城市灾害相对承载力分析与模型的建立

如何评价城市系统综合承灾能力,这一直足被普遍关注也是较难解决的问题.在综合型可持续发展度评价模型的基础上建立的城市系统灾害相对承载力评价模型,为解决上述问题提供了新的思路.通过对城市复杂功能系统中社会子系统、经济子系统和环境子系统的划分及其相互影响分析,找出各子系统中对承灾能力的重要影响因素,进行加权整合后分别得出社会安全指数、经济"软"指数、环境指数和基础设施指数,应用这些承灾能力指数建立了灾害相对承载力模型.建模计算过程中发现因素量化方式的选取和权重的确定是比较重要的,会影响灾害相对承载力的合理取值,因此以经济"软"指数为例,提出了用协调度系数乘积代替原计算式值以使其取值范围在合理区间内的解决方式.     

论企业安全管理的执行力及其影响因素

企业的执行力就是企业各级执行主体按照规定的标准，以一定的速度完成各种任务的能力，并且这种能力应该具有持续性和稳定性。企业管理过程中，执行是非常重要的一个环节，没有执行，任何好的决策或目标都不可能成功，所以研究企业执行力是企业必须坚持的一个课题。正因如此，本文将针对安全管理的执行力建设情况展开论述。     

我国南方冰雪灾害的特征与城市救灾对策研究

在对2008年初中国南方所发生的冰雪灾害的损失、影响和成因进行分析的基础上,指出该次灾害具有受灾范围的全面性、灾害过程的发展性和救灾行动的艰难性等特征,阐明冰雪灾害在城市会造成停电停水、交通瘫痪和通讯中断等严重灾情,进而引发断油断粮、物价飞涨和人心恐慌等综合性灾害。通过冰雪灾害对城市救灾行动的总结,指出冰雪灾害给城市政府的深刻启示在于城市规模的急速扩张必须同时加强防灾救灾的软硬件建设,并提出城市必须采取持久开展防灾救灾知识宜传教育、大力加强防灾救灾基础设施建设、科学制订各类灾害的专业性应急预案和努力构建协同联动救灾机制等对策,有效提升城市应对灾害的能力,减少灾害造成的损失。     

事故预测方法研究述评

将事故预测方法归纳为情景分析法、回归预测法、时间预测法、马尔可夫链状预测法、灰色预测法和非线性预测法6大类,并进行分析和比较.结果表明:1)目前的预测方法大多针对各自行业部门,因此采用自身相适应的预测方法和提高预测精度是事故预测的关键;2)剔除随机性和偶然性,提取异常点和异质性是工业事故进行预测建模的依据;3)系统安全是一个动态随机的非线性过程,应将定性与定量、线性与非线性、静态与动态预测方法相结合,进行组合预测才有可能实现最优预测;4)基于状态预测的事故优生理念,是未来事故预测理论的发展趋势.     

用灰关联分析和神经网络方法预测煤与瓦斯突出

本文应用灰色系统理论的灰色关联分析,对煤与瓦斯突出影响因素进行灰关联分析,得出了各影响因素对煤与瓦斯突出影响程度的大小排序,选择灰关联分析的五个优势因子:瓦斯放散初速度、坚固性系数、瓦斯压力、煤体破坏类型和开采深度,作为输入参数,用计算机对神经网络编写程序,建立了煤与瓦斯突出预测的神经网络模型.用我国典型突出矿井的煤与瓦斯突出实例作为学习样本,对网络进行训练学习,并以云南恩洪煤矿的煤与瓦斯突出实例作为预测样本进行验证.     

人工神经网络在预测深基坑周边地表沉降变形中的应用研究

深基坑开挖引起的周边地表变形预测是一个复杂非线性问题,引起地表沉降的影响因素很多,各因素之间呈高度的非线性关系。传统的基坑用边地表沉降变形预测方法存在着一定的局限性,其预测精度有待提高,而人工神经网络是一种多元非线性动力学系统,可以灵活方便地对多成因的复杂未知系统进行高度建模,实现全面考虑各种主要影响因素的深基坑周边地表沉降变形预测。本文介绍了误差反向传播(BP)网络模型的结构、学习过程及其算法的改进,径向基函数(RBF)网络模型的结构及其学习过程;分析了影响深基坑开挖周边土体沉降变形的主要影响因素;以25个基坑工程的地表沉降实测资料为训练样本,建立了11个输入影响因素的BP神经网络模型和RBF神经网络模型,通过对样本的学习训练过程及对5个检验样本的预测精度,说明了人工神经网络用于预测基坑周边地表沉降的可行性和准确性。     

神州绿网

云南：植树交钱引发争议;重庆：计划建设“森林城市”；湖南：启动“湿地使者行动”；四川：重建环保能力；珠三角空气联防机构欲“破茧”.     

孩子的灵气哪里去了?

现在大家都在讨论教育改革，在谈论如何将我们的教育从以前的应试教育转变到素质教育上来。然而，大家都没有办到。所有的老师和学生都在“努力考试，然后教下一代如何考试”，至于考试之外的东西．弄没弄得懂、需不需要知道是无关紧要的。有人说．这样的教育是在浪费公民的时间、青春和生命，话也许偏激．但却不无道理。我们的教育确实存在许多问题．改变这一现状需要我们搞教育的人士认认真真地研究一下教育．需要我们的老师们重视自身素质和修养的提高：这，也就是我们设置“关注”这一栏目的初衷之一、我们期待着更多的有识之士来参与我们的话题、挖掘我们的话题，引起更多的思考与更多的关注．