城市重气扩散模型SLAB-URBAN外场试验模拟验证

研究适用于模拟城市中危险化学品扩散的重气扩散模型SLAB-URBAN.模型中考虑了城市冠层内风的特征,即引入基于城市形态学的风速廓线计算方法.分别采用SLAB-URBAN模型和SLAB模型对2000年盐湖城的重气扩散试验进行模拟,主要验证下风方向不同观测距离的气体最大小时平均浓度与源释放速率的比值.结果表明,SLAB-URBAN模型的模拟结果比SLAB模型更接近观测值.从应急反应和安全角度上来说,SLAB-URBAN模型也符合实际工作的需求.     

基于二项分布的测试性试验方案优化设计与评估

测试性验证试验的目的是验证产品是否满足设计指标要求，以故障注入为手段，模拟相应的故障模式，通过规定的故障注入方法进行实际测试，并对产生的结果进行判断是否满足设计指标的要求。为提高测试性试验的一次通过率，降低测试性试验经费和试验时间，提出了基于二项分布的测试性试验方案优化设计与评估方法。实现了已知置信度、单侧置信下限、不能检测的故障个数条件下，求解测试性试验中的“最小样本量”的问题。可以对测试性试验进行提前预判，解决了一定约束条件下测试性试验最小样本量的求解及单侧置信下限评估问题。通过GUIDE人机对话框，不仅交互界面直观，而且极大提高了测试性验证评估的效率和准确性。     

基于改进的PSO‑BP神经网络的边坡稳定性研究∗

边坡稳定性研究对于重大地质灾害防治极其重要，但由于影响边坡稳定性的因素具有非线性、多样性以及模糊性等特征，边坡稳定性分析一直是地质灾害防治领域的热难点问题。已有研究表明神经网络预测模型可有效应用边坡稳定性分析，但同时存在预测精度低、鲁棒性差、收敛速度慢等缺点。为改善上述问题，在粒子群算法优化的 BP 神经网络（简称 PSO?BP 神经网络）算法基础上提出一种改进的边坡稳定性预测模型。该模型以容重、内聚力、内摩擦角、边坡角、高度、孔隙压力比作为输入参数，以安全系数作为输出参数。通过借鉴遗传算法中的变异思想来提升模型全局寻优的能力，利用能量函数负梯度下降原理提高模型的收敛速度。将所收集到百余条边坡数据进行数据清洗，最终得到 80 条高质量边坡数据，随机选取其中的 50 条边坡数据作为模型的试验数据。最后采用十折交叉验证的方法对模型的准确性进行验证，并在多维度与其余边坡稳定性神经网络预测模型进行对比分析。结果表明：①该模型相比于其余模型收敛速度、准确率、鲁棒性均有明显提高；②将 K 折交叉验证应用在小样本数据下的边坡稳定性神经网络预测模型，可有效避免结果的偶然性。③该模型的预测误差仅为 4.31%，满足工程精度需求，可在实际工程中为边坡稳定性分析与灾害防治提供参考。     

环境检测领域能力验证工作的组织及评价方法

介绍了环境检测领域能力验证的基本情况和统计方法，以及当前国内外能力验证计划提供者采用的数据处理方法，分析了该领域能力验证的发展趋势。指出环境检测领域化学分析方面的能力验证计划一般采用参加者结果的中位值或稳健均值作为指定值，采用标准化四分位距或稳健标准偏差作为能力评定标准差，以 z比分数法评价参加者的能力。     

某整车制造企业挥发性有机物排放特征及反应活性研究

整车制造行业是挥发性有机物（VOCs）的重要来源之一，本文选取运城市某一整车制造企业，通过GC-MS分析了71种VOCs组分，识别了VOCs浓度及组分特征，并对源反应性（SR）进行了评估.结果表明，不同生产环节废气中VOCs浓度水平和组分差异较大，烘干环节排放VOCs组分主要为烷烃，占该环节VOCs排放的45%以上.喷漆和补漆环节排放组分主要是芳香烃和OVOCs.无组织排放涂装车间以烷烃（45%）和芳香烃（27%）为主，调漆车间主要为烷烃（78%）.该企业排放VOCs的SR值范围为0.81～3.83 g·g-1，甲苯、乙苯、间对二甲苯、1,3,5-三甲苯等芳香烃和部分OVOCs具有较高的反应活性，因此该企业应重点控制活性较大的组分排放，从源头控制O3的生成.     

复合填料一维冻胀量数值模拟分析

复合填料是以废铸砂、粉煤灰、聚苯乙烯颗粒(EPS)、水泥和水为原料,拌合后形成的一种轻质填筑材料。其中,EPS颗粒含量适当时,能减少或消除复合填料的冻胀和融沉,可作为季节性冻土区的路基填料。假设复合填料中除EPS颗粒外的骨料颗粒、孔隙冰为刚性介质,同时考虑EPS颗粒变形和填料孔隙变形对复合填料冻结过程的影响,在已有的冻土水热耦合分离冰模型的基础上,得到考虑EPS颗粒变形影响的饱和填料一维冻结水热耦合控制方程,进而预测填料的冻胀量。与室内模型试验结果对比表明,本文模型可用于该种具有弹性颗粒复合填料的冻胀量模拟,为工程中冻胀量预测提供依据。     

监测分析方法验证数据异常值的处理

以《固体废物痕量金属元素的测定电感耦合等离子体发射光谱法》编制说明(征求意见稿)中精密度数据为例,方法标准编制单位在处理方法验证数据时,应按照《GB/T 6379.2—2004》离群值剔除方法处理异常数据,避免重复性限r和再现性限R计算错误。