高烈度地震区隧道软硬围岩交接段刚柔并济抗减震技术研究*

为提高高烈度地震区隧道抗震性能，以某铁路隧道为研究背景，分析3种抗减震措施下隧道不同监测点隧道拱顶沉降、边墙收敛、衬砌结构PGA及最小安全系数，通过对比分析得到最优抗减震措施。结果表明:相比于工况1，工况2隧道拱顶沉降减小10.54%~81.10%，边墙收敛减小13.92%~78.77%，衬砌结构PGA减小31.42%~72.02%，最小安全系数增加18.04%~66.13%；相比于工况1，工况3结构拱顶沉降减小3.04%~18.02%，边墙收敛减小4.70%~32.00%，PGA增加13.95%~27.48%，最小安全系数增加7.49%~30.99%；工况4即“减震层+SFRC衬砌”刚柔并济法，相比于工况1，隧道拱顶沉降减小18.46%~83.98%，结构边墙收敛减小17.54%~85.47%，PGA减小30.00%~69.98%，最小安全系数增加47.95%~83.56%；4种工况抗减震性能由高到低依次为:工况4＞工况2＞工况3＞工况1。研究结果可为隧道软硬围岩交接段抗震设防提供理论参考。     

基于Landsat 8遥感数据的天津市地表温度反演

以Landsat 8遥感数据为数据源,进行天津市地表温度反演研究。首先采用单通道算法反演地表温度,并利用均值标准差法进行温度分级。然后建立不同温度等级面积比例的估算模型。再通过随机样点,从不同温度等级和土地覆盖类型2个角度,分别建立并比较不同类样点的地表温度与各指数的拟合模型。结果表明:次高温区域面积比例与人口密度、人均GDP都具有较高的决定系数;地表温度与NDVI、BAEM的二元线性回归决定系数高于地表温度与单一指数的决定系数;将样点分类后,低温点与MNDBI的决定系数高于其他温度等级样点,水域和植被样点与各种指数的决定系数高于其他地物类型样点。     

珠江口表层水中多环芳烃的分布特征及健康风险评估

分别于2015年2、5、8、11月在珠江八大入海口采集表层水体样品,应用固相萃取富集法对该区域表层水体中16种USEPA优控多环芳烃(PAHs)的时空分布特征进行分析,并利用终生致癌风险增量模型(ILCR)对该区域的饮水健康风险进行评价。结果表明:珠江口4个季度所采集的水样中,∑15PAHs的浓度范围为18.0~50.3 ng/L,含量处于中等水平。其中7种强致癌性∑7PAHs的浓度范围为1.53~3.73 ng/L,占∑15PAHs的5.89%~11.1%,∑15PAHs和∑7PAHs在枯水期(2、11月)样品中明显高于丰水期(5、8月)。就组成特征而言,各采样点PAHs以3、4环为主。珠江口表层水中非致癌类PAHs的危害商数值为0.99×10~(-5)~2.73×10~(-5),远低于USEPA规定的阈值(1);致癌类PAHs产生的健康风险为6.50×10~(-8)~2.37×10~(-7),其中Ba P导致的饮水途径健康风险最高,所有点位致癌类PAHs的健康风险均低于USEPA推荐的对致癌物质最大可接受风险水平(10~(-6)),表明珠江口表层水中PAHs尚不具备严重的致癌风险,但是仍然存在潜在的健康风险,需要重点控制和管理。     

母岩的风化剥蚀速率与土壤允许流失量的关系 --以长江三峡坝区风化花岗岩土壤为例

土壤允许流失量的确定是一个非常复杂而又必须解决的问题，它关系到水土保持措施的布设和土壤的可持续利用。然而，发育在不同母质上的土壤，其土壤的最大允许流失量差异很大，确定这一值的依据也各不相同。在岩成土壤地区，母岩风化剥蚀速率的大小直接影响土壤的发育。是确定土壤允许流失量、分析人类加速水土流失的重要依据之一。选长江三峡黄陵背斜段风化花岗岩土壤为研究对象，根据剥蚀沉积相关原理，通过恢复古地理环境及时代，计算出新生代以来本区花岗岩的平均风化剥蚀速率为16．97mm／ka．最大剥蚀速率为49．56。又根据区内太平溪流域的泥沙资料，算出了当地现代的剥蚀速率，多年平均为297．7mm／ka，最小值为31．5mm／ka，而水利部颁布的当地土壤允许流失量为200t／km^2,a，折合为76．9mm／ka，二者相差近1．5—4．5倍。基于此。提出了确定土壤允许流失量必须参考母岩风化剥蚀速率的新观点。     

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。     

基于改进遗传算法的河流水污染源反演方法

针对河流水污染应急响应过程中污染源排放历史迟知、未知的问题,结合多种群遗传算法和自适应遗传算法,利用一维河流水质模型和水质监测数据,研究建立了基于改进遗传算法的河流水污染定量源反演方法,实现了对河流污染源排放历史的识别与重构.将该方法应用于美国特拉基河流的3个不同流量下的示踪剂实验中,对示踪剂排放历史进行定量源反演分析.结果表明：IGA算法对高、中、低不同流量下的3次示踪剂实验均可以很好的重构和识别示踪剂排放历史,对于实际河流水污染源反演分析的误差均在可接受范围内.IGA算法在河流水污染源反演分析中具有一定的可靠性和稳定性,可为河流水污染精准溯源与治理提供科学的技术支撑.     

沱江沉积物中有机氯农药分布特征及其与藻类有机质的关系和生态风险评估

使用气相色谱-质谱联用仪分析了长江支流沱江流域48个表层沉积物中有机氯农药（organochlorine pesticides,OCPs）的残留水平,探讨了其分布和组成特征及其与总有机碳（total organic carbon,TOC）、藻类有机质之间的关系,以及评估其生态风险.结果表明沱江流域表层沉积物中OCPs的总含量为3.17~127 ng·g^-1,其中六六六（hexachlorocyclohexane,HCHs）类农药的含量为2.83~86.0 ng·g^-1,滴滴涕（dichlorodiphenyltrichloroethane,DDTs）类农药的含量为0.340~40.9 ng·g^-1.OCPs空间分布特点为：上游 < 中游 < 下游 < 支流.HCHs和DDTs的组成成分分析表明,沱江流域存在林丹输入的现象,主要来自于历史残留,这与绝大多数流域的DDTs的输入状况相似.OCPs含量与TOC、藻类有机质含量之间存在着极显著的正相关性关系,表明藻类有机质在TOC对沉积物中的OCPs分配中起更为重要的作用.生态风险评估表明,沱江流域表层沉积物的有机氯农药存在较大的生态风险,可能对河流的底栖生物及生态环境造成明显的影响.     

金属表面涂装行业VOCs排放特征及排放系数

对比了浙江省2014和2018年金属表面涂装企业的有机废气排放及治理情况,分析了该行业涂料及稀释剂的使用、主要污染因子,测算了溶剂型、水性涂料的挥发性有机物（VOCs）产生系数和排放系数.结果表明：2018年VOCs治理水平明显高于2014年,水性涂料使用企业比例由18%上升至36%,纯溶剂型企业由82%下降至64%;金属表面涂装行业的主要排放污染物为二甲苯、丁醇、乙酸乙酯、乙酸丁酯、甲苯、丙二醇、乙苯、苯乙烯等8种有机物.溶剂型和水性涂料的VOCs产生系数分别为0.72和0.31kg/kg;溶剂型和水性涂料2014年VOCs排放系数为0.64和0.29kg/kg,2018年为0.48和0.21kg/kg.     

特殊区域地表水环境背景值表征技术方法研究与应用

选取黑龙江省源头水保护区作为研究对象,根据DEM数据对保护区内随机布设的水质监测点控制单元进行划分并提取单元内的相关指标建立监测点背景特性量化模型,基于量化结果提出地表水环境背景值监测方案,建立背景值数据库.选取研究区自然属性指标与空间属性指标,以空间叠置技术与聚类分析方法对研究区地表水进行背景值分区,最终将黑龙江省分为六大地表水水质背景值地理分区,并计算了各分区地表水环境背景值表征范围.表征范围显示：依据现行标准进行水质评价,保护区内水质背景值已超出Ⅱ类水质标准限值.因此,基于水质背景值研究成果提出了考虑背景值影响下的水环境质量评价方法,并将方法应用于研究区,结果表明方法切实可行且优于单因子评价法.研究成果可为区域制定背景值影响下的水环境评价方法提供科学的数据支撑与理论依据.     

水源水库贫营养好氧反硝化菌群脱氮特性研究

为削减微污染水库中氮素的浓度,通过对西安市李家河水库沉积物进行定向富集驯化,筛选出以Pseudomonas菌为主、具有高效好氧反硝化特性的混合菌群-A1.摇床实验表明,贫营养好氧反硝化菌群A1在15h时硝酸盐氮去除率可达93.39%,硝酸盐氮平均去除速率为0.2073mg/（L·h）;总氮去除率为52.11%,总氮平均去除速率为0.1153mg/（L·h）,无亚硝酸盐积累.氮平衡分析表明,约45%的初始氮被去除转化为气体产物.响应面法（RSM）结果表明,C/N比9.96,温度22.67℃,pH8.01,转速91r/min,溶解氧8.55mg/L是去除总氮（TN）的最优条件.