简介：为了给工业界提供一种快速预测二元混合液体自燃温度的有效途径,将试验所测不同组分及配比的168个二元混合液体的自燃温度作为期望输出,将基于电性拓扑状态指数（ETSI）理论、引入混合ETSI概念而计算出的9种原子类型所对应的混合ETSI作为输入,采用三层BP神经网络技术建立了根据原子类型混合ETSI来预测混合液体自燃温度的BP神经网络模型,并应用改进的Garson算法进行多参数敏感性分析。经模型评价验证及稳定性分析,得到训练集的决定系数R2为0.965,平均绝对误差MAE为11.892K,测试集的交叉验证系数Q2ext为0.923,平均绝对误差MAE为15.530K,发现该模型的预测性能优于已有的多元非线性回归（MNR）模型,表明BP神经网络模型具有较好的拟合能力和预测能力,对烷、醇类混合体系自燃温度的预测精度最佳。

简介：为研究氨排放对冬季PM_（2.5）中二次无机盐的影响,设置不同排放情景,应用CMAQ模式对华北地区典型城市——保定冬季无机盐进行了模拟研究。结果表明：将氨气在模式中排放置零的情景下,无机盐质量浓度降低了67.08%;氨排放削减与二次无机盐生成呈非线性关系,大气呈“氨限制”状态;氨排放削减能够有效抑制二次无机盐的生成,当削减幅度为50%时无机盐总体降幅达29.89%,其中硝酸盐、铵盐和硫酸盐降幅分别为53.78%、27.87%和5.64%;氨排放对重污染时段二次无机盐的生成贡献较高,当氨削减幅度为50%时无机盐总体降低40.58%;在当前大气环境下,氨排放削减是保定市冬季控制二次无机盐污染的重要途径。