应用S-T模型对沉积物中PAHs的生态风险分级评价

本文构建S-T模型,运用集对分析理论（set pair analysis）构建基本模型,采用层次分析法并参考毒性当量因子确定各指标权重,应用三角模糊数（triangular fuzzy number）对差异度系数进行改进,基于加拿大沉积物环境质量标准,对沉积物中多环芳烃进行生态风险分级评价.结果表明,该模型考虑到化合物之间的相互作用因素并做模糊处理,对差异度系数进行改进体现沉积物中多环芳烃生态风险等级标准的模糊性,为持久性有机污染物生态风险分级评价提供了一种简便客观有效的方法.     

反舰导弹命中精度预测与评估

目的解决反舰导弹命中精度受试验航区及靶场试验环境等客观条件制约,难以通过飞行试验得到客观全面评估的问题。方法在对影响反舰导弹命中精度的主要因素进行分析的基础上,利用实际环境条件下的飞行试验数据,构建基于偏最小二乘回归的命中精度模型,实现对反舰导弹各种使用环境条件命中精度的定量评估。结果在构建基于偏最小二乘回归的命中精度模型后,可以实现对90°发射扇面角、20 m/s侧风以及300 km最大射程等实际试验无法考核的边界使用环境条件下反舰导弹的命中精度进行定量评估。结论通过实例分析表明了方法的有效性和可行性,可以实现有小样本条件下对反舰导弹命中精度的评估。     

反舰导弹射击精度评估研究

分析了反舰导弹射击精度评估领域命中概率与圆概率偏差、命中区域圆概率偏差的分歧,提出了制导概率椭圆偏差和制导概率圆偏差的新概念。将反舰导弹飞行末段雷达导引头波束覆盖区域与打击目标水面舰艇轮廓大小进行了比对,根据比对结果划分为雷达导引头波束完全覆盖、部分覆盖和内嵌于目标三个等级,对应提出了命中概率评估方法、制导概率椭圆偏差评估方法和制导概率圆偏差评估方法。通过反舰导弹对快艇、驱护舰和航母三类目标射击精度评估算例验证了反舰导弹射击精度评估总体方案的全面性和三类方法的适用性。     

可靠性强化试验技术在某型伺服作动器研制中的适用性探索

目的探索可靠性强化试验技术在典型机电液一体化产品伺服作动器研制过程中的适用性。方法以某型伺服作动器为研究对象,从故障激发的角度对可靠性强化试验技术的应用进行可行性分析,在响应调查和应力分析的基础上,结合产品的工作特点设计适用于该类伺服作动器的可靠性强化试验方案,包含低温步进应力试验、高温步进应力试验、快速温度循环试验10个循环、振动步进应力试验(包含气锤式三轴向六自由度超高斯随机振动方式及电磁振动台随机振动方式)及综合环境应力试验5个循环,并依此进行试验。结果在快速温度循环试验及综合环境应力试验过程中,均有效地激发出了产品的漏油故障,与相似产品外场暴露的漏油故障模式相吻合。结论可靠性强化试验技术可有效地应用于典型机电液一体化产品伺服作动器的研制过程,设计的可靠性强化试验方案可有效地激发外场出现频率较高的故障,可作为该类产品研制的试验手段之一。     

典型铅锌矿化区不同土地利用类型土壤重金属污染特征与评价

选取云南者海典型铅锌矿区周边冶炼区（A）、粮食主产区（B）、保护区（C）三个区域土壤为研究对象,分析三个区域内林地（LD）和耕地（GD）土壤pH、总碳（TC）、总氮（TN）、总磷（TP）和5种重金属（Hg、Cd、Pb、Zn、Cu）含量,利用典范对应分析（CCA）研究不同土地利用类型下它们之间的关系,基于系统熵值与重金属生物毒性改进灰色聚类评价法对研究区重金属污染程度进行评价。结果表明,A、B、C三区土壤的5种重金属均超过云南省土壤背景值,且含量A区 > B区 > C区,所有土壤样品Hg、Cd、Pb、Zn、Cu平均含量分别为7.24、1.53、1 794、2 892、210 mg/kg;LD土壤重金属含量普遍高于GD。研究区土壤pH总体呈弱酸性,但A区土壤受矿业活动影响呈弱碱性。TC、TN含量和C/N值均表现出LD大于GD,但TP含量表现为GD显著大于LD （P<0.05）。CCA分析表明LD和GD土壤pH与Cd和Cu呈负相关,与Zn和Pb呈正相关,且pH对重金属含量的影响最大;TC、TP与重金属Cd和Cu在LD土壤中呈正相关,在GD土壤中呈负相关。改进灰色聚类评价结果表明重金属污染程度均表现为LD大于GD;A区污染最严重且均呈重度污染,B区次之,C区污染程度最轻。经比较本文改进的灰色聚类评价法在准确性和灵敏度方面优于传统方法。     

官厅水库富营养化的评价

综述了官厅水库水系的近期状况 ;在库区选择了 8个具有代表性的断面 ,分析测试了 1 1项水质指标 ,采用 Vol-lenweider的理论评价了库区水质为中 -富营养等级 ;提出了改善水库水系的 4点建议     

锅炉环境影响评价系统软件研究

用Ｃ语言作为开发语言，研制开发了锅炉环境影响评价系统软件，软件充分利用Ｃ语言模块化，过程化的优点，源程序由１２个模块组成。经编译连接生成一个可执行程序，用户只需输入１５个必需的原始参数，软件即可自动查询，计算大量的中间参数，并立即给出污染源强及污染物在周围环境中分布的预测和评价结果。     

南昌市一次降水自动监测结果的综合分析

利用降水自动监测仪和空气自动监测系统的同步监测结果,分析了一次34 5mm连续降水中全过程的pH、EC和同期SO2、PM10、NO2的变化情况。降水中pH值为7 23～4 08、EC为488 8～7 6μS cm,pH、EC在降水初期变化较大。pH与EC、SO2呈现负相关趋势,降水过程中PM10、NO2基本保持较低水平,SO2变化较大。     

大气环境质量模糊评价的可视化实现

以模糊聚类法为算法基础,运用计算机可视化技术,进行大气环境质量评价初步探索。计算机技术在环境评价中的应用,可以方便数据处理和资源共享。选用武汉市大气环境监测资料,应用该方法评价和分析武汉市大气环境质量,取得了令人满意的结果。     

Risk-Based Prioritization of Air Pollution Monitoring Using Fuzzy Synthetic Evaluation Technique

Air pollution monitoring programs aim to monitor pollutants and their probable adverse effects at various locations over concerned area. Either sensitivity of receptors/location or concentration of pollutants is used for prioritizing the monitoring locations. The exposure-based approach prioritizes the monitoring locations based on population density and/or location sensitivity. The hazard-based approach prioritizes the monitoring locations using intensity (concentrations) of air pollutants at various locations. Exposure and hazard-based approaches focus on frequency (probability of occurrence) and potential hazard (consequence of damage), respectively. Adverse effects should be measured only if receptors are exposed to these air pollutants. The existing methods of monitoring location prioritization do not consider both factors (hazard and exposure) at a time. Towards this, a risk-based approach has been proposed which combines both factors: exposure frequency (probability of occurrence/exposure) and potential hazard (consequence).This paper discusses the use of fuzzy synthetic evaluation technique in risk computation and prioritization of air pollution monitoring locations. To demonstrate the application, common air pollutants like CO, NO_x, PM₁₀ and SO_x are used as hazard parameters. Fuzzy evaluation matrices for hazard parameters are established for different locations in the area. Similarly, fuzzy evaluation matrices for exposure parameters: population density, location and population sensitivity are also developed. Subsequently, fuzzy risk is determined at these locations using fuzzy compositional rules. Finally, these locations are prioritized based on defuzzified risk (crisp value of risk, defined as risk score) and the five most important monitoring locations are identified (out of 35 potential locations). These locations differ from the existing monitoring locations.