微藻反应器用于水气净化与产氧的功能验证

将微藻和电去离子技术引入密闭生态系统,设计单元反应器旨在验证其在空气再生、水净化和潜在食物的生产。在反应器中对尿液进行消解和NH4＋硝化转化得到超过90%NH4＋-N硝化为NO-3-N-的培养液适宜于螺旋藻养殖并获得高质量的微藻生物量;此时,CO2的平均吸收速率VCO2=458.6 mL/m3·min、O2产生速率VO2=616.5 mL/m3·min,即螺旋藻的同化系数VCO2/VO2≈0.74,接近人的呼吸系数VCO2/VO2=0.86;EDI法水净化率97%可直接回用。结果表明：该体系能实现CO2吸收、O2释放和螺旋藻生物量的生产,同时将水净化。     

利用混合模型LSTM-DNN进行全球电离层TEC map的中短期预报

近年来,基于深度学习技术的长短期记忆（long short-term memory, LSTM）网络相关预报算法在空间天气的预测方面得到广泛应用,但存在预测误差随时间堆叠的缺陷,因此只能进行有限的短期预测。为解决这一问题,文章将太阳风参数、太阳黑子数、地磁活动水平指数Ap以及磁暴环电流指数Dst作为预报因子加入模型,建立一个基于LSTM和深度神经网络（deep neural networks, DNN）的混合模型来进行全球电离层TEC map的中短期预报。该模型可以明显减小时间递增对预测误差的影响。测试结果表明,相较于单独的LSTM模型,LSTM-DNN混合模型对24 h电离层预报准确率相近,对48 h电离层预报平均相对精度（RA）由79.30%提升到81.18%,对144 h电离层预报平均相对精度由64.97%提升到77.64%。