长株潭区域一次重度污染过程气象成因

利用PM_2.5质量浓度、地面气象要素、NCEP、ERSST＿V3、GBL等资料,研究了2021年12月7—11日长株潭地区一次重度空气污染过程的特征及成因。结果表明,高空平直环流、无明显槽脊影响,地面弱冷空气活跃是本次重度空气污染过程的主要环流形势特征;地面均压场、小风和升温增湿是此次重度空气污染过程的主要气象要素特征。污染物浓度变化与主导风向和污染通道密切相关,本地风速对混合层的高度、污染物水平扩散影响较大,600～700 hPa逆温层有利于污染物在主导风作用下近距离传输及在低层交换积累。我国中东部污染物积聚是长株潭区域重要的污染来源,长株潭地区存在区域性同步污染现象。低层流入长株潭区域气流轨迹差异及地理条件是长株潭污染物空间分布差异的重要因素。     

徐州市不同类型颗粒物重污染过程特征及组分差异性分析

经过多年的大气污染防治,我国空气质量有了大幅改善,但重污染过程仍有发生。对2018—2021年徐州市3种不同类型颗粒物重污染过程的污染特征、演变趋势、PM_2.5组分特征和相关性及污染成因分析结果表明:在不同类型的重污染过程中,二次无机离子NO₃^-、SO₄^2-、NH₄⁺在PM_2.5中的占比均是最高。在累积型重污染期间,NO₃^-、SO₄^2-、NH₄⁺分别增长144%、142%、183%,二次无机离子对PM_2.5的增长贡献较大。结合相关性分析及SOR、NOR值发现,硝酸盐和硫酸盐的二次生成作用显著。在沙尘型重污染期间,结合雷达监测结果及后向轨迹图可以看出,沙尘沉降至高空与近地面污染物叠加造成颗粒物高值。化学组分中Ca²⁺、Mg²⁺浓度对PM_2.5浓度的影响最大,二次生成和转化对其影响较小。在烟花燃放型重污染期间,和烟花爆竹有关的K⁺、Mg²⁺、Cl^-离子较污染前分别上升1 112%、2 058%、和239%,对污染过程影响显著。     

西安市冬季PM2.5中WSOC的光谱特性和来源解析

利用紫外-可见吸收光谱法、三维荧光-平行因子分析法(EEMs-PARAFAC)和后向轨迹模型等,分析西安市冬季PM_(2.5)中水溶性有机物(WSOC)的光谱特性和来源.结果表明,西安市PM_(2.5)中WSOC的浓度为4.66～14.75μg·m~(-3). WSOC的E_2/E_3、E_3/E_4、S_(275-295)、 SUVA_(254)、 AAE和MAE_(365)的值分别为2.85～4.32、 2.21～3.56、 0.009 9～0.012 7 nm~(-1)、 2.35～3.89 m~2·g~(-1)、 2.66～4.60和1.51～2.60 m~2·g~(-1).南郊(西安建筑科技大学)采样点PM_(2.5)中WSOC的E_2/E_3值、E_3/E_4值、S_(275-295)和AAE值均较高于北郊(城市运动公园)采样点的,而SUVA_(254)和MAE_(365)值较低. EEMs-PARAFAC模型鉴别出WSOC中主要含有4个荧光组分,C1和C2分别归属为类富里酸和类蛋白,C3和C4均归属为类腐殖质,各荧光组分的荧光强度及其总和与PM_(2.5)、 OC、 WSOC浓度和A_(254)值呈显著正相关(P0.01). WSOC的FI、 BIX和HIX值分别为1.75～2.12、 1.14～1.46和1.18～2.06.监测期间气团传输轨迹以本地西南向短距离传输为主,其轨迹占比超过50%;新疆、内蒙古和甘肃等地区冬季污染物排放对西安也有较明显的贡献.西安市南北郊PM_(2.5)的碳组分含量存在差异较小,南郊(西安建筑科技大学)采样点PM_(2.5)中WSOC的相对分子质量、腐殖化程度和光吸收能力比北郊(城市运动公园)的低,而光吸收强度的波长依耐性相对较强. WSOC主要为生物来源或由生物来源和陆源共同组成,且以自生源为主,陕西省区域输送对冬季PM_(2.5)和WSOC的来源贡献最为显著.     

基于期望运行轨迹的车道变换行为安全性分析

为解决车道变换行为对交通运行安全影响的定量分析难题,基于车辆和驾驶员行为特性,构建车道变换行为期望运行轨迹,提出基于缓和曲线的轨迹形式,并结合车道变换行为引发的4种碰撞形式,在车辆运行纵向和横向分别构建安全运行判断方程和安全运行限制方程,分析安全距离对运行速度和车辆侧向加速度梯度的敏感度,给出车道变换行为安全运行判断方程的应用案例。研究结果表明,侧向加速度的变化梯度直接影响车道变换的安全性。     

安徽省臭氧污染特征及气象影响因素分析

基于2016-2018年安徽省68个国控环境空气质量自动监测站点的臭氧(O3)监测数据,研究分析了安徽省O3污染特征及其与气象因子的相关性.结果 表明:安徽省O3污染程度呈现逐年加重趋势,并有显著的季节和月度变化特征.2016-2018年,各年度单月O3日最大8小时滑动平均质量浓度第90百分位数的最大值分别出现在9月、...     

泰山降水化学及大气传输的研究

为了解泰山降水的化学组成特征及其来源,于2004年7月至12月间在泰山上采集了23场降水样品,进行了pH值、电导率的测定、主要水溶性阴阳离子的分析以及每场降水的后推气流轨迹分析.结果表明,降水pH的雨量加权均值为4.74,电导率的雨量加权均值为2.26mS·m-1,泰山降水已受到酸性污染;降水中浓度较高的阳离子是NH4 和Ca2 ,雨量加权均值浓度分别为50.62和29.04μeq·L-1,浓度较高的阴离子是SO42-和NO3-,雨量加权均值浓度分别为70.32和23.44μeq·L-1;SO42-/NO3-、NH4 /Ca2 当量浓度比的平均值依次为3.41、2.13.对降水的化学组成作了相关性分析,发现NH4 、Ca2 、SO42-、NO3-浓度之间具有很好的相关性;通过气流轨迹分析发现酸性最强的降水气团来自于我国的南部地区或沿途经过华东地区,离子浓度最高的降水气团来自于我国的北部地区或欧洲大陆,来自东亚地区的降水气团的离子浓度最低.     

百色市冬季PM2.5传输路径及来源分析

通过采用后向轨迹结合聚类分析方法计算2015—2016年百色市PM2.5潜在源贡献因子(PSCF)和浓度权重轨迹(CWT),分析影响该市冬季PM2.5质量浓度的潜在源区,并探讨不同源区对PM2.5的贡献率。同时,使用CAMx模式模拟百色市各县区及周边区域对该市大气传输的影响。结果表明,影响百色市PM2.5浓度潜在源主要集中在该市和临近的河池、南宁、崇左,以及北部的贵州省;CAMx模式模拟对百色市冬季大气污染物传输的地区来源与该市大气污染物的PSCF分析和CWT分析权重较大的区域较为一致,这些区域对百色市PM2.5的贡献率达73%。     

节段预制悬臂拼装梁施工安全风险评价

为了准确地对节段预制悬臂拼装梁的施工过程进行安全风险评价，对该类桥梁的施工提供有效借鉴，提出基于组合赋权的灰色聚类综合评价模型。首先根据该施工技术的工艺特点及相关规范，建立风险评价指标体系，利用G1法和C-OWA算子分别确定评价指标体系的主观权重和客观权重，并运用最小信息熵原理优化组合赋权，进一步利用三角白化权函数建立灰色聚类评价模型，确定风险综合评价值，最后依据风险测度界定范围判断施工安全风险等级。最后，运用此评价模型进行实例分析，并根据评价结果提出改进策略，同时验证了该模型的适用性和有效性，进而为该类桥梁施工安全风险管控策略的制定提供理论依据。     

基于AHP和灰色聚类的危化品道路运输安全评价

为客观评价危化品道路运输企业安全状况,防止危化品道路运输事故发生,提出基于层次分析法(AHP)和灰色聚类分析的危化品道路运输安全评价方法。首先以危化品与设备情况、环境情况、企业安全管理水平、在途监管水平及人员特性为一级指标构建危化品道路运输安全评价指标体系;其次,运用AHP计算各指标权重;最后,为了避免指标信息不完整所造成的误差,选用灰色聚类分析对各指标进行聚类分析,得出研究对象的安全等级。运用该方法对C企业危化品道路运输安全等级进行评价,评价结果显示该企业安全等级较高,但安全防护设备、交通状况、安全管理制度落实情况等指标安全性较低,同时验证了该方法具有适用性及有效性,为危化品道路运输企业安全评价提供了一种新的方法。     

Future prediction & estimation of faults occurrences in oil pipelines by using data clustering with time series forecasting

The world of oil pipelines is subjected to serious issues due to occurrences of toxic spills, explosions and deformations like particle deposition, corrosions and cracks due to the contact of oil particles with the pipeline surface. Hence, the structural integrity of these pipelines is of great interest due to the probable environmental, infrastructural and financial losses in case of structural failure. Based on the existing technology, it is difficult to analyze the risks at the initial stage, since traditional methods are only appropriate for static accident analyses. Nevertheless, most of these models have used corrosion features alone to assess the condition of pipelines. To sort out the above problem in the oil pipelines, fault identification and prediction methods based on K-means clustering and Time-series forecasting incorporated with linear regression algorithm using multiple pressure data are proposed in this paper. The real-time validation of the proposed technique is validated using a scaled-down experimental hardware lab setup resembling characteristics exhibited by onshore unburied pipeline in India. In the proposed work, crack and blockages are identified by taking pressure rise and pressure drop inferred from two cluster assignment. The obtained numerical results from K-means clustering unveils that maximum datasets accumulated range of multiple pressures are within 16.147–10.638 kg/cm², 14.922–12.1674 kg/cm², 2.7645–1.2063 kg/cm² correspondingly. Hence by this final cluster center data, inspection engineers able to estimate the normal and abnormal performance of oil transportation in a simple-robust manner. The developed forecast model successfully predicts future fault occurrences rate followed by dissimilarity rate from clustering results holds the validity of 91.9% when applied to the historical pressure datasets. The models are expected to help pipeline operators without complex computation processing to assess and predict the condition of existing oil pipelines and hence prioritize the planning of their inspection and rehabilitation.