基于有序Probit模型的铁路险兆事件影响因素识别研究*

为识别铁路险兆事件的影响因素,以宜春车务段2017年9月—2017年10月共1 870条数据为样本,以铁路险兆事件等级为因变量,事件原因、环境特征和事件特征为自变量建立有序Probit模型,探究人、设备、环境和管理因素对铁路险兆事件严重影响程度。研究结果表明:设备设施未按规定防护是影响严重性险兆事件发生的主要因素;与其他人为因素相比,未执行相关作业规定对增加险兆事件严重程度有显著作用。研究结果可为铁路管理部门实现事故预控提供依据。     

青岛市大气PM2.5元素组成及来源研究

利用2007年5月～2008年5月气溶胶观测资料和逐日天气资料,分析了青岛市2.5μm气溶胶粒子(PM2.5)浓度特征、元素组成和来源.结果表明,青岛市PM2.5和PM10年均浓度分别为86.6μg.m-3和120μg.m-3.PM2.5浓度采暖季高于非采暖季,夏季最低.PM2.5浓度在荒漠和人为共同影响下的气团中最高,在海洋影响气团中最低.PM2.5和PM10的主要组成元素是S、Ca、Cl、K和Fe,主要污染元素集中在PM2.5中;PM2.5中Cl、K、Zn、Br和Pb浓度采暖季较大,夏季较小,Ca元素变化趋势则相反.V、Cr、Cu、As、Se、Sr和Zr的浓度受不同来源气团影响不显著,S、Cl、K、Ti、Mn、Fe、Zn、Br、Pb和Ca的浓度在不同来源气团下存在较大差异.降水对S、K、Pb和Fe质量浓度的影响最为明显.富集因子分析表明,所有元素在PM2.5中的富集因子普遍大于PM10,青岛市非地壳来源的元素在PM2.5中所占比例大于PM10.Ca元素富集因子夏季较大,可能受到建筑尘影响.     

北京市典型道路交通环境细颗粒物元素组成及分布特征

对北京市典型道路交通环境中不同粒径段（0.2～0.5μm、0.5～1.0μm和1.0～2.5μm）的细颗粒物进行了采样分析,在2008—2009年期间5个阶段内共采集了198个细颗粒物样品.通过XRF分析得到细颗粒物中Al、Na、Mg、K、Ca、Si、S、Cl、Fe、Mn、Ti、Cu、Zn、As、Br和Pb16种元素的质量浓度.含量较高的元素有S、K、Fe、Cl、Si、Ca和Zn,占测试元素总浓度的90%以上.应用富集因子法将元素分为地壳元素、双重元素和污染元素三类.应用因子分析法分离出两个主要因子,因子1主要与地壳元素和双重元素相关,可归于扬尘源的贡献;因子2主要与污染元素相关,可能来自机动车、燃煤、生物质燃烧和工业等排放源.人为源对小粒径（0.2～0.5μm）颗粒物的贡献较大,而地壳源的贡献更集中于大粒径段（1.0～2.5μm）.多数地壳元素和双重元素在夏季和冬季均随粒径的增大而富集,且冬季浓度较高,而多数污染元素的分布形态存在季节差异.Br、As和Pb夏季在0.5～1.0μm出现峰值,而冬季在0.2～0.5μm出现峰值.冬季因采暖增加的煤和生物质的燃烧造成部分元素浓度在0.2～0.5μm有显著增加.云层内部的硫酸盐生成过程可能是夏季S元素在0.5～1.0μm出现峰值的原因.通过奥运时期与非奥运时期元素浓度和分布的比较,发现奥运时期交通源临时控制措施对机动车排放和道路扬尘均有显著的削减作用,削减率分别为53%和63%,且随粒径增大而增加.     

乌海市空气污染特征及其与气象要素的关系

文章利用乌海市2006-2010年污染物SO2、NO2、PM10浓度值和气象资料,分析了乌海市近5年空气污染的特征,计算了各污染物与主要气象要素的单相关系数,采用灰色关联分析方法对近5年来影响乌海市污染物浓度的气象要素进行分析。结果显示:(1)乌海市环境空气的首要污染物是可吸入颗粒物,其次是SO2。(2)2006-2010年,NO2变化不大;SO2下降幅度较大,从平均值超标1倍下降到不超标;PM10也呈下降趋势,但下降幅度稍小,5年均超标。(3)SO2一年内平均值变化幅度最大,12月浓度最大,7、8月最小,相差达3倍;PM10也是夏季最小,冬季12月最大,但3、4月份沙尘天气频发时也较大。(4)相关系数通过信度0.05检验的情况下,SO2、NO2、PM10浓度值与平均风速、平均气温、水平能见度、相对湿度、日照时数、平均总云量等具有一定的相关性。(5)用灰色关联分析法得出影响SO2和PM10的气象因素排序,平均风速是影响大气污染的主要气象因素,日照时数和总云量与污染物浓度关联较大。     

湛江湾粪大肠菌群的时空分布及其与主要环境因子的关系

于2009年5月至2010年4月分5个季度调查了湛江湾海域表层海水中粪大肠菌群(FC)的时空分布,并分析了FC与主要环境因子之间的关系。结果表明,湛江湾FC数量介于2～16 000/L之间,年均值为907/L;季节变化表现为2010年春季>2010年冬季>2009年春季>2009年夏季>2009年秋季的模式;在水平分布上,FC数量呈现由北部海区向西南海区、东部海区递减的分布格局。相关分析显示FC与13个主要环境因子未呈现显著的相关性,有待于进一步深入研究。根据海水水质标准,以FC数作为评价指标表明该海湾受陆源污染的程度较轻。     

输油站队危害控制管理探讨

针对油气管道企业的实际生产运营特点,对风险管理的基本思路进行了探讨,就目前国内外常用危害因素的识别评判方法进行了归纳分析,给出了适合输油站队的风险控制的管理方法和措施。     

碱性过硫酸钾法测定总氮中影响因素及解决方法

总氮是水体中氨氮、硝酸盐氮、亚硝酸盐氮等无机氮和有机氮的总和,是反映水体所受污染程度和富营养化程度的重要指标之一。在碱性过硫酸钾-紫外分光光度法测定水中总氮时,该方法操作步骤简单,易于操作和掌握,但在实际操作中影响因素较多,其准确度难以掌握。本文通过对总氮测定中试剂的纯度、配制的方法及水浴温度、储存时间、消解的温度、压力和时间等因素的总结、探讨和分析,确定适合的测定条件,提高测定结果的准确度和精密度。     

生活垃圾焚烧厂垃圾的汞含量与汞排放特征研究

垃圾焚烧是大气汞的重要排放源之一,为了解垃圾焚烧厂入炉垃圾中的汞含量和焚烧汞排放特征,本研究选取了上海、广州和芜湖市3座典型生活垃圾焚烧厂,对入炉垃圾进行连续采样分析,采用OH法对排放烟气进行采样测试,同时采集焚烧飞灰和炉渣样品进行汞含量分析.结果表明,上海、广州、芜湖市生活垃圾焚烧厂入炉垃圾中汞含量分别为(0.39±0.04)、(0.57±0.05)、(0.27±0.08)mg·kg~(-1).广州市焚烧厂排放烟气汞质量浓度为(9.5±3.9)μg·m~(-3),烟气中Hgp、Hg~(2+)、Hg~0分布比例分别为(0.9±0.8)%、(89.0±5.4)%、(10.1±4.6)%;芜湖市焚烧厂排放烟气汞质量浓度为(24.1±6.0)μg·m~(-3),烟气中Hgp、Hg~(2+)、Hg~0分布比例分别为(1.0±0.8)%、(65.4±27.6)%、(33.6±27.5)%;不同焚烧工艺排放烟气中Hg~(2+)的分布比例不同.广州、芜湖市焚烧厂脱汞效率分别为96.7%、33.7%;上海、广州、芜湖市垃圾焚烧厂大气汞排放因子分别为(0.156±0.016)、(0.019±0.002)、(0.178±0.027)mg·kg~(-1),广州市焚烧厂大气汞排放因子略低于韩国、日本的生活垃圾焚烧厂,上海、芜湖市垃圾焚烧厂大气汞排放因子与国内部分生活垃圾焚烧厂相接近.     

WATCH

Abstract

The characteristics of fine particulate pollution (PM₁₀ and PM_2.5) were measured at urban and suburban sites in Jinan during the 2008–2009 heating and non-heating seasons. The results showed that PM₁₀ and PM_2.5 pollution was quite serious, and PM mass concentration was higher during the heating season than the non-heating season. PM was the highest in the chemical factory and lowest in the development zone. The mass concentrations of PM₁₀ and PM_2.5 were linearly related, and the mass concentration ratio of PM_2.5/PM₁₀ was up to 0.59 in urban areas. PM pollution in Jinan was related to local meteorological factors: PM_2.5 mass concentration and humidity were positively correlated, and PM_2.5 mass concentration was negatively correlated with both click on the temperature and wind speed, although wind speed varied more.     

Identifying the factors influencing the performance of reverse supply chains (RSC)

This paper aims to extract the factors influencing the performance of reverse supply chains (RSCs) based on the structure equation model (SEM). We first introduce the definition of RSC and describe its current status and follow this with a literature review of previous RSC studies and the technology acceptance model . We next develop our research model and 11 hypotheses and then use SEM to test our model and identify those factors that actually influence the success of RSC. Next, we use both questionnaire and web‐based methods to survey five companies which have RSC operation experience in China and Korea. Using the 168 responses, we used measurement modeling test and SEM to validate our proposed hypotheses. As a result, nine hypotheses were accepted while two were rejected. We found that ease of use, perceived usefulness, service quality, channel relationship and RSC cost were the five most important factors which influence the success of RSC. Finally, we conclude by highlighting our research contribution and propose future research.