低影响开发(LID)植草沟技术研究进展

植草沟技术作为低影响开发措施之一,具有改善水质、输送和渗透雨水径流的作用。现从植草沟类型、净化作用和径流削减作用等三个方面,论述了国内外的主要研究进展,探讨了目前该技术研究存在的不足,并就该技术的发展方向进行了展望,以期为国内植草沟的进一步研究提供参考。     

机器学习在隧道岩爆微震监测预警中的应用

深部隧道岩爆是地下工程建设中的安全隐患，准确预警岩爆能够保障工程人员的生命财产安全。机器学习等智能技术的出现为岩爆预警带来了新的思路和方法，提高了预警的准确性、及时性和智能化水平。对机器学习在深部隧道岩爆微震监测预警中的应用现状开展了系统研究。首先，对岩爆微震监测评估预警中的机器学习算法进行总结，分析了现有各类机器学习算法的特征优势，然后，对微震监测岩爆预警指标体系进行了归纳，进一步，分析了基于不同机器学习的岩爆微震监测预警应用效果。结果表明神经网络（NN）是岩爆预警算法中的热门方法，微震事件数（N）、微震能量（E）、视体积（V）及其变体是使用频次最高的岩爆预警指标，大部分岩爆预警指标个数主要在3～7个之间。岩爆等级是岩爆预警的研究热点，大部分机器学习方法的预警准确率基本能达到80%及以上，表明机器学习方法具有较好的应用效果与发展前景。最后，对发展方向进行了展望，更先进的机器学习算法、预警指标体系的有效性与全面性、样本的丰富性、岩爆发生时间预警、数据处理能力等需要进一步深入研究。     

高密度建成区径流污染源精确计量与系统阻控关键技术及应用

雨水径流污染是制约我国城市水环境质量提升的重要原因。为解决这一难题，在径流污染源解析计量、排水管道精确检测和原位修复、污染系统阻控技术体系等领域开展研究，形成了系列技术和装备，突破高密度建成区排水系统提质增效技术壁垒。研发成果在福州、厦门、上海等多地应用，取得了良好的环境和社会效益，为我国城市水环境改善提供重要支撑。     

基于GWO-SVM岩爆分级预测模型

引入灰狼算法（GWO）优化支持向量机(SVM)模型，构建GWO-SVM岩爆分级预测模型。选取围岩最大切向应力、岩石单轴抗压强度、岩石单轴抗拉强度等，组成3种不同的输入指标组合，构建岩爆分级预测指标体系。将153组岩爆案例作为数据集输入4种模型进行训练、测试，比较不同输入组合下模型的预测效果。结果表明：GWO-SVM比标准SVM模型预测准确率提升7.41%～18.52%，在输入指标组合2下，GWO-SVM模型预测准确率最高达92.59%，基于GWOSVM的岩爆分级预测方法优于其他方法。     

倾斜叶片前缘对涡轮强迫振动的影响研究

针对车用增压器径流涡轮在运行过程中容易出现高周疲劳失效的问题，使用流固耦合法对比分析不同叶轮前缘倾角的涡轮内部流场和强迫振动。结果表明，叶片前缘倾斜与导叶尾缘形成一定夹角可以减轻转-静子干涉效应。前缘倾斜叶轮在靠近叶片压力面的通道涡比前缘垂直模型的更强，导致涡轮的效率下降。叶片垂直设计在整个叶高范围同时与导叶的尾迹发生切割，增加了气动激励的大小，而叶片前缘倾斜可以减轻尾迹干涉的程度。另外，倾斜叶片前缘设计的吸力面侧压力比垂直叶片前缘的更小，导叶的势场对垂直前缘叶轮叶片的干涉作用更为强烈。综合考虑倾角对效率和最大动应力的影响，得到了合理的倾角设计，叶轮在一阶、二阶谐波压力下最大动应力均有较大程度降低。