的标准压力监测系统成本高、试验效率低等问题,提出了一种基于遗传神经网络（GABP）算法的校准装置参数配置及压力电测系统准静态校准方法。通过训练准静态校准试验样本数据,建立了落锤装置的工作参数与所产生的压力峰值和脉宽之间的数学模型,模型的压力峰值和脉宽预测误差分别低于0.7%和0.2%;基于GABP神经网络预测模型求取了被校压力电测系统的工作特性参数,求取结果与传统的比对式准静态校准方法相近,验证了该校准方法的可行性。（3）针对传统比对式准静态校准方法和基于遗传神经网络算法的准静态校准方法存在的不足,研究了一种基于自研力传感器的绝对式准静态校准方法。分析了力传感器安装连接方式所导致的预紧力、惯性力和动态性能下降对力值测量的影响,以现有落锤装置中的锤头结构作为弹性敏感元件研制了一种高精度应变式力传感器,通过理论研究、仿真分析和静动态校准试验,验证了力传感器的机械强度、抗弯性能和静动态特性均满足要求;通过分析影响压力校准精度的各个因素对力和压力的关系模型进行了研究,并提出了相应的参考压力峰值修正方法,修正后的压力峰值和参考压力峰值之间的误差不超过0.7%;基于绝对式准静态校准方法求取了被校系统的工作特性参数,求取结果与前文校准方法相近,验证了该校准方法的可行性。（4）针对空气和水下冲击波压力电测系统动态校准存在的问题,开展了基于空气激波管和预压水激波管的压力电测系统动态校准及动态补偿方法研究。通过有限元仿真分析了水下冲击波压力的传播规律、水激波管内平面波的形成规律以及水激波管内腔长度、静态预压值和炸药装药量等因素对冲击波压力的影响;组建了标准和被校压力电测系统,基于空气激波管和预压水激波管进行了动态压力校准试验,在此基础上对被校压力电测系统的动态传递特性进行了求取;对被校系统传递函数的数学模型进行系统辨识,并采取了相应的动态补偿措施,补偿后,被校系统的动态特性指标得到了改善,动态误差明显减少。（5）为了解决基于比对式、GABP模型和力传感器三种不同准静态校准方法的压力测量不确定度评定问题,分析了准静态校准中参考压力值和被校压力电测系统测量不确定度的影响因素,并基于传统的GUM方法、Monte Carlo法以及不确定度传播定律对典型火药燃气压力典型系统的不确定度进行了求取;针对压电式压力电测系统不确定度评定中存在的“以静代动”现象和小样本测量问题,提出了一种基于灰色理论和神经网络算法的动态测量不确定度评定方法,并运用该方法对典型空中和水下冲击波压力电测系统的动态不确定度进行了计算。
周培生[8]（2020）在《南京市大气汞的源汇特征及其影响因素研究》文中认为汞是一种具有持久性和神经毒性的重金属,可以通过大气进行长程传输,在全球范围内进行循环,最终通过干湿沉降的方式降落到地面,对人体健康和生态环境造成不利影响。大气汞对与人类、动物和生态系统影响的评估及相关大气汞排放控制政策的制定等均需建立在对区域大气汞的来源（源）及归趋（汇）特征的充分认识基础上。本研究在南京大学仙林校区站（NJU）建立了较为完善的大气汞浓度和沉降观测方法及质量控制体系。基于分形态汞浓度观测和广义叠加模型（GAM）及后向轨迹模型（HYSPLIT）回溯了区域大气汞的来源特征,进一步量化研究了气象因素及区域传输的影响,识别出我国华东地区城市背景区域气态元素汞（GEM）浓度下降的主要驱动力为人为源汞排放的减少;同时,本研究首次在我国开展了气态氧化汞（GOM）和大气总汞（TAM）干沉降的直接观测,掌握了区域大气汞的归趋特征,结合干沉降的模拟识别出影响汞沉降通量的关键参数,对现有大气汞干沉降模拟参数化方案进行了优化。在2014年8月至2015年7月和2018年5月至2019年4月的两次观测活动中,NJU站GEM、GOM和颗粒结合汞（PBM）的浓度分别由3.77±1.32 ng m-3、35.97±58.45 pg m-3和114.07±170.29 pg m-3下降至3.24±1.26 ng m-3、15.97±23.38 pg m-3和66.22±110.07 pg m-3。GEM浓度以每年3.7%的速率快速下降,体现了我国现有大气汞减排措施的有效性。在2014-2015年观测活动期间,NJU站GEM浓度受局地排放影响较大,季节变化不明显,2018-2019年观测活动中局地排放的影响减小,跨区域传输的影响增大,安徽沿江一带大型点源排放和我国北方民用煤炭的燃烧使得NJU站春、冬两季GEM浓度处于较高水平。本研究利用广义叠加模型排除局地排放的影响之后,定量分析了气象因素和跨区域传输对于NJU站GEM浓度及其变化的影响。GAM模型对于两次观测活动中GEM浓度的拟合优度分别达到了0.43和0.57,模型的残差主要来自于局地排放的影响,残差的降低表明局地排放强度的降低。在所有的气象因素中,相对湿度通过影响大气中Hg（II）的还原过程显着影响GEM浓度,但其作用机理仍需进一步明确,温度及风速则分别通过影响土壤汞的释放和大气汞的扩散过程对GEM浓度造成影响。跨区域影响因素分析则表明,NJU站GEM主要来源为东北及东方向（0-150°）,但来自西南方向的气团所携带的GEM浓度较高,且NJU的GEM浓度主要受NJU站方圆600 km以内汞排放源的影响。本研究于2018–2019年开展了大气汞干湿沉降的连续观测。2018年11月至2019年11月期间,由于NJU站降水量较往常偏小,大气汞湿沉降通量仅为4.84μg m-2,与部分北半球背景站点相当,但体积加权降水汞浓度(7.13 ng L-1)仍然处于较高水平。NJU站大气汞湿沉降通量主要受降水强度影响（R2=0.6）。NJU站降水中汞浓度与其他主要阴阳离子的相关性分析结果表明NJU站降水中汞的来源较为复杂。2018年7月至2019年11月期间,NJU站GOM平均干沉降通量为0.75±0.51 ng m-2 h-1,与部分北美城市站点的GOM干沉降通量相当,处于较高水平,且NJU站GOM干沉降通量呈现出明显的季节差异,夏季通量最大(0.96ng m-2 h-1),冬季最小(0.63 ng m-2 h-1),可能是因为NJU站夏季GOM浓度较高且湍流较强。2019年4月至2019年11月,NJU站TAM平均干沉降通量为2.40±1.16 ng m-2 h-1,高于北美绝大数站点,若将观测期间的TAM干沉降均值作为年均值,NJU站TAM年干沉降通量可达21.02μg m-2 y-1,远高于湿沉降通量,甚至GOM的年干沉降通量(6.63μg m-2 y-1)也要高于湿沉降的贡献,因此,NJU站大气汞沉降的主要方式为干沉降。本研究基于大气分形态汞浓度的观测结果,利用干沉降模型对NJU站分形态汞干沉降进行了模拟,并基于沉降观测结果与模拟结果的比对,优化了干沉降模型。由于GOM浓度观测的低估和不同组分沉降速率的不一致性,对NJU站GOM干沉降进行模拟时,在α和β取2,GOM浓度乘以修正因子3时,模拟得到的干沉降通量(0.76±0.39 ng m-2 h-1)与实际观测结果最为接近。此外,利用优化后的干沉降模型模拟得到的GEM和PBM平均干沉降通量分别为1.90±2.22 ng m-2 h-1和0.43±0.38 ng m-2 h-1。GEM是NJU站大气汞干沉降的主要物种,其贡献占比为61.5%,但与其他站点相比,NJU站活性汞（RM）干沉降的贡献占比更高（38.5%）,主要是因为NJU站的RM浓度较高。
周頔[9]（2020）在《电动汽车锂电池健康状态在线估算方法研究》文中研究说明近年来,为应对日益突出的燃油汽车排放带来的环境污染问题,电动汽车逐渐受到国内外的广泛关注,各国政府纷纷将发展电动汽车作为国家战略,加快推进技术研发和产业发展。锂电池因其能量密度高、循环寿命长、温度适应性宽、自放电率小、绿色环保等特性逐渐成为电动汽车动力源发展的重要方向。锂电池健康状态（State Of Health,SOH）是电动汽车锂电池全生命周期下故障诊断和安全预警的重要参数,SOH精准估算对于提升锂电池整体性能具有重要的意义。目前国内外研究学者越来越关注锂电池SOH估算特别是在线估算方法的研究。而电动汽车锂电池放电容量、交直流阻抗等参数在实际使用当中难以直接测量,作为输入变量应用于在线估算模型中存在难度。本文基于在用电动汽车充电过程中可直接测量获得的充电工作电压、充电时间、充电次数和电池编号的数据,结合单次充电片段数据的容量估算模型和全生命周期衰减预测模型进行锂电池SOH在线估算方法研究。锂电池容量估算方法一般采用参数直接对容量映射的机器学习方法,由于锂电池的个体电化学差异性,很难完全覆盖所有电池个体模型。为解决容量估算模型个体差异性的问题,提出基于迭代EKF-GPR算法的锂电池可用容量估算模型,区别于采用其它电池数据训练建立的容量估算模型,该模型基于估算电池本身充电片段数据估算充电可用容量。首先建立非参数化高斯过程回归（Gaussian Process Regression,GPR）模型作为扩展卡尔曼滤波（Extended Kalman Filtering,EKF）的状态方程,用以估算完整充电电压曲线。提出以初始完整充电数据为基础逐步迭代改进EKF模型参数,用以减小由于锂电池性能衰减过程中充电曲线的逐步变化造成的模型偏差。通过实验验证,该模型应用在同一类型不同生产批次电池上,迭代EKF-GPR估算锂电池模型准确度优于容量增量模型。目前锂电池全生命周期SOH预测方法是基于实验室在相同环境下同批次电池的实验数据,由于电动汽车日常工况以及锂电池不同批次性能的差别造成锂电池健康状态衰减情况有所不同,若将采集到的所有数据均用于预测模型训练,可能会造成模型性能下降,同时基于单一核函数的GPR模型很难准确的对锂电池SOH进行预测。本文提出基于预测结果估算不确定度的训练数据筛选方法,首先将Maternard协方差函数及神经网络协方差函数之和作为新的核函数,建立基于GPR方法的锂电池SOH预测模型,定量分析引起预测结果不确定性的因素,其中包括预测结果在训练数据各簇类中心附近的分散性以及GPR预测方差,最终结果得出估算不确定度,选择估算不确定度最小的预测结果作为锂电池SOH预测结果。实验表明估算不确定度在评价锂电池SOH预测模型可信性方面,效果优于GPR的预测方差,同时基于不同批次电池SOH数据作为训练数据的情况下,采用最小估算不确定度作为训练数据选择依据的预测模型准确度优于采用全部数据进行训练的预测模型。电动汽车锂电池组SOH在线估算可实时保证电动汽车运行的安全,目前主要采用锂电池组放电容量来评价电池衰退程度,而由于电动汽车锂电池使用过程中放电工况复杂,无法确定锂电池完全放电的容量,且由于电池组容量与单体电池无法一致,采用单体电池实验数据建立模型存在难度。本文利用电动汽车锂电池组本身充电工作电压、充电时间、充电次数和电池编号数的数据,建立基于充电可用容量的锂电池组SOH在线估算模型,可在电动汽车每次充电完成后在线对锂电池组SOH进行估算。首先量化分析充电可用容量与放电可用容量估算SOH的区别,建立采用充电可用容量估算SOH的数学模型。由于锂电池组与单体电池的差别,提出迭代EKF-GPR的改进算法,将锂电池组全生命周期充电时间衰减变化情况作为量测噪声改进单次充电曲线EKF模型的量测方程,最终在线估算当前电动汽车锂电池组SOH。通过深圳运行的在用电动公交车锂电池组的日常充电数据验证锂电池组SOH在线估算模型的有效性。
郑东林[10]（2019）在《基于数据挖掘的区域建筑群节能改造预测模型研究》文中研究说明随着我国新型城镇化愿景与既有城区更新改造和建筑能效提升工程不断推进,区域建筑群大规模节能改造（Large-scale building energysaving retrofit,简称LSBESR）成为生态环保低碳重要内容及提升区域能效水平的重要手段。然而,区域建筑群是多业态的集群,由于多系统耦合、多设备集成、多参数集合等特征的存在,LSBESR面临众多相互影响的不确定性因素,增加了预测难度;同时,国内外LSBESR预测理论体系尚不成熟,缺乏适用的数学模型和方法;此外,一些城市不断推进能源信息化建设,逐渐积累了存量建筑的能耗信息,也迫切需要挖掘数据的内在价值。本文围绕LSBESR问题,建立了节能改造基础数据库,提出了基于数据挖掘的LSBESR能耗预测模型,并进行模型验证。同时,所提出的预测模型给出了不确定性能源参数量化方法、基于意愿因子的预测修正模型和多目标决策优化策略等,解决了诸多核心难题,包括:区域建筑群预测模型物理建模复杂,已有传统区域预测模型缺少技术细节支撑,模型设置参数不确定性量化困难和很难获取自下而上的实际能耗数据校正等问题。具体而言:（1）通过对1118幢公共建筑和100幢建筑的大规模数据采集,构建了LSBESR数据库,包括建筑、能耗、设备、运行、技术、意愿6个子库。统计得到了区域建筑群能源参数（围护结构热工性能、电梯设备功率、冷热源效率等）统计规律和用能基准,为预测模型中能源参数的输入条件提供支撑。在此基础之上,采用逆向建模方法,建立了基于数据挖掘的区域建筑群能耗预测模型。预测模型实现了对回归统计、物理建模等方法的整合,构建了宏观稳态能量平衡方程和典型建筑模型,并融入不确定性因素。所编制的Matlab程序采用蒙特卡罗模拟（Monte Carlo,简称MC）对抽样数据进行仿真,实现了区域能源参数的宏观统计特性和单体建筑运行条件的一致性,能快速准确预测区域建筑群能源消耗。某中心城区的研究案例表明:模拟值与实际观测的年能耗数据偏差为2.14%,月度均方差变异系数为6%,能耗归一化指标变化区间为[0.87,1.13]。模型能输出的逐时、逐日、逐月、逐项能耗数据可为预测节能改造奠定理论基础。（2）本文对LSBESR进行了模拟预测和验证。通过已建立的区域能耗随机模型,采用自上而下的后推校准法测算节能潜力。同时,本文还建立了全局性敏感参数分析方法和单参数节能改造因子回归模型,模拟发现内部负荷因子对能耗影响最显着。通过调整能源参数,可模拟不同改造情景约束条件下的节能量概率分布曲线和归一化值的分布区间,例如:研究案例常规情景下平均节能率为10.8%,大于5.8%的概率为84%,而在低碳情景下,节能率大于22.5%的概率则为84%。同时,本文针对已完成节能改造的15幢建筑,采集了基础信息和能源参数,并进行模型验证。研究结果表明:改造前与改造后的能耗数据显示,模拟节能量与实际观测值的偏差为14.3%。上述研究结果可为后续风险决策提供支撑。（3）本文研究了LSBESR模型中9个不确定性源和不确定性参数的量化方法,提出了基于贝叶斯理论的能量校正模型,建立了对可识别及待估计参数的贝叶斯模型。该模型采用哈密尔顿马尔可夫链蒙特卡罗算法,将能源参数的先验信息作为初始输入条件,并利用区域建筑群能耗观测值和后验联合条件概率密度得到了不确定能源参数的后验分布概率,解决了能源参数不确定性,理论模型与建筑原型偏差以及观测误差传递等问题。案例研究结果表明:围护结构综合传热系数、制冷系统综合性能系数的后验分布概率与上述参数的先验分布概率相比,二者均值分别相差19%与12%,预测模型的不确定度为9.5%。采用贝叶斯能量模型得到能源参数的后验分布后,能耗模拟值与观测值偏差由5.4%下降到0.97%,与先验信息模拟值相比,空调冷源、外窗隔热和高效照明3项综合措施节能量偏差度为27.8%,上述结果确保校正模型能显着提高LSBESR预测精度。（4）本文搭建了基于模糊多属性决策改造意愿因子预测修正模型和全生命周期多目标决策优选模型。首先,通过构造意愿因子隶属函数,获得区域建筑群大规模改造实施概率矩阵,并采用离散MC模拟方法来预测基于改造意愿的区域整体节能改造。其次,构建了基于全生命周期的单位节能效益增量成本模型和风险随机变量的量化方法,并建立了基于MC模拟的风险决策控制优化模型。案例研究结果表明:节能量修正曲线呈现单峰正态分布,相比之下,节能投资则呈现双峰高斯分布,其预期节能量调整系数为0.8,且意愿因子与节能期望值之间存在强对数关系;同时,采用多维度指标阈值控制（包括节能、经济、风险等）可实现对节能措施组合策略包的权衡判断和逐步优化。综上所述,本文提出了预测模型为LSBESR可行性研究、规划、预测、决策和优化等提供了理论指导。
二、环境监测分析中不确定度的估算（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、环境监测分析中不确定度的估算（论文提纲范文）
（1）基于生物监测的内照射剂量估算的不确定度概况（论文提纲范文）
| 1 测量中的不确定度 |
| 2 照射情景中的不确定度 |
| 2.1 摄入途径 |
| 2.2摄入时间模式 |
| 2.3 摄入核素的构成情况 |
| 2.4 粒子大小 |
| 3 生物动力学模型的不确定度 |
| 3.1 与生物动力学模型结构相关的不确定度 |
| 3.2 人体数据利用中的不确定度的来源 |
| 3.3 生物动力学资料种属间外推的不确定度 |
| 3.4 生物动力学资料元素间外推的不确定度 |
| 3.5由于人群的变异性所导致的中心估计的不确定度 |
| 4 剂量学模型中的不确定度 |
| 5 结语 |
（2）多源遥感协同下的全天候地表温度估算研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状和存在的问题 |
| 1.2.1 热红外和被动微波遥感协同下的全天候地表温度估算 |
| 1.2.2 热红外遥感和再分析数据协同下的全天候地表温度估算 |
| 1.3 研究目标与研究内容 |
| 1.4 本文的结构安排 |
| 第二章 基于热采样深度纠正模型估算被动微波遥感地表温度 |
| 2.1 引言 |
| 2.2 研究区与数据 |
| 2.2.1 研究区 |
| 2.2.2 遥感数据 |
| 2.2.3 再分析数据 |
| 2.2.4 地面站点数据 |
| 2.3 TSDC方法 |
| 2.3.1 微波辐射平衡方程 |
| 2.3.2 微波辐射平衡方程和土壤热传导方程的耦合 |
| 2.3.3 方法实现 |
| 2.3.4 方法评估方案 |
| 2.4 结果 |
| 2.4.1 NCWM研究区 |
| 2.4.2 WN研究区 |
| 2.4.3 敏感性分析 |
| 2.5 讨论 |
| 2.5.1 方法蕴含的意义及潜在应用 |
| 2.5.2 土壤热传导方程的模拟对结果的影响 |
| 2.6 本章小结 |
| 第三章 基于温度时间分解模型估算热红外-被动微波遥感全天候地表温度 |
| 3.1 引言 |
| 3.2 研究区与数据 |
| 3.2.1 研究区 |
| 3.2.2 遥感数据 |
| 3.2.3 再分析数据 |
| 3.2.4 地面站点数据 |
| 3.3 TCD方法 |
| 3.3.1 地表温度时间分量的参数化 |
| 3.3.2 方法实现 |
| 3.3.3 方法评估方案 |
| 3.4 结果 |
| 3.4.1 地表温度的时间分量 |
| 3.4.2 TCD全天候地表温度的精度 |
| 3.4.3 TCD全天候地表温度的图像质量 |
| 3.5 讨论 |
| 3.5.1 1km被动微波遥感地表温度的估算 |
| 3.5.2 TCD全天候地表温度估算中的不确定性 |
| 3.5.3 方法蕴含的意义及潜在应用 |
| 3.6 本章小结 |
| 第四章 基于无缺失微波亮温重构估算热红外-被动微波遥感全天候地表温度 |
| 4.1 引言 |
| 4.2 研究区与数据 |
| 4.2.1 研究区 |
| 4.2.2 热红外遥感数据 |
| 4.2.3 被动微波遥感数据 |
| 4.2.4 辅助遥感数据 |
| 4.2.5 再分析数据 |
| 4.2.6 地面站点数据 |
| 4.3 RBT方法 |
| 4.3.1 基于SSA的无缺失MWRI亮温重构 |
| 4.3.2 重构MWRI亮温的时间标定 |
| 4.3.3 基于偏差纠正的AMSR-E/2无缺失亮温重构 |
| 4.3.4 无缺失全天候地表温度生成 |
| 4.3.5 方法实现 |
| 4.3.6 方法评估方案 |
| 4.4 结果与讨论 |
| 4.4.1 重构后的无缺失AMSR-E/2亮温 |
| 4.4.2 RBT全天候地表温度 |
| 4.4.3 亮温重构和RBT全天候地表温度估算中的不确定性 |
| 4.4.4 方法的潜在应用 |
| 4.5 本章小结 |
| 第五章 基于温度时间分解模型估算再分析数据-热红外遥感全天候地表温度 |
| 5.1 引言 |
| 5.2 研究区与数据 |
| 5.2.1 研究区 |
| 5.2.2 遥感数据 |
| 5.2.3 再分析数据 |
| 5.2.4 地面站点数据 |
| 5.3 RTM方法 |
| 5.3.1 地表温度的新时间分解模型 |
| 5.3.2 低频时间分量LFC的参数化 |
| 5.3.3 晴空高频时间分量HFC的参数化 |
| 5.3.4 非晴空高频时间分量HFC_(cld)的参数化 |
| 5.3.5 方法实现 |
| 5.3.6 方法评估方案 |
| 5.4 结果与讨论 |
| 5.4.1 RTM方法应用前后的地表温度 |
| 5.4.2 与热红外遥感地表温度比较下RTM地表温度的精度 |
| 5.4.3 以实测地表温度验证下RTM地表温度的精度 |
| 5.4.4 RTM地表温度与TCD地表温度的比较 |
| 5.4.5 RTM地表温度与ESTARFM地表温度的比较 |
| 5.4.6 方法蕴含的意义和潜在应用 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 研究总结与主要创新点 |
| 6.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 附录A 量化裸土土壤层辐射通量的贡献率密度函数形式 |
| 攻读博士学位期间取得的学术成果 |
（3）中国不同区域大气二次有机气溶胶的观测研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 引言 |
| 1.1 大气颗粒物及其气候环境效应 |
| 1.1.1 大气颗粒物的组成、来源及其浓度水平 |
| 1.1.2 大气颗粒物的环境健康效应 |
| 1.2 二次有机气溶胶来源与组成 |
| 1.2.1 SOA重要性 |
| 1.2.2 SOA前体物来源 |
| 1.2.3 SOA化学组成与特征标志物 |
| 1.3 典型前体物生成二次有机气溶胶的过程机制 |
| 1.3.1 异戊二烯SOA |
| 1.3.2 单萜烯SOA |
| 1.3.3 倍半萜SOA |
| 1.3.4 苯系物SOA |
| 1.4 影响二次有机气溶胶生成的关键因素 |
| 1.5 二次有机气溶胶估算方法 |
| 1.6 二次有机气溶胶的模型研究 |
| 1.7 二次有机气溶胶的控制 |
| 1.8 本研究选题的目的、意义及主要内容 |
| 第2章 研究方法与技术手段 |
| 2.1 研究区域介绍 |
| 2.1.1 中国不同区域观测 |
| 2.1.2 珠江三角洲城市群观测 |
| 2.2 样品采集 |
| 2.2.1 中国不同区域颗粒物和气相样品 |
| 2.2.2 珠江三角洲颗粒物样品 |
| 2.3 气象参数及气态污染物浓度 |
| 2.4 样品分析 |
| 2.4.1 PM_(2.5)质量浓度 |
| 2.4.2 有机碳与元素碳 |
| 2.4.3 水溶性离子 |
| 2.4.4 二次有机标志物 |
| 2.4.5 有机硫酸酯 |
| 2.4.6 气相样品 |
| 2.5 样品的质量控制和质量保证 |
| 2.6 标志物法估算二次有机气溶胶 |
| 2.7 卫星火点信息 |
| 2.8 后向轨迹模型 |
| 第3章 中国不同区域大气二次有机气溶胶时空特征 |
| 3.1 研究背景 |
| 3.2 异戊二烯SOA时空分布特征 |
| 3.2.1 异戊二烯SOA标志物空间分布 |
| 3.2.2 异戊二烯SOA标志物季节变化 |
| 3.2.3 秋冬季异戊二烯SOA异常升高及其原因 |
| 3.3 单萜烯SOA时空分布特征 |
| 3.3.1 蒎烯时空分布特征 |
| 3.3.2 单萜烯SOA标志物空间分布 |
| 3.3.3 单萜烯SOA标志物季节变化 |
| 3.3.4 秋冬季单萜烯SOA异常升高及其原因 |
| 3.4 倍半萜SOA时空分布特征 |
| 3.4.1 倍半萜SOA标志物的空间分布 |
| 3.4.2 倍半萜SOA标志物的季节变化 |
| 3.4.3 秋冬季倍半萜SOA异常升高及其原因 |
| 3.5 苯系物SOA时空分布特征 |
| 3.5.1 苯系物SOA标志物空间分布 |
| 3.5.2 苯系物SOA标志物季节变化 |
| 3.5.3 冬季重污染时期苯系物SOA显着升高及其原因 |
| 3.6 中国大气SOA组成与时空分布特征 |
| 3.6.1 大气SOA浓度估算 |
| 3.6.2 大气SOA的组成与时空分布特征 |
| 3.7 本章小结 |
| 第4章 珠江三角洲地区人为源排放对自然源SOA生成的影响 |
| 4.1 珠江三角洲空气污染演化趋势 |
| 4.2 异戊二烯SOA时空分布特征及其影响因素 |
| 4.2.1 异戊二烯SOA标志物时空分布 |
| 4.2.2 氮氧化物对异戊二烯SOA生成途径的影响 |
| 4.2.3 臭氧氧化过程对异戊二烯SOA生成途径的贡献 |
| 4.3 单萜烯SOA时空分布特征及其影响因素 |
| 4.3.1 单萜烯SOA标志物时空分布特征 |
| 4.3.2 多级氧化过程对单萜烯SOA组成的影响 |
| 4.4 倍半萜SOA时空分布特征及其影响因素 |
| 4.4.1 倍半萜SOA标志物时空分布 |
| 4.4.2 秋冬季倍半萜SOA异常升高及其原因 |
| 4.5 人为源排放对自然源SOA生成的影响 |
| 4.5.1 自然源SOA组成与时空分布特征 |
| 4.5.2 人为源排放控制对降低自然源SOA的影响 |
| 4.6 本章小结 |
| 第5章 我国典型城市大气异戊二烯SOA的生成机制 |
| 5.1 研究背景 |
| 5.2 异戊二烯SOA标志物与有机硫酸酯时空分布特征 |
| 5.3 异戊二烯环氧中间体生成SOA的过程机制 |
| 5.3.1 硫酸根、气溶胶含水量对异戊二烯环氧中间体反应性摄取的影响 |
| 5.3.2 氮氧化物对异戊二烯环氧中间体生成与反应性摄取的影响 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 主要结论 |
| 6.2 特色及创新点 |
| 6.3 不足之处和后续工作展望 |
| 参考文献 |
| 附录 常用缩略语 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（4）基于大数据分析的输电线路系统故障时空预测方法的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究背景和意义 |
| 1.2 大数据分析技术在电力系统中的应用 |
| 1.2.1 故障特征挖掘 |
| 1.2.2 特征数据降维 |
| 1.2.3 数据分类及聚类 |
| 1.2.4 不良数据异常检测 |
| 1.3 基于电气特征参数方法的研究现状 |
| 1.3.1 线路故障在线检测 |
| 1.3.2 线路故障暂态预测 |
| 1.3.3 基于电气特征参数方法的适用场景 |
| 1.4 基于环境特征参数方法的研究现状 |
| 1.4.1 应用环境特征参数实现长期预测的可行性 |
| 1.4.2 同时采用电气特征参数的预测方法 |
| 1.4.3 针对单个类型故障的预测方法 |
| 1.4.4 针对多种类型故障的预测方法 |
| 1.5 本文的主要工作 |
| 1.5.1 本文的研究内容 |
| 1.5.2 本文的章节安排 |
| 第2章 计及罕见变量的ARMret预测模型 |
| 2.1 引言 |
| 2.2 ARMret预测模型的构建 |
| 2.2.1 输入数据的预处理 |
| 2.2.2 重要度诊断标准的改进 |
| 2.2.3 输入数据相对权重的求解 |
| 2.2.4 关联规则挖掘FP-Growth算法 |
| 2.2.5 ARMret预测模型的验证方法 |
| 2.2.6 ARMret预测模型的实施流程 |
| 2.3 算例分析 |
| 2.3.1 算例数据描述 |
| 2.3.2 故障结果测试分析 |
| 2.3.3 故障原因测试分析 |
| 2.4 本章小结 |
| 第3章 优化权重计算和参数调节的DARMret预测模型 |
| 3.1 引言 |
| 3.2 DARMret预测模型的构建 |
| 3.2.1 环境风险指数的求解 |
| 3.2.2 时间风险指数的求解 |
| 3.2.3 双重风险指数的求解 |
| 3.2.4 参数自适应动态调节模型的构建 |
| 3.2.5 DARMret预测模型的验证方法 |
| 3.2.6 DARMret预测模型的实施流程 |
| 3.3 算例分析 |
| 3.3.1 算例数据描述 |
| 3.3.2 不同时段故障风险评级 |
| 3.3.3 故障结果测试分析 |
| 3.3.4 故障原因测试分析 |
| 3.4 本章小结 |
| 第4章 考虑不同数据特性的集成式FDCARM预测模型 |
| 4.1 引言 |
| 4.2 FDCARM预测模型的构建 |
| 4.2.1 模糊推理系统的背景 |
| 4.2.2 输入连续特征的预处理 |
| 4.2.3 概率模糊风险的求解 |
| 4.2.4 模型的集成 |
| 4.2.5 FDCARM预测模型的验证方法 |
| 4.2.6 FDCARM预测模型的实施流程 |
| 4.3 算例分析 |
| 4.3.1 算例数据描述 |
| 4.3.2 专家权重优化分析 |
| 4.3.3 故障结果测试分析 |
| 4.3.4 故障原因测试分析 |
| 4.3.5 预测模型对比和讨论 |
| 4.4 本章小结 |
| 第5章 预测模型现实中不确定度及故障预测不确定度影响的分析 |
| 5.1 引言 |
| 5.2 现实应用不确定度 |
| 5.2.1 不确定度的背景 |
| 5.2.2 模型构建 |
| 5.2.3 算例分析 |
| 5.3 故障原因预测不确定度对整体预测的影响 |
| 5.3.1 模型构建 |
| 5.3.2 算例分析 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间已发表或已录用的论文 |
| 攻读博士学位期间参与的科研项目 |
（5）基于光化学损失校正的挥发性有机化合物（VOCs）来源解析方法优化及应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 VOCs来源解析方法 |
| 1.2.2 VOCs光化学活性 |
| 1.3 研究目标与研究内容 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.3.3 研究技术与路线 |
| 1.4 研究创新点 |
| 1.5 论文结构 |
| 第二章 数据与方法 |
| 2.1 VOCs数据来源 |
| 2.1.1 香港VOCs监测数据来源 |
| 2.1.2 上海VOCs监测数据来源 |
| 2.1.3 武汉VOCs监测数据来源 |
| 2.2 研究方法 |
| 2.2.1 受体模型与不确定度计算 |
| 2.2.2 光化学龄方法改进 |
| 2.2.3 臭氧生成潜势 |
| 2.2.4 后向轨迹聚类分析 |
| 2.2.5 潜在源贡献分析 |
| 2.3 本章小结 |
| 第三章 基于ME-2 模型优化香港VOCs源解析结果 |
| 3.1 VOCs来源初步分析 |
| 3.2 ME-2因子识别 |
| 3.3 结果验证 |
| 3.4 因子贡献 |
| 3.5 本章小结 |
| 第四章 基于两阶段光化学龄校正上海PMF因子谱 |
| 4.1 VOCs来源识别 |
| 4.2 两阶段光化学龄估算 |
| 4.3 VOCs初始排放源谱 |
| 4.4 因子浓度变化 |
| 4.5 方法不确定性 |
| 4.6 本章小结 |
| 第五章 武汉VOCs来源解析与PMF因子谱校正 |
| 5.1 VOCs总体特征 |
| 5.2 VOCs因子识别 |
| 5.3 基于光化学龄的源谱校正 |
| 5.3.1 光化学龄 |
| 5.3.2 源谱校正 |
| 5.3.3 因子日变化 |
| 5.4 潜在源贡献分析 |
| 5.5 臭氧生成潜势 |
| 5.6 本章小结 |
| 第六章 结论与建议 |
| 主要结论 |
| 下一步工作建议 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（6）热红外波段场地自动化定标方法的研究与设备研制（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 热红外遥感器辐射定标意义 |
| 1.2 卫星遥感器热红外波段辐射定标方法 |
| 1.2.1 实验室定标 |
| 1.2.2 在轨星上定标 |
| 1.2.3 在轨替代定标 |
| 1.3 卫星遥感器热红外波段校正场定标方法 |
| 1.3.1 辐亮度基法 |
| 1.3.2 温度基法 |
| 1.3.3 校正场定标方法比较 |
| 1.4 红外测温辐射计研究现状 |
| 1.5 论文的主要研究内容 |
| 第2章 热红外波段场地自动化定标方法 |
| 2.1 遥感器热红外波段在轨辐射定标原理 |
| 2.1.1 辐亮度基法定标原理 |
| 2.1.2 温度基法定标原理 |
| 2.2 温度与发射率分离算法 |
| 2.2.1 单通道温度与发射率分离算法 |
| 2.2.2 基于场地多通道数据的温度与发射率分离算法 |
| 2.2.3 基于场地高光谱数据的场地温度与发射率分离算法 |
| 2.3 大气下行辐射获取方法 |
| 2.3.1 大气下行辐射估算模型 |
| 2.3.2 地基观测大气下行辐射 |
| 2.4 大气透过率和大气程辐射计算 |
| 2.5 定标系数计算 |
| 2.6 热红外波段场地自动化定标原理 |
| 2.7 本章小结 |
| 第3章 外场比对试验 |
| 3.1 在轨定标试验与精度分析 |
| 3.1.1 卫星遥感器 |
| 3.1.2 现场测量 |
| 3.1.3 大气测量及辐射传输计算 |
| 3.1.4 FY3D绝对辐射定标计算 |
| 3.1.5 精度检验和误差分析 |
| 3.2 TES算法比对试验 |
| 3.2.1 野外测量系统 |
| 3.2.2 现场测量及数据分析 |
| 3.2.3 地表高光谱发射率计算 |
| 3.2.4 精度分析 |
| 3.3 大气下行辐射获取方法比较 |
| 3.4 探空数据获取方法比较 |
| 3.5 场地自动化定标精度分析 |
| 3.6 本章小结 |
| 第4章 场地自动化观测设备的研制 |
| 4.1 需求分析 |
| 4.2 总体设计方案计 |
| 4.2.1 MSIR的结构组成 |
| 4.2.2 系统性能指标 |
| 4.3 光机系统设计 |
| 4.3.1 光学系统设计 |
| 4.3.2 自校准系统 |
| 4.3.3 光学通道设置 |
| 4.3.4 光通量估算 |
| 4.3.5 信噪比估算 |
| 4.3.6 保护系统设计 |
| 4.3.7 杂散光的消除 |
| 4.3.8 光机装调 |
| 4.4 电子学系统 |
| 4.4.1 电源模块 |
| 4.4.2 探测器控制 |
| 4.4.3 内置黑体控制 |
| 4.4.4 电机驱动 |
| 4.4.5 北斗通讯 |
| 4.5 程序设计 |
| 4.6 本章小结 |
| 第5章 MSIR辐射定标及性能测试 |
| 5.1 内置黑体实验室定标 |
| 5.1.1 实验室定标系统及设备 |
| 5.1.2 内置黑体发射率定标 |
| 5.1.3 内置黑体稳定性测量 |
| 5.1.4 内置黑体实验室测量结论 |
| 5.2 MSIR辐射定标 |
| 5.2.1 MSIR通道参数拟合 |
| 5.2.2 MSIR实验室定标原理 |
| 5.2.3 MSIR自校准原理 |
| 5.2.4 辐射定标实验 |
| 5.2.5 辐射定标不确定分析 |
| 5.3 本章小结 |
| 第6章 结论和展望 |
| 6.1 论文工作总结 |
| 6.2 主要创新点 |
| 6.3 存在的问题及展望 |
| 参考文献 |
| 致谢 |
| 在读期间发表的学术论文与取得的其他研究成果 |
（7）压电式压力电测系统校准及不确定度评定关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 选题的背景及意义 |
| 1.1.1 选题背景 |
| 1.1.2 选题意义 |
| 1.2 国内外研究现状 |
| 1.2.1 压力校准方法研究现状 |
| 1.2.2 测量不确定度评定方法研究现状 |
| 1.3 现有研究存在的主要问题 |
| 1.4 论文的主要研究内容及章节安排 |
| 2 压电式压力电测系统比对式准静态校准方法研究 |
| 2.1 引言 |
| 2.2 比对式准静态压力校准方法 |
| 2.2.1 压电式压力电测系统输出特性分析 |
| 2.2.2 准静态校准压力源概述 |
| 2.2.3 压力脉冲频谱特性分析 |
| 2.2.4 比对式压力校准量传途径分析 |
| 2.3 标准压力监测系统组建及其静态校准 |
| 2.3.1 标准压力监测系统组建 |
| 2.3.2 标准压力监测系统静态校准 |
| 2.3.3 标准压力监测系统工作特性参数求取 |
| 2.4 典型被校压力电测系统组建及其校准试验 |
| 2.4.1 典型被校压力电测系统组建 |
| 2.4.2 压电式压力电测系统静压加载试验 |
| 2.4.3 典型被校压力电测系统校准试验 |
| 2.5 基于准静态校准的工作特性参数求取方法研究 |
| 2.5.1 工作特性参数求取方法研究 |
| 2.5.2 典型被校压力电测系统工作特性参数求取 |
| 2.6 本章小结 |
| 3 基于GABP算法的压电式压力电测系统准静态校准方法研究 |
| 3.1 引言 |
| 3.2 神经网络算法概述及其优化方法研究 |
| 3.2.1 人工神经网络的概念及特点 |
| 3.2.2 神经网络算法优化方法研究 |
| 3.3 GABP神经网络预测模型研究 |
| 3.3.1 GABP神经网络预测模型的建立 |
| 3.3.2 GABP神经网络预测模型的训练 |
| 3.3.3 GABP神经网络预测模型的测试 |
| 3.3.4 GABP神经网络预测模型与BP神经网络模型的比较 |
| 3.3.5 GABP神经网络预测模型与多元非线性回归模型的比较 |
| 3.4 基于GABP神经网络预测模型的准静态压力校准实践 |
| 3.4.1 基于GABP模型的压力电测系统校准方法 |
| 3.4.2 基于GABP模型的压力电测系统工作特性参数求取 |
| 3.5 本章小结 |
| 4 压电式压力电测系统绝对式准静态校准方法研究 |
| 4.1 引言 |
| 4.2 基于力传感器的压力电测系统绝对式校准原理 |
| 4.2.1 基于力传感器的压力校准原理 |
| 4.2.2 力传感器安装连接方式对力值测量的影响分析 |
| 4.3 力传感器安装连接方式对力值测量的影响试验研究 |
| 4.3.1 基于HBM力传感器的力值测量系统 |
| 4.3.2 基于HBM力传感器的压力校准试验 |
| 4.3.3 基于GABP算法的力值修正方法研究 |
| 4.3.4 基于HBM力传感器的压力校准局限性 |
| 4.4 专用力传感器设计与有限元仿真 |
| 4.4.1 专用力传感器设计 |
| 4.4.2 专用力传感器的理论研究和仿真分析 |
| 4.5 专用力传感器静动态特性分析 |
| 4.5.1 基于专用力传感器的力值测量系统 |
| 4.5.2 专用力传感器静态特性分析 |
| 4.5.3 专用力传感器动态特性分析 |
| 4.6 基于专用力传感器的力和压力关系模型研究 |
| 4.6.1 力和压力关系模型理论研究 |
| 4.6.2 压力校准精度影响因素分析 |
| 4.6.3 参考压力峰值修正方法研究及试验验证 |
| 4.7 基于专用力传感器的准静态压力校准实践 |
| 4.7.1 基于专用力传感器的压力电测系统校准方法 |
| 4.7.2 基于专用力传感器的压力电测系统工作特性参数求取 |
| 4.8 本章小结 |
| 5 压电式压力电测系统动态校准方法研究 |
| 5.1 引言 |
| 5.2 基于空气激波管的动态压力校准方法 |
| 5.2.1 基于空气激波管的动态压力校准原理 |
| 5.2.2 典型空中冲击波压力电测系统组成 |
| 5.2.3 空中冲击波压力电测系统动态校准试验及传递特性求取 |
| 5.2.4 空中冲击波压力电测系统动态补偿方法研究 |
| 5.3 基于预压水激波管的动态压力校准原理 |
| 5.3.1 水下爆炸冲击波理论 |
| 5.3.2 预压水激波管动态压力校准装置 |
| 5.3.3 预压水激波管动态压力校准原理 |
| 5.4 水激波管爆炸冲击波压力场特性仿真研究 |
| 5.4.1 有限元仿真模型建立及其参数设置 |
| 5.4.2 水下爆炸冲击波压力传播规律研究 |
| 5.4.3 预压水激波管爆炸冲击波压力影响因素研究 |
| 5.5 水下冲击波压力电测系统动态传递特性求取方法研究 |
| 5.5.1 标准和被校压力电测系统组建 |
| 5.5.2 水下冲击波压力电测系统动态校准试验 |
| 5.5.3 压力电测系统动态特性影响因素分析 |
| 5.5.4 水下冲击波压力电测系统动态传递特性求取 |
| 5.6 水下冲击波压力电测系统动态补偿方法研究 |
| 5.7 本章小结 |
| 6 压电式压力电测系统不确定度评定方法研究 |
| 6.1 引言 |
| 6.2 基于准静态校准的压力测量不确定度影响因素分析 |
| 6.2.1 准静态压力校准系统组成 |
| 6.2.2 压力测量不确定度影响因素分析 |
| 6.3 基于准静态校准的压力电测系统测量不确定度评定 |
| 6.3.1 参考压力值测量不确定度评定 |
| 6.3.2 典型被校压力电测系统测量不确定度评定 |
| 6.4 基于水激波管动态校准的压力电测系统测量不确定度评定 |
| 6.4.1 水下冲击波压力电测系统测量不确定度影响因素分析 |
| 6.4.2 水下冲击波压力电测系统动态不确定度评定方法研究 |
| 6.4.3 水下冲击波压力电测系统动态测量不确定度评定 |
| 6.5 基于空气激波管动态校准的压力电测系统测量不确定度评定 |
| 6.5.1 空中冲击波压力电测系统测量不确定度影响因素分析 |
| 6.5.2 空中冲击波压力电测系统动态不确定度评定简析 |
| 6.6 本章小结 |
| 7 全文小结 |
| 7.1 论文主要工作及研究成果 |
| 7.2 论文的创新点 |
| 7.3 研究展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（8）南京市大气汞的源汇特征及其影响因素研究（论文提纲范文）
| 中英文对照及缩写表 |
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究概况 |
| 1.2.1 大气汞浓度观测方法概述 |
| 1.2.2 大气汞浓度观测网络 |
| 1.2.3 基于受体的大气汞来源特征识别 |
| 1.2.4 大气汞沉降观测方法概述 |
| 1.2.5 大气汞沉降观测网络 |
| 1.2.6 大气汞沉降模拟方法概述 |
| 1.3 研究目的与意义 |
| 1.3.1 现有研究的不足 |
| 1.3.2 研究目的 |
| 1.3.3 研究意义 |
| 1.4 研究内容及技术路线 |
| 第2章 大气汞浓度与沉降观测方法体系 |
| 2.1 站点描述 |
| 2.2 大气汞浓度及气象参数观测方法 |
| 2.2.1 大气分形态汞连续在线观测方法 |
| 2.2.2 RM主动采样监测方法 |
| 2.2.3 气象数据观测方法 |
| 2.3 大气汞湿沉降采样及分析方法 |
| 2.4 大气汞干沉降采样及分析方法 |
| 2.4.1 GOM干沉降采样及分析方法 |
| 2.4.2 TAM干沉降采样及分析方法 |
| 2.4.3 颗粒物采样及离子分析方法 |
| 2.5 质量控制及数据处理方法 |
| 2.5.1 质量控制方法 |
| 2.5.2 阳离子交换膜分析结果实验室间比对 |
| 2.5.3 观测数据处理方法 |
| 第3章 南京市大气汞来源特征及其影响因素 |
| 3.1 大气汞污染特征 |
| 3.1.1 总体特征 |
| 3.1.2 季节变化特征 |
| 3.1.3 昼夜变化特征 |
| 3.2 模型方法介绍 |
| 3.2.1 HYSPLIT模型介绍及设置 |
| 3.2.2 PSCF模型介绍及设置 |
| 3.2.3 广义叠加模型介绍及建立 |
| 3.3 大气汞浓度变化归因 |
| 3.3.1 基于后向轨迹模型的大气汞浓度变化归因 |
| 3.3.2 基于广义加性模型的大气汞浓度变化归因 |
| 3.4 气象因素及区域传输对于GEM浓度的影响 |
| 3.4.1 RH及SR的影响 |
| 3.4.2 T及P的影响 |
| 3.4.3 WS及DOY的影响 |
| 3.4.4 跨区域传输的影响 |
| 3.5 本章小结 |
| 第4章 南京市大气汞沉降特征及其影响因素 |
| 4.1 大气总汞湿沉降特征及其影响因素 |
| 4.1.1 总体特征 |
| 4.1.2 季节变化特征及其影响因素 |
| 4.1.3 离子相关性分析 |
| 4.2 GOM干沉降特征 |
| 4.2.1 GOM干沉降通量特征 |
| 4.2.2 GOM干沉降速率特征 |
| 4.3 TAM干沉降特征 |
| 4.4 NJU站大气汞干湿沉降贡献比例 |
| 4.5 本章小结 |
| 第5章 南京市大气分形态汞干沉降模拟与优化 |
| 5.1 分形态汞干沉降模型介绍 |
| 5.1.1 三重阻力模型 |
| 5.1.2 双向通量模型 |
| 5.1.3 气溶胶干沉降模型 |
| 5.2 GOM干沉降模拟及优化 |
| 5.2.1 GOM干沉降模拟结果分析 |
| 5.2.2 GOM干沉降观测与模拟差异分析 |
| 5.3 PBM干沉降模拟结果 |
| 5.4 GEM干沉降模拟及优化 |
| 5.4.1 GEM干沉降的优化 |
| 5.4.2 GEM干沉降模拟结果 |
| 5.4.3 分形态汞干沉降贡献比例 |
| 5.5 本章小结 |
| 第6章 结论与建议 |
| 6.1 结论 |
| 6.2 论文创新点 |
| 6.3 不足之处及未来研究工作展望 |
| 参考文献 |
| 攻读硕士学位期间的主要成果 |
| 致谢 |
（9）电动汽车锂电池健康状态在线估算方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及研究的目的和意义 |
| 1.2 国内外研究现状及研究存在的问题 |
| 1.2.1 机理模型 |
| 1.2.2 等效模型 |
| 1.2.3 数据模型 |
| 1.2.4 融合模型 |
| 1.2.5 SOH估算研究存在的问题 |
| 1.3 本文的主要研究内容 |
| 第2章 锂电池充电模型研究 |
| 2.1 引言 |
| 2.2 锂电池充电等效模型参数分析 |
| 2.3 基于GPR的锂电池充电模型 |
| 2.4 锂电池充电容量测量不确定度评定 |
| 2.5 参数对容量测量结果不确定度的影响 |
| 2.5.1 电池曲线特性对电池充电时间的影响结果 |
| 2.5.2 锂电池充电容量测量结果不确定度评定结果 |
| 2.6 本章小结 |
| 第3章 基于迭代EKF-GPR锂电池充电可用容量估算方法研究 |
| 3.1 引言 |
| 3.2 容量增量分析法原理 |
| 3.3 基于片段充电数据估算锂电池容量方法的可行性分析 |
| 3.4 锂电池容量估算模型 |
| 3.4.1 迭代EKF-GPR容量估算模型 |
| 3.4.2 迭代EKF-GPR的量测方程 |
| 3.4.3 迭代EKF-GPR的状态方程 |
| 3.4.4 算法流程 |
| 3.5 模型试验结果及分析 |
| 3.5.1 试验设计 |
| 3.5.2 锂电池单体电压估算曲线估算方法验证 |
| 3.5.3 容量估算方法比对分析 |
| 3.6 本章小结 |
| 第4章 锂电池SOH预测模型训练数据筛选方法研究 |
| 4.1 引言 |
| 4.2 基于GPR方法的锂电池SOH预测模型分析 |
| 4.3 基于估算不确定度的训练数据筛选方法 |
| 4.3.1 不确定时间序列的预测 |
| 4.3.2 训练数据筛选方法流程 |
| 4.4 试验结果及分析 |
| 4.4.1 同一批次电池训练数据 |
| 4.4.2 不同一批次电池训练数据 |
| 4.5 本章小结 |
| 第5章 电动汽车锂电池组SOH在线估算方法 |
| 5.1 引言 |
| 5.2 锂电池单体与锂电池组的区别 |
| 5.3 基于改进迭代EKF-GPR的锂电池组在线估算方法 |
| 5.3.1 充电机数据进行SOH估算的可行性 |
| 5.3.2 改进迭代EKF-GPR模型 |
| 5.4 模型试验结果及分析 |
| 5.4.1 试验设计 |
| 5.4.2 模型验证 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 致谢 |
| 个人简历 |
（10）基于数据挖掘的区域建筑群节能改造预测模型研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题的背景和意义 |
| 1.1.1 区域建筑节能改造意义 |
| 1.1.2 国内规模化建筑节能改造推进情况 |
| 1.2 国内外研究现状综述 |
| 1.2.1 节能改造基准模型 |
| 1.2.2 节能改造预测模型 |
| 1.2.3 节能改造决策模型 |
| 1.2.4 数据挖掘技术应用 |
| 1.2.5 本领域存在的关键问题 |
| 1.3 主要研究内容和技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 拟解决的关键技术 |
| 1.3.3 技术路线 |
| 1.3.4 论文构成 |
| 第二章 区域建筑群大规模节能改造基础问题和研究方法 |
| 2.1 区域建筑群大规模节能改造的定义 |
| 2.2 区域建筑群大规模节能改造预测模型难点 |
| 2.2.1 不确定性源的量化问题 |
| 2.2.2 高维模型的复杂性 |
| 2.3 区域建筑群大规模节能改造预测模型建模方法 |
| 2.3.1 不确定性基本理论方法 |
| 2.3.2 蒙特卡罗模拟方法 |
| 2.3.3 数据挖掘方法 |
| 2.3.4 多准则决策优化理论 |
| 2.4 本章小结 |
| 第三章 LSBESR数据库的建立与应用研究 |
| 3.1 数据库信息系统设计和内容 |
| 3.2 城市级存量建筑能耗数据库 |
| 3.2.1 存量建筑能耗指标库 |
| 3.2.2 基于高斯混合模型的建筑聚类方法 |
| 3.3 区域级LSBESR能源信息基础数据库 |
| 3.3.1 LSBESR能源信息基础数据库分析 |
| 3.3.2 约束性条件下的LSBESR基准模型研究 |
| 3.4 本章小结 |
| 第四章 基于数据挖掘的区域大规模建筑群能耗随机模型和验证 |
| 4.1 逆向模拟方法 |
| 4.2 区域建筑群随机能量方程 |
| 4.2.1 典型建筑模型定义 |
| 4.2.2 典型建筑能量平衡原理 |
| 4.2.3 区域建筑群能量需求预测模型 |
| 4.2.4 区域建筑群能源消耗预测模型 |
| 4.2.5 能源预测随机模型仿真 |
| 4.3 模型随机变量的确定和抽样 |
| 4.3.1 不确定性量化和随机参数分布 |
| 4.3.2 大规模改造中不确定性源参数分析 |
| 4.4 区域大规模能量预测随机模型验证 |
| 4.4.1 预测模型精度和验证标准 |
| 4.4.2 随机模型的输入参数 |
| 4.4.3 预测模拟结果校验 |
| 4.4.4 能耗预测结果讨论分析 |
| 4.5 本章小结 |
| 第五章 能耗随机模型的节能改造预测和验证 |
| 5.1 区域大规模建筑群节能改造预测 |
| 5.1.1 区域大规模建筑群节能量计算 |
| 5.1.2 基于基础数据库的改造潜力研究 |
| 5.1.3 能源参数的敏感因子分析 |
| 5.1.4 单参数改造因子回归模型 |
| 5.1.5 不同情景下的节能改造概率分布预测 |
| 5.2 基于贝叶斯估计的能量方程校正模型 |
| 5.2.1 给定条件下的贝叶斯能量校正模型 |
| 5.2.2 不确定参数调整计算流程 |
| 5.2.3 马尔可夫链蒙特卡罗方法 |
| 5.2.4 不确定参数的贝叶斯估计 |
| 5.2.5 贝叶斯能量校正模型和能耗预测模型对比 |
| 5.2.6 基于后验分布的节能改造措施预测分析 |
| 5.3 区域大规模建筑群节能改造预测模型验证 |
| 5.3.1 节能改造预测验证建筑群样本信息 |
| 5.3.2 实际改造建筑群节能改造前后能耗变化 |
| 5.3.3 预测模型改造前后能源参数的变化 |
| 5.3.4 预测模型输出与实际改造前后数据的验证对比 |
| 5.4 本章小结 |
| 第六章 基于改造意愿的LSBESR预测随机模型修正研究 |
| 6.1 节能改造意愿因子体系 |
| 6.2 研究程序 |
| 6.3 基于改造意愿因子的预测修正模型 |
| 6.3.1 节能改造数据的预处理 |
| 6.3.2 FMADM模型和隶属函数研究 |
| 6.3.3 基于区域建筑群改造意愿的蒙特卡罗模拟预测 |
| 6.4 意愿因子与LSBESR改造期望量化关系研究 |
| 6.4.1 区域技术难易程度和方案分类 |
| 6.4.2 大规模节能改造实施概率矩阵 |
| 6.4.3 意愿与改造期望的拟和关系 |
| 6.4.4 .应用案例分析 |
| 6.5 本章小结 |
| 第七章 区域建筑群节能改造多目标逐步优化决策方法 |
| 7.1 区域建筑节能改造多目标决策数学模型 |
| 7.1.1 多目标决策因素分析 |
| 7.1.2 多目标优化决策实施步骤 |
| 7.2 基于全生命周期成本模型和MC模拟的技术策略包优化模型 |
| 7.2.1 .基于全生命周期的单位增量成本效益模型 |
| 7.2.2 .基于MC模拟的风险控制模型 |
| 7.3 案例研究 |
| 7.3.1 模拟结果 |
| 7.3.2 讨论分析 |
| 7.3.3 政策优化 |
| 7.4 本章小结 |
| 第八章 全文总结 |
| 8.1 研究内容和结论 |
| 8.2 研究创新性 |
| 8.3 今后的研究展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间已发表论文 |
四、环境监测分析中不确定度的估算（论文参考文献）
- [1]基于生物监测的内照射剂量估算的不确定度概况[J]. 王红波,张松辉,黄晨旭,孙全富,郭跃信. 职业与健康, 2021(24)
- [2]多源遥感协同下的全天候地表温度估算研究[D]. 张晓东. 电子科技大学, 2020
- [3]中国不同区域大气二次有机气溶胶的观测研究[D]. 张宇晴. 中国科学院大学(中国科学院广州地球化学研究所), 2020
- [4]基于大数据分析的输电线路系统故障时空预测方法的研究[D]. 孙辰昊. 上海交通大学, 2020(01)
- [5]基于光化学损失校正的挥发性有机化合物（VOCs）来源解析方法优化及应用[D]. 王怡然. 华南理工大学, 2020(02)
- [6]热红外波段场地自动化定标方法的研究与设备研制[D]. 张允祥. 中国科学技术大学, 2020(01)
- [7]压电式压力电测系统校准及不确定度评定关键技术研究[D]. 顾廷炜. 南京理工大学, 2020(01)
- [8]南京市大气汞的源汇特征及其影响因素研究[D]. 周培生. 南京大学, 2020(02)
- [9]电动汽车锂电池健康状态在线估算方法研究[D]. 周頔. 哈尔滨工业大学, 2020(01)
- [10]基于数据挖掘的区域建筑群节能改造预测模型研究[D]. 郑东林. 上海交通大学, 2019(06)