排序方式: 共有65条查询结果,搜索用时 15 毫秒
11.
目的 解决在进行复杂系统的可靠性建模以及预计时,计算效率低、容易出错的问题。方法 开展基于GO(Goal Oriented)法的复杂火工系统可靠性预计方法研究。建立不同种类火工组件的可靠性模型和算法,结合火工系统的GO图模型,对系统的可靠性进行预计以及定量分析。依据建立的可靠性模型以及算法,开发一套火工系统可靠性建模以及预计的软件,运用该软件对典型座椅弹射火工系统的可靠性进行预计,并且将软件计算结果与蒙特卡洛仿真方法得到的结果进行比较。结果 软件计算结果与蒙特卡洛仿真方法所得结果的最大相对误差不超过0.004 8%。结论 基于GO法的复杂火工系统可靠性预计方法是合理可行的,而且运用GO法开发的软件可以提高可靠性预计的计算效率,同时也为后续的 GO 图分析计算提供了技术支持。 相似文献
12.
为了解冬季调水期南四湖表层水中温室气体的溶存浓度及其排放通量,采集南四湖各湖区和主要入湖河流的河口区表层水及气体样品,分析了水体的理化指标以及CO2、CH4和N2O的溶存浓度,采用薄边界层扩散模型法估算了水—气界面排放通量,并探讨了影响调水期南四湖温室气体溶存浓度的主要因子.结果表明,调水期南四湖表层水中N2O、CH4和CO2浓度分别为(23.0±6.13) nmol·L-1、(0.15±0.10)μmol·L-1和(52.4±11.4)μmol·L-1,均处于高度过饱和状态,排放通量分别为(0.22±0.18)μmol·m-2·h-1、(3.95±2.73)μmol·m-2·h-1和(658±336)μmol·m-2·h-1;浓度和排放通量多与冬季其他湖泊相当... 相似文献
13.
为揭示水生植物分布对滇池沉积物间隙水中各形态氮质量浓度的影响,于2015年6月在滇池分别采集有植物区域和无植物区域的沉积物柱状样,检测间隙水及上覆水中DTN(溶解性总氮)、NH4+-N、NO3--N和DON(溶解性有机氮)的质量浓度,分析其垂向变化特征以及水生植物对间隙水中各形态氮的释放控制效果. 结果表明:①水生植物改变了柱状沉积物间隙水中不同形态氮的分布规律,并且这种改变随湖区不同而表现不尽一致;②水生植物显著降低了沉积物间隙水中DON的贡献率,有植物分布区域ρ(DON)对ρ(DTN)的平均贡献率为41.05%,无植物区域可达58.48%;③水生植物显著抑制了沉积物中无机氮的释放,促进了DON的转化,同一采样点有植物区域NH4+-N和NO3--N的沉积物-水界面扩散通量分别比无植物区域平均降低了87.52%和91.99%;④水生植物生长显著削减了沉积物间隙水中氮的质量浓度,其中ρ(DON)的削减率达到了53.27%~80.42%. 研究显示,水生植物根系作为微生物和多种活性酶的主要载体,为沉积物有机氮的矿化降解起到了促进作用. 相似文献
14.
为给进一步实施滇池入湖污染控制及小流域污染治理提供依据,以滇池环湖28条河流入湖水量及水体中不同形态氮的质量浓度逐月调查数据为基础,研究了滇池河流不同形态氮的入湖浓度(ρ)和入湖负荷的时空变化,并探讨了不同形态氮的入湖负荷贡献. 结果表明:①滇池河流入湖ρ(TN)在2.91~94.01 mg/L之间,以ρ(DIN)(DIN为溶解性无机氮)最高,而ρ(DON)(DON为溶解性有机氮)和ρ(PN)(PN为颗粒态氮)均较低. ②滇池河流氮入湖负荷总量为6 908.47 t/a,绝大多数河流以DIN负荷为主,平均贡献为67.15%;DON和PN入湖负荷贡献相近,平均分别为17.86%和14.99%. ③不同形态氮入湖负荷贡献的季节性差异明显,DIN入湖负荷较高值出现在春夏季(3—9月),平均贡献达74.01%;DON入湖负荷较高值则出现在秋冬季(9月—翌年1月),平均贡献达33.42%;PN入湖负荷贡献月份变化差异较小,最高值出现在2月,贡献为40.19%. ④滇池河流氮入湖负荷不仅要考虑DIN的贡献,也应重视DON和PN负荷,控制滇池河流氮入湖负荷需要考虑不同河流不同形态氮负荷组成及其季节性差异,有针对性地采取相应措施. 相似文献
15.
提高安全意识 推进电力安全生产 总被引:2,自引:0,他引:2
“十一五”是我国改革发展处于重要的战略机遇期,也是安全稳定矛盾的凸显期,电力企业作为提供普遍服务的国有企业承担着重大社会责任。随着电网规模快速发展,对员工的文化程度、专业知识和操作技能提出了更高要求。但由于种种原因,在供电量突飞猛进、效益不断 相似文献
16.
基于海口电厂"超低排放"燃煤机组在线监测数据和实测结果,研究颗粒物、SO2、NOx排放特征,分析颗粒物粒径分布和化学成分谱.结果显示,"超低排放"机组颗粒物、SO2、NOx排放浓度均值分别为(1.57±0.81)、(15.15±6.23)和(40.10±3.63)mg·m-3,均满足超低排放限值要求.TSP、PM10、PM2.5、PM1、SO2、NOx的排放因子均值分别为0.0099、0.0098、0.0092、0.0065、0.1131、0.2882 kg·t-1,排放因子集中在很窄的区间内,呈正态或偏正态分布,与未进行超低改造研究结果比较,排放因子减小了1~2个数量级.颗粒物数浓度分布呈双峰分布,数浓度峰值粒径为0.027 μm和0.641 μm;质量浓度呈单峰分布,峰值粒径为1.100 μm.PM10、PM2.5、PM1的成分谱差异很小,其主要化学组分为SO42-、Ca、NH4+、NO3-、OC,在PM10中质量占比分别为29.41%±0.94%、12.09%±1.95%、9.49%±2.35%、6.96%±0.49%、4.93%±0.57%;在PM2.5中质量占比分别为29.18%±1.58%、12.72%±1.77%、9.21%±2.01%、5.31%±0.13%、4.33%±0.72%;在PM1中质量占比分别为29.04%±3.15%、17.99%±3.61%、8.42%±1.50%、4.445±0.08%、5.075±0.07%. 相似文献
17.
为研究北京地区冬季PM_(2.5)载带的水溶性无机离子组分污染特征,2013年1月在中国环境科学研究院内采用在线离子色谱(URG-9000B,AIM-IC)对PM_(2.5)中水溶性无机离子(SO_4~(2-)、NO_3~-、Cl~-、NH_4~+、Na~+、K~+、Mg~(2+)、Ca~(2+))进行监测与分析。结果表明,采样期间总水溶性无机离子(TWSI)浓度为61.0μg/m~3,其中二次无机离子SO_4~(2-)、NO_3~-、NH_4~+(SNA)占比达72.3%,在PM_(2.5)中占比为40.29%,表明北京市PM_(2.5)二次污染严重。重污染天[NO_3~-]/[SO_4~(2-)]表明,固定源污染较移动源更为显著。三元相图表明,在空气质量为优的情况下,NH_4~+(在SNA中占比为30.3%~65.5%,下同)主要以NH_4NO_3的形式存在,较少比例以(NH_4)_2SO_4存在;严重污染时,NH_4~+(47.3%~77.9%)主要以(NH_4)_2SO_4形式存在,其次以NH_4NO_3的形式存在,其余的NH_4~+以NH_4Cl的形式存在。[NO_3~-]/[SO_4~(2-)]日变化表明,早、晚机动车高峰影响北京重污染发生。 相似文献
18.
19.
20.