探讨湿地生态系统CO2排放通量影响因素研究进展的论文

【简介】感谢网友“诸凡顺遂”参与投稿，这次小编给大家整理了探讨湿地生态系统CO2排放通量影响因素研究进展的论文（共12篇），供大家阅读参考。

篇1：探讨湿地生态系统CO2排放通量影响因素研究进展的论文

探讨湿地生态系统CO2排放通量影响因素研究进展的论文

在天然湿地生态系统中，湿地植物吸收大气中的CO2 并在光合作用参与下将其固定在植物体中。植物死亡后所形成的地表枯落物中的碳去向有两种：一部分经微生物分解和转化以CO2 和CH4 的形式释放到大气中，另一部分以微生物量和其他形式被固定在土壤中。根据湿地生态系统的组成结构特征可将湿地生态系统CO2 排放分为湿地地上植被CO2排放和湿地土壤CO2排放。湿地地上植被CO2 排放是绿色植物光合作用和呼吸作用的结果，湿地土壤CO2 主要来自土壤呼吸，即土壤微生物呼吸、根呼吸以及土壤动物呼吸三个生物过程。本文对迄今为止国内外关于湿地生态系统CO2 排放通量影响因素的一些研究进行综述，将影响因素总结为生物因素、非生物因素以及人类活动三个方面，从以上三个方面分别分析了各影响因素对湿地生态系统CO2 排放通量的影响及作用机理。

1 非生物因素

1.1 水文条件

水文条件影响着湿地的理化性质，是选择生物群落的主要因素之一，湿地生物群落进一步影响湿地中微生物种类及分布，导致土壤中不同深度和不同区域有机质的分解程度不同。湿地中水位和土壤含水量决定着湿地生态系统中土壤的氧化还原环境，同时也影响着植物的生产力和微生物对凋落物的分解以及湿地土层通透性，从而通过影响O2 的扩散速率与CO2 的传输速率制约着湿地土壤呼吸。目前国内外大多数研究得出，湿地生态系统CO2 排放通量与湿地水位存在明显负相关关系，但也有个别学者认为CO2排放通量与湿地水位呈正相关关系。

1.2 温度

温度是植物生长过程的主要影响因子，直接决定着区域内的植被类型及植被覆盖率，其还通过影响暗反应的酶促反应来影响植物的光合作用，这使其成为湿地CO2 排放通量的又一重要影响因素。已有研究表明一定温度范围内，湿地土壤温度升高会促进土壤中微生物或根系的代谢活性，使根的呼吸增强，加速微生物对有机质的分解，湿地生态系统CO2 排放通量增高;超过一定的温度范围，随着土壤温度的升高，土壤中微生物及酶的活性降低，土壤中有机质的矿化作用和根系呼吸作用减弱，湿地CO2排放通量随温度的升高又呈减小趋势。

1.3 土壤理化性质

1.3.1 土壤pH值

土壤酸碱度通过影响着微生物及酶的活性、土壤有机质含量及其空间分布，对微生物分解有机质的能力及根系的呼吸强度产生影响，进而影响了CO2 的排放。绝大多数土壤微生物适应中性或者碱性条件，并且对pH的变化较为敏感。同时，土壤酸碱度对土壤肥力及植物生长也有很大影响，土壤pH值过低会阻碍植物对微量元素的吸收，pH值过高则会阻碍植物对微量元素的.吸收。

1.3.2 土壤盐度

盐分是限制植物生长和生产力的重要非生物因子，土壤含盐量影响着植被的空间分布及植物对营养物质的吸收和传输，不同盐沼植物对湿地土壤有机质的分布有显著影响。同时，土壤盐度对湿地中微生物的活性也有一定的影响，不同菌种的耐盐能力不同，土壤微生物一般表现出在无盐或者低盐的情况下数量和种类较多，土壤盐度超过一定范围时，土壤微生物的活性与盐分含量呈负相关的特点。

2 生物因素

2.1 微生物

土壤微生物是土壤有机物质的分解者和转化者，其本身也是土壤活性碳库之一，且直接参与土壤植物之间的碳素生物地球化学循环过程，是湿地生态系统重要的组成部分。微生物种类、数量和活性决定着呼吸强度，在湿地CO2 排放过程中发挥着重要作用。非生物因子对湿地CO2 排放通量的影响也是通过对微生物的活性、数量、和种类等来影响湿地CO2排放通量。易志刚等等发现微生物量高的土壤具有较高的土壤呼吸速率。

2.2 土壤动物

土壤动物本身的呼吸量微乎其微，但其作为湿地生态系统的重要成员，在改良湿地基质结构、增加基质肥力、分解枯枝落叶层以及促进营养物质的循环等方面有着重要的作用，同时其在土壤微生物的调节、土壤理化性质的改变方面也发挥着极其重要的作用，通过以上作用间接对湿地生态系统CO2排放通量产生影响。

2.3 植被

植被对湿地生态系统CO2 排放通量的影响一方面来自于地上部分植株自养呼吸，另一方面来自于植株的凋落物分解、根系分泌物及根际共生体的作用。陈四清等[5]研究表明土壤酶活性、土壤微生物活性、土壤微生物数量和生物量均与地上植株生物量成正相关，并且指出土壤CO2排放通量与地上生物量有明显的关系。

3 结论

1) 水文条件和温度是天然湿地生态系统CO2排放通量的主要影响因素。水文条件影响湿地生态系统中植物群落结构及演替过程，同时决定着湿地的氧化还原条件;而温度则是植物生长过程和微生物活性的主要影响因子，两者相互作用，共同影响着湿地生态系统的CO2排放通量。

2) 湿地生态系统CO2 排放通量是多种环境因子综合作用的反映。各影响因子间不是相互独立的，而是共同作用影响着湿地CO2 排放，其中任何一方面发生变化都会引起响应的一系列过程的发生和变化，导致CO2排放通量发生变化。

篇2：亚热带稻田生态系统CO2排放及影响因素

亚热带稻田生态系统CO2排放及影响因素

采用静态箱法对亚热带稻田生态系统CO2排放进行了定位观测.结果表明,水稻生长条件下的稻田CO2总排放通量(Rt)随晚稻生育期进程波动幅度较大,平均值为926.2mg/(m2(h);土壤CO2排放通量(Rs)则波动较小,平均值为285.4mg/(m2(h).二者与气温、不同土层(0,5,10,15cm)土壤温度均呈极显著的指数相关关系,温度系数(Q10)分别为2.33和1.70.稻田生态系统CO2累积排放量与水稻生物量间存在极显著的对数关系.在晚稻整个生育期,稻田生态系统从大气中净固定碳量为3.85t/hm2.

作 者：朱咏莉 吴金水 周卫军 童成立 夏卫生 ZHU Yong-Li WU Jin-shui ZHOU Wei-jun TONG Cheng-li XIA Wei-Sheng  作者单位：朱咏莉,吴金水,ZHU Yong-Li,WU Jin-shui(中国科学院水利部水土保持研究所,黄土高原土壤侵蚀与旱地农业国家重点实验室,陕西,杨凌,712100;中国科学院亚热带农业生态研究所,湖南,长沙,410125)

周卫军,童成立,ZHOU Wei-jun,TONG Cheng-li(中国科学院亚热带农业生态研究所,湖南,长沙,410125)

夏卫生,XIA Wei-Sheng(中国科学院水利部水土保持研究所,黄土高原土壤侵蚀与旱地农业国家重点实验室,陕西,杨凌,712100)

刊 名：中国环境科学  ISTIC PKU英文刊名：CHINA ENVIRONMENTAL SCIENCE 年，卷(期)： 25(2) 分类号：X16 关键词：CO2排放   影响因素   静态箱法   稻田生态系统  

篇3：湿地生态系统碳通量研究进展

湿地生态系统碳通量研究进展

摘要：湿地碳循环在全球气候变化中起着重要作用,而湿地碳通量研究是湿地碳循环研究的关键问题.由于湿地独特的土壤、植被以及水文过程,使得湿地碳通量有别于其他类型的生态系统.湿地温室气体特别是CO2和CH4的释放水平具有明显的时空变化特征,其通量变化与许多外部因素相关,包括土壤状况、水文条件、植被类型、外源氮等.对近年来湿地生态系统碳汇功能变化以及影响碳通量相关因子的研究成果进行了系统的`分析和综述.现有的研究表明,土壤状况对湿地碳通量影响较复杂,在一定范围内,表层土壤温度与气体排放密切相关,甚至呈正相关关系;土地利用/覆盖也影响湿地碳通量变化,导致湿地温室气体排放增加;水文条件特别是水位高度对湿地CO2和CH4排放的影响不同,高水位不利于CO2排出,CH4则与之相反;植被对湿地碳排放也起到正、负两方面作用,并且物种各异.还讨论了湿地碳通量研究进展的瓶颈问题,特别对植被演替较快的潮滩湿地碳通量研究做了展望.作 者：马安娜    陆健健    MA An-Na    LU Jian-Jian  作者单位：华东师范大学河口海岸国家重点实验室,上海,62 期 刊：湿地科学  ISTIC  Journal：WETLAND SCIENCE 年，卷(期)：, 6(2) 分类号：X511 关键词：碳通量    CO2    CH4    环境因素   

篇4：我国CO2排放影响因素分析

我国CO2排放影响因素分析

摘要：全球气候变暖对地球生态和人类生活构成严重的威胁,成为各国政府和人民共同关注的`问题.文章对我国碳排放进行分析后得出,经济的高速增长会引起CO2排放量的增长,而能源消费结构和产业结构的改善以及源效率水平的提高可以在很大程度上降低由经济增长带来的碳排放.作 者：王凌黎    邬恋    马前涛  作者单位：云南师范大学旅游与地理科学学院,云南,昆明,650092 期 刊：中国高新技术企业   Journal：CHINA HIGH TECHNOLOGY ENTERPRISES 年，卷(期)：, “”(5) 分类号：X511 关键词：经济增长    能源强度    CO2排放    能源消费结构    产业结构   

篇5：湿地生态系统土壤温度对气温的响应特征及对CO2排放的影响

湿地生态系统土壤温度对气温的响应特征及对CO2排放的影响

摘要：通过2年的野外定位观测,研究了沼泽湿地土壤温度对气温变化的响应特征,以及土壤温度对沼泽湿地植物-土壤系统CO2排放的.影响,并对CO2排放的季节性变化进行模拟计算.结果表明,随融冻作用开始,沼泽湿地土壤温度对气温变化的响应强度不断增大,根层土壤温度与气温间呈显著指数关系(R2=0.94,P<0.01),但不同深度土壤温度对气温变化的响应强度存在一定的差异,表现为随土壤深度的增加,二者之间的相关系数变小,土壤温度对气温的响应强度减弱.沼泽湿地植物-土壤系统CO2排放与根层土壤温度有关,二者呈显著指数相关关系(R2=0.84,P<0.01),利用模型模拟计算出沼泽湿地生长季植物-土壤系统CO2排放通量平均值为664.5±213.9 mg・m-2・h-1,野外定位观测值为634.0±227.7 mg・m-2・h-1,二者之间差值不大,表明利用此方法可以对沼泽湿地生长季CO2排放进行估算.作 者：宋长春    王毅勇    SONG Changchun    WANG Yiyong  作者单位：宋长春,SONG Changchun(中国科学院东北地理与农业生态研究所,长春,130012;中国科学院大气物理研究所,北京,100029)

王毅勇,WANG Yiyong(中国科学院东北地理与农业生态研究所,长春,130012)

期 刊：应用生态学报  ISTICPKU  Journal：CHINESE JOURNAL OF APPLIED ECOLOGY 年，卷(期)：, 17(4) 分类号：X171.1 关键词：沼泽湿地    土壤温度    CO2排放    土壤-植物系统   

篇6：1971-中国CO2排放影响因素分析

1971-中国CO2排放影响因素分析

摘要：利用Kaya恒等式结合宏观经济背景的变迁,对1971-20期间影响中国CO2排放量的因子展开分析.结果表明:经济的快速发展和人口的增长是CO2排放增加的'主要驱动因素;能源强度的改善和能源结构的低碳化不仅是减少CO2排放的重要选择,也对中国实现“十一五”期间单位GDP能耗降低20%的目标具有重要的现实意义.作 者：冯相昭    王雪臣    陈红枫    Feng Xiangzhao    Wang Xuechen    Chen Hongfeng  作者单位：冯相昭,陈红枫,Feng Xiangzhao,Chen Hongfeng(中国人民大学环境学院,北京,100872)

王雪臣,Wang Xuechen(中国气象局,北京,100081)

期 刊：气候变化研究进展  ISTIC  Journal：ADVANCES IN CLIMATE CHANGE RESEARCH 年，卷(期)：, 4(1) 分类号：X16 F062.2 关键词：Kaya恒等式    CO2排放    经济增长    能源强度    一次能源结构   

篇7：人工湿地生态系统中氮的净化机理及其影响因素研究进展

人工湿地生态系统中氮的净化机理及其影响因素研究进展

综述了人工湿地生态系统除氮的各种机理和影响系统除氮效率的主要影响因素.对今后人工湿地除氮的研究方向进行了展望,并提出以负荷去除率计算系统的`除氮性能的相关建议.

作 者：张虎成 俞穆清 田卫 徐宁  作者单位：中国科学院东北地理与农业生态研究所,长春,130012 刊 名：干旱区资源与环境  PKU CSSCI英文刊名：JOURNAL OF ARID LAND RESOURCES AND ENVIRONMENT 年，卷(期)： 18(4) 分类号：X52 关键词：人工湿地   氮   净化机理   影响因素   研究进展  

篇8：流域城市化对湿地生态系统的影响研究进展

流域城市化对湿地生态系统的影响研究进展

城市化是人类社会发展的必然趋势和现代化的必经阶段,同时城市化也对区域湿地生态系统产生重要影响.从城市化的水文效应、城市化对水环境的影响和城市化产生的气候变化对湿地生态系统影响3方面综述了城市化对湿地生态系统结构和功能影响的`研究进展.城市化引起流域内人口增加,通常伴随商业和工业活动的增加,这些活动需要更多的城市土地,从而导致流域内不透性增加,这给流域内湿地生态系统造成了重要的影响,表现为:①城市化所及地区的产汇流过程发生显著变化,导致湿地径流的调节作用和维持生态系统生产力的作用发生退化;②城市地表径流中含有大量的污染物质,致使对湿地水环境、水生生物、野生动物栖息地都产生了重要的影响,并污染城市饮用水水源,危及人类健康;③城市化导致流域气候变化,影响湿地水文、生物地球化学过程、植物群落及湿地生态功能等.最后,指出了国内外城市化对湿地生态系统影响研究的不足之处,对国内外的研究趋势进行展望,并对国内的研究提出了几点建议.

作 者：郑小康 李春晖 黄国和 杨志峰 ZHENG Xiao-Kang LI Chun-Hui HUANG Guo-He YANG Zhi-Feng  作者单位：郑小康,ZHENG Xiao-Kang(北京师范大学环境学院,水沙科学教育部重点实验室,北京,100875)

李春晖,黄国和,杨志峰,LI Chun-Hui,HUANG Guo-He,YANG Zhi-Feng(北京师范大学环境学院,水沙科学教育部重点实验室,北京,100875;北京师范大学环境学院,水环境模拟国家重点实验室,北京,100875)

刊 名：湿地科学  ISTIC英文刊名：WETLAND SCIENCE 年，卷(期)： 6(1) 分类号：P931.7 关键词：城市化   不透性   水环境   湿地生态系统   研究进展  

篇9：我国能源结构演进及CO2排放影响因素分析

我国能源结构演进及CO2排放影响因素分析

摘要：全球气候变暖对地球生态和人类生活构成严重的威胁,成为各国政府和人民共同关注的问题.中国作为世界上最大的.发展中国家,如何找到一条适合中国自己的低碳经济发展道路,是当今面临的重要问题.首先由中国50余年的能源利用情况为切入点,描述了我国一次能源结构演进状况,在定性与定量相结合的基础上系统分析了二氧化碳排放量影响因素对我国二氧化碳排放量的影响.最后得出,我国近年来的二氧化碳排放量的增长主要是由于我国经济的高速增长引起的,而能源消费结构和产业结构的改善和能源效率水平的提高可以在很大程度上降低由经济增长带来的碳排放.作 者：魏群    WEI Qun  作者单位：保山学院,物理系,云南,保山,678000 期 刊：保山学院学报   Journal：JOURNAL OF BAOSHAN TEACHERS COLLEGE 年，卷(期)：, 29(2) 分类号：X51 关键词：能源结构演进    经济增长    能源强度    二氧化碳排放   

篇10：华南丘陵区农林复合生态系统稻田二氧化碳排放及其影响因素

华南丘陵区农林复合生态系统稻田二氧化碳排放及其影响因素

采用静态箱-气相色谱法对稻田CO2排放进行田间原位测定,探讨农林复合生态系统稻田温室气体CO2的排放规律.结果表明,在生长季节中,有植株参与稻田CO2排放速率的日变化形式均为白天出现排放高值,夜间出现排放低值.有植株参与稻田CO2昼夜排放速率平均值都显著高于无植株参与稻田.温度(气温、地表温度、地下5 cm温度)是有植株参与稻田在植株生长期间稻田CO2排放速率昼夜变化的主要影响因素.水稻作物对CO2的'排放影响较大,早稻有、无植株参与稻田CO2季节平均排放速率分别为316.29±23.74和101.88±16.83 mg・m-2・h-1.晚稻有、无植株参与稻田CO2季节平均排放速率分为622.40±57.67和179.41±19.51 mg・m-2・h-1.早、晚稻有植株参与稻田的CO2季节平均排放量分别比无植株参与稻田增加了310%和347%.

作 者：刘惠 赵平王跃思 林永标 饶兴权 LIU Hui ZHAO Ping WANG Yuesi LIN Yongbiao RAO Xingquan  作者单位：刘惠,LIU Hui(中国科学院华南植物园,广州,510650;中国科学院研究生院,北京,100039)

赵平,林永标,饶兴权,ZHAO Ping,LIN Yongbiao,RAO Xingquan(中国科学院华南植物园,广州,510650)

王跃思,WANG Yuesi(中国科学院大气物理研究所,北京,100029)

刊 名：生态学杂志  ISTIC PKU英文刊名：CHINESE JOURNAL OF ECOLOGY 年，卷(期)： 25(5) 分类号：X171.1 关键词：农林复合生态系统   稻田   CO2   静态箱法  

篇11：水泥强度影响因素及预测研究进展论文

摘要：水泥强度影响因素很多，其中熟料的矿物组成是其显著影响因子。将众多水泥强度影响因子作为输入变量，通过不同的预测模型，可预测水泥28d强度。其中组合模型预测方法结合了不同预测模型的优点，可提高水泥强度的预测精度。

关键词：水泥强度；影响因素；预测

按照水泥行业和国家标准的要求，水泥强度的检测龄期为28d，其28d强度也是判断水泥标号的主要依据，这个要求给现场施工进度带来了困扰，也给水泥生产企业库存和资金带来压力，因而众多水泥生产和使用单位都在积极探索水泥28d强度的预测方法。

1水泥强度的影响因素

预测水泥28d强度的方法是基于常规的化学和物理指标，应用数学的方法建立强度和其影响因子的经验公式，对28d强度作出预测。因此，要准确预测水泥强度，必须了解水泥强度的影响因素。

水泥强度是水泥物理性能中最重要的指标之一，其影响因素很多：熟料的矿物组成和矿物形态，水泥细度（或比表面积）和颗粒级配、混合材、石膏、碱含量、游离氧化钙含量等。

1.1矿物组成和矿物形态

不同水泥品种规定了熟料在水泥组成中的比例，熟料强度很大程度上取决于其矿物组成和矿物形态，熟料则是水泥产生强度的源头。熟料四种主要矿物组成为：硅酸三钙（C3S）、硅酸二钙（C2S）、铝酸三钙（C3A）和铁铝酸四钙（C4FA），当其含量改变时，水泥的物理性能也随之改变。一般说来，C3S的水化产物对水泥早期强度和后期强度起主要作用，C2S的水化产物对水泥早期强度贡献较小，但对水泥后期强度起重要作用，C3A对水泥早期强度起一定作用，C4FA水化后强度不高，但对水泥的抗折和抗冲磨性能起到重要作用。水泥熟料中的矿物形态也会对水泥强度有一定影响，熟料矿物晶体发育良好，晶体尺寸适中，晶体自形好，则水泥强度相对较高。

1.2细度和颗粒级配

一般来说，水泥细度小，比表面积大，水泥早期强度越高，水化热也较大。水泥颗粒分布对强度影响的研究显示：3～30μm的水泥颗粒是担负强度增长的主要粒级，0～3μm的颗粒主要对早期强度有利，但3μm以下颗粒对后期强度仍有一定贡献，而3μm以上颗粒对早期强度同样具有一定贡献。

1.3混合材

目前水泥中应用最广泛的混合材种类是粉煤灰、矿渣粉、火山灰和石灰石粉等。不同水泥品种规定了可掺入混合材的品种和掺量范围，不同混合材对强度的也有不同的影响。掺入一定量优质的活性混合材，如粉煤灰、矿渣或火山灰，其早期强度降低，而后期强度下降速度缓慢，甚至有可能得到提高；掺入适量石灰石等惰性混合材，可以提高水泥的早期强度，但后期强度下降。

1.4石膏

石膏的存在可以有效调节水泥凝结时间，适量的石膏可提高早期强度，但如果SO3过多的话，多余的SO3能够在水泥硬化后继续与C3A和水生成钙矾石，固相体积比反应物增大约129%，导致安定性不良。

1.5其他因素

水泥中的碱含量的增加能加快水泥早期的水化程度，故能提高早期强度，但不利于后期强度的发展；而少量的游离CaO能提高水泥强度，但随着游离CaO含量的增大，水泥强度亦降低，并会引起水泥安定性不合格。

篇12：水泥强度影响因素及预测研究进展论文

2.1线性回归模型预测

在较早的研究中，苏联学者叶戈罗夫研究了水泥熟料的组成与物质之间的相互关系，提出用矿物组成推算水泥28d强度；Knofel基于德国水泥厂数据，总结出水泥28d强度特征值F28和其矿物成分关系，而F28和水泥28d抗压强度有着良好的线性关系，F28预测模型如式（1）：

F28=3C3S+2C2S+C3A-C4AF（1）

式中，F28为水泥28d强度特征值，C3S、C2S、C3A、C4FA分别为水泥中硅酸三钙、硅酸二钙、铝酸三钙和铁铝酸四钙质量百分数，其数值可用X射线定量分析、化学萃取等方法测定，但一般采用Bogue计算法计算获得。

Y・M・Zhang等人以此为基础，详细研究了水泥比表面积、颗粒级配、矿物组成和强度的关系，将比表面积和颗粒级配引入新的预测模型，可预测水泥3d、7d和28d强度；中国建筑材料科学研究院的周双喜等人利用四个水泥厂的120组数据建立起了水泥28d抗压强度与4种矿物组成的数学关系式，见式（2）：

R28=0.7603（C3S+C2S+C3A-C4AF）-16.95（2）

式中，R28为水泥28d抗压强度。

线性回归模型预测方法简单可行，主要依靠熟料的矿物组成来对强度进行预测，更适于原材料和工艺稳定的出厂水泥强度预测，但当水泥其他影响因子发生大的变化时，该预测方法会引起较大误差。

2.2多元非线性单一模型预测

实际上水泥强度是大时滞、非线性问题，影响因素较多，计算机技术的迅速发展为水泥强度的预测提供了更多新的方法。为了更准确的预测水泥强度，研究人员在计算模型中引入了更多的强度影响因素：细度、比表面积、游离CaO含量、SO3含量、碱含量，并将水泥1d抗压强度和抗折强度作为输入变量引入预测模型中。李晓波等人运用遗传算法，得到了满意的预测结果；董吉文等人开展了基于模糊神经网络的水泥强度预测；郁时炼等人建立了BP神经网络的水泥强度预测模型；王欢、郭一军比较研究了BP神经网络和RBF神经网络模型预测方法，认为后者明显优于前者。

该类预测方法引入了更多的水泥强度影响因子，能更精确的对水泥强度进行预测，适应性强，使用范围广，其中研究较多的RBF神经网络模型预测方法，但也有国外学者指出，RBF虽然具有良好的'非线性信息处理能力，可以逼近任何非线性函数，却由于只分析输入和输出，随机性大。

2.3组合模型预测

不同的神经网络模型或算法都有着自身数值模拟的优缺点，因此，有学者采用两种模型结合的方法来提高预测精度。SedatAkkurt等人采用模糊逻辑与人工神经网络相结合，取得了水泥28d抗压强度预测模型；崔秀云等人针对水泥强度预测的多变量、非线性、大时滞特点，提出一种以人工神经网与特殊的十进制数编码的遗传算法相结合的水泥28d强度预测方法；裘国华等人利用灰色预测模型和RBF神经网络模型各自的优点，提出灰色GM-RBF神经网络组合预测模型，可输出28d抗压强度，预测精度优于单一的灰色GM模型或RBF神经网络模型。

组合模型预测方法可结合不同模型的优点，提高了水泥预测的精度，但需要的原始数据信息量大，数据预处理步骤复杂。

3结语

（1）水泥强度的影响因素有熟料的矿物组成和矿物形态，水泥细度（或比表面积）和颗粒级配、混合材、石膏、碱含量、游离氧化钙含量等因素。其中熟料的矿物组成是影响水泥强度最显著的因素。

（2）将水泥强度的影响因子作为预测模型的输入变量，可开展水泥强度预测，预测方法可概括为三类：线性回归模型预测、多元非线性单一模型预测、组合模型预测，每种预测方法都有着各自的优缺点。但随着计算机技术发展对神经网络、遗传算法等人工智能算法的完善，以及水泥工作者对水泥强度预测精度要求的提高，人工智能算法及其组合应用在未来的水泥强度预测工作中将取得更多的研究进展。

参考文献

[1]罗云峰，樊粤明，卢迪芬等.水泥熟料矿物组成及矿物形态对水泥强度的影响[J].水泥，2008（10）：5-9.

[2]陈波，徐培涛，韩仲琦等.粉磨方法和粉磨细度对水泥强度的影响[J].硅酸盐学报，2002，30（z1）：53-58.

[3]王莹莹.游离氧化钙含量对水泥安定性和强度的影响[J].福建建材，2012（10）：11-12.

[4]T・B・叶戈罗夫.从水泥组成估算强度的研究[A].第六届国际水泥化学会议论文集[C].1981：319-324

[5]KnoefelD.Relationsbetweenchemistry，phasecontent，andstrengthinportlandcements[J].ZKG.Zement-Kalk-Gips，EditionA，1979，32（09）：448-54.

[6]GB/T21372-2008.硅酸盐水泥熟料[S].北京：中国标准出版社，2008.

[7]ZhangYM，Napier-MunnTJ.Effectsofparticlesizedistribution，surfaceareaandchemicalcompositiononPortlandcementstrength[J].PowderTechnology，1995，83（03）：245-252.

[8]周双喜，陈益民，张文生等.颗粒分布、比表面积、化学组成对水泥强度的影响[J].硅酸盐通报，2006，25（01）：81-85.

[9]李晓东，杨波，董吉文.基于遗传算法的水泥强度预测[J].计算机工程与应用，2004，40（12）：205-207.

[10]董吉文，陈月辉，袁润章等.基于模糊神经网络的水泥强度预测[J].山东建筑大学学报，2005，20（01）：1-3.

[11]郁时炼，高辉.基于神经网络的水泥强度预测[J].合肥工业大学学报：自然科学版，2002，25（2）：316-320.

[12]王欢，张增光，李海滨等.基于RBF神经网络的水泥强度预测[J].自动化与仪表，2004，19（02）：7-9.

[13]郭一军.基于人工神经网络的水泥强度预测模型研究[D].昆明：昆明理工大学，2006.

[14]AlexandridisA，TriantisD，StavrakasI，etal.Aneuralnetworkapproachforcompressivestrengthpredictionincement-basedmaterialsthroughthestudyofpressure-stimulatedelectricalsignals[J].ConstructionandBuildingMaterials，2012（30）：294-300

[15]AkkurtS，TayfurG，CanS.Fuzzylogicmodelforthepredictionofcementcompressivestrength[J].Cement&ConcreteResearch，2004，34（08）：1429-1433.

[16]崔秀云，陈月辉，史奎凡等.人工神经网―遗传算法在水泥强度预测中的应用[J].山东建材学院学报，1998（03）：275-277.

[17]裘国华，申屠南瑛，施正伦.基于GM-RBF神经网络组合模型的水泥强度预测方法[J].科技导报，2014，32（03）：56-61.