影响摩托车排气污染物测量精度的相关因素分析

讨论了影响摩托车排气污染物测量精度的各种因素，提出保证测量可靠性的方法。     

某海洋平台上海水篮式过滤器事故分析

目的研究分析东海某一海上平台海水用篮式过滤器发生的腐蚀和堵塞事故原因。方法从海洋平台海水系统用篮式过滤器的原理、工艺流程、材料选择、滤网精度,滤芯设计、人工操作等多方面进行分析。结果受内压滤芯结构要优于受外压滤芯结构,如果过滤精度选择过高,会增加压差,造成滤芯堵塞。结论篮式过滤器滤芯单元应采用多滤芯的受内压结构,过滤精度应根据下游用户要求来确定。     

基于改进灰色模型的管壁蜡沉积厚度预测研究

为对含蜡原油管道中的蜡沉积厚度进行准确预测,在函数cot(x2)变换的基础上,结合平移变换思想,利用cot(x2+c)变换建立新的改进GM(1,1)模型。以现场管道结蜡数据和室内环道结蜡数据为例,对比改进GM(1,1)模型、基于函数cot(x2)变换建立的GM(1,1)模型及传统GM(1,1)模型之间的预测精度,并分析平移量c对改进GM(1,1)模型预测精度的影响。结果表明:改进GM(1,1)模型的预测精度最高,其次是基于函数cot(x2)变换建立的GM(1,1)模型,而传统GM(1,1)模型的预测精度最低;随着平移量的增大,改进GM(1,1)模型的平均相对预测误差呈现出先减小后增大的趋势,因此合理的平移量有助于模型精度的提高。应用改进GM(1,1)模型来预测管道蜡沉积厚度是可行的,该方法可为含蜡原油管道蜡沉积厚度的准确预测提供参考和借鉴。     

基于改进的非线性GM(1,1)模型的职业病预测研究

为了更准确地预测职业病，在传统GM(1,1)模型的基础上，提出改进的非线性GM(1,1)模型，在传统的GM(1,1)模型中引入弱化算子，将紧邻均值与原始数据之间的线性假设改为非线性假设，提高曲线的拟合度。以2005—2014年的全国职业病例数为研究对象，进行数据拟合和预测分析，其中以2014年职业病例数作为验证数据，并利用后验差比值和小误差概率2个参数，检验该改进模型的预测精度。由应用实例的分析结果可知:在职业病发病趋势的预测方面，改进的非线性GM(1,1)模型的预测精度提高到一级，曲线拟合度较高，预测得到2015年的职业病例数为34 900例。     

非接触式红外热成像测温技术的探析

2020年初一场由新型冠状病毒引起的疫情席卷全球,非接触式红外体温筛选仪伫立在防疫战争的第一线,将大量疑似发热人员筛选出来,减少了大人流量聚集地人员之间接触式的交叉感染概率,保障了医护人员和安保人员的安全,有效阻止了病毒的传播。由此引出一个问题:非接触式的红外热成像技术是否可以在民用安防领域创造更大的价值,保护人民的生命财产安全,促进社会经济的发展?     

TRMM降水数据在东北地区的精度验证与应用

利用东北地区2000-2007 年的APHRODITE降水数据,基于GWR方法对TRMM降水数据进行修正,分析新的TRMM降水数据精度,并基于修正的TRMM降水数据对东北地区降水进行时空分布特征分析.结果表明:①APHRODITE降水数据与观测数据之间的线性相关性更高、均方根误差RMSE更小,数据具有较高的精度;②修正后的TRMM降水数据相关系数R有所提高,且RMSE值均有降低.整体来看,TRMM降水数据的降水量数值偏大于观测值;③修正TRMM降水数据在5-10 月的误差相对较小,整体来看,在大部分区域的误差在0~30%之间;④东北地区降水分布极不均匀,整体呈从东南向西北减少趋势.11 月到翌年3 月的降水稀少,降水主要集中在夏季,其中7月降水量最大.     

土壤连续属性空间插值方法及其精度的研究进展

作为土壤变化的时空定量监测方法,土壤属性空间插值方法及其精度是计量土壤学和"数字土壤"领域的重要研究内容。文章首先介绍了土壤属性空间插值的常用方法,包括克立格插值法(Kriging)、反距离权重法(IDW)、样条插值法(Spline)、贝叶斯最大熵(BME)、地理加权回归(GWR)以及高精度曲面建模方法(HASM);其次阐述了土壤属性空间插值精度验证的方法和指标;再次总结了能够提高土壤属性插值精度的6种途径,包括合理选择插值方法、准确设定插值方法参数、合理设计采样数目和密度、注意空间自相关程度和范围的影响、科学安排实验分析顺序以及结合辅助信息进行插值;最后从插值方法的选择、验证指标的选取以及辅助信息的结合三个方面指出了土壤属性空间插值方法及其精度的未来研究方向。     

基于电力大数据的钢铁企业大气污染物排放核算模型构建及应用

近年来,各级生态环境部门与国家电网公司积极签署战略合作协议,促进电力大数据在生态环境管理信息化平台的应用.本研究通过梳理电力大数据在大气污染防治中的应用,以唐山市钢铁行业为例构建基于电力大数据的大气污染物高时间精度排放核算模型,进一步挖掘电力大数据在大气污染排放控制中的应用潜力.结果表明：(1)模型核算的2019年唐山市17家钢铁企业的大气污染物排放量与2019年唐山市大气污染物排放清单(简称“城市清单”)结果一致性较好,SO₂、NO_x和PM_2.5排放量分别为1 017.90、2 047.75、1 141.81 t,误差介于-0.46%～4.27%之间.(2)基于工序而言,以PM_2.5为例,模型预测结果与城市清单结果的相对误差在-17.34%～10.60%之间.(3)唐山某钢铁企业2022年SO₂、NO_x、PM_2.5月排放量受钢铁市场价格影响较大,1月和6月分别为最高和最低污染物排放月,而其日排放受行业特征影响较为平稳,小时排放可能受...