锐钛矿-金红石混合晶型TiO2降解气相苯

用溶胶-凝胶法并通过控制煅烧温度合成不同晶相比的混合晶型纳米TiO_2,在紫外光光照下降解气相苯。考察了苯初始质量浓度、紫外灯光照强度和催化剂加入量对苯去除率的影响;探究了光催化降解气相苯的动力学特征。结果表明:450℃煅烧制备的催化剂降解苯效率最高,此催化剂金红石相质量分数为6.30%;在苯初始质量浓度为74.39 mg/m~3、催化剂加入量为7 g、光照强度为2.18 klux的最佳条件下反应84 min,苯去除率达99.73%;光催化降解率与光照强度之间符合0.5级动力学特征;当催化剂加入量为3 g时,单位时间单位质量催化剂降解苯的质量最多;苯的光催化降解反应均符合一级动力学方程。     

长大区间隧道抽出式串联通风机排烟能力实验研究*

为实现有效通风以降低隧道火灾带来的损失和伤亡,依托青岛市地铁8号线大洋站至青岛北站区间隧道,建立线性比尺为1∶15的隧道通风排烟模型实验系统,针对通风机串联单抽,围绕3种通风机频率匹配组合,测定单机的变频频率值、电功消耗、排烟道与行车道的断面平均风速以及右侧行车道静压。研究结果表明:在相同功率消耗下,不同频率匹配的串联通风机排烟效果存在差异;针对此差异,利用气体挡烟墙性能及其计算欧拉数值比较发现,风井近端的通风机频率较大时,下游对污染气流的抵抗力更强,拥有更好的排烟效果。研究结果可为隧道火灾提供更有效率的防灾救灾数据支持,并从欧拉数方面为研究隧道临界风速提供新角度。     

基于缓冲区重采样的LSTM林火预测模型*

为提高林火风险预测精度,挖掘地图上隐含的空间信息、时间序列上隐含的长期趋势和循环波动,提出1种基于缓冲区重采样的长短期记忆（LSTM）林火预测模型,选取15个与林火相关的影响因素,以方差膨胀因子为评价指标对其进行多重共线性检验,方差膨胀因子大于10的因素具有共线性,并采用信息增益率验证筛选结果的合理性。考虑到火灾的空间聚集特性,采用缓冲区分析与过采样相结合方法减少样本不均衡现象的影响,最终得到176 732条样本。对12个影响因素和研究时间段的火点建立LSTM预测模型,对森林火灾发生风险进行预测。研究结果表明:基于缓冲区重采样的LSTM林火预测模型有效考虑时空上隐含的信息,预测模型准确率为87.06%,特异性为97.99%,敏感度为76.12%,阳性预测率为97.43%,阴性预测率为80.41%,ROC曲线与AUC值均优于随机森林（RF）和支持向量机（SVM）这2种基准算法。维尔克松秩和检验发现,本文提出的模型与基准算法结果具有显著性差异。研究结果可为提高林火风险预测精度提供参考。     

顶空毛细柱气相色谱法测定水中七种苯系物研究

选用Elite-FFAP色谱柱,利用顶空-毛细柱气相色谱技术对水中的苯、甲苯、乙苯、对二甲苯、间二甲苯、邻二甲苯、苯乙烯七种挥发性苯系物进行同时测定,并对样品的平衡温度、保温时间、程序升温的条件控制、水中含盐量等影响因素进行了探讨,优化了检测条件,使七种挥发性苯系物得到不错的分离。样品平衡温度控制在70℃,样品平衡时间19 min,进样口温度180℃,检测器温度230℃,10 mL水样中加入4 g NaCl的条件下,分离效果最佳。     

卫星遥感洞庭湖主汛期水体时空变化特征及影响因子分析

基于1989~2011年的长时间序列卫星遥感数据,利用综合水体信息提取方法提取了洞庭湖区6~9月主汛期的水体信息,通过较高分辨率卫星遥感数据验证,水体面积提取精度达到90%以上。洞庭湖年平均径流入湖量、NCEP再分析资料计算的湖体上空和流域累计月平均降水量分别与水体面积变化的关系进行分析,结果表明: 1989~2011年间洞庭湖水体面积最大值主要分布在7和8月,这两个月也是洞庭湖区域发生洪涝灾情的高风险期;洞庭湖水体面积与年平均径流入湖水量的相关系数为0.67(置信度为95%);2003年以前,洞庭湖主汛期间水体面积波动比较大,2003年三峡水库运行后,洞庭湖的面积波动有所减少;洞庭湖上空累计月平均降水量对于水体面积存在正相关性,相关系数为0.68(置信度为99%);2003年以前,洞庭湖流域累计月平均降水量和水体面积相关系数为0.50(置信度为90%),2003年三峡水库运行后,两者相关性有所减弱。     

铜铈复合氧化物上石化行业典型VOCs的氧化行为与动力学

采用共沉淀法和等体积浸渍法制备了CuCeO x复合催化剂,对材料的物化性质进行了XRD、低温N2吸脱附、H2-TPR和O2-TPD表征.以石化行业典型VOCs(苯、甲苯和正己烷)为探针污染物,研究了污染物组成与浓度、反应空速、O2浓度、H2O浓度和催化剂种类对其氧化行为的影响,并对反应动力学参数进行了模型拟合.共沉淀得到的催化剂具有均匀的活性相、好的低温可还原性能和较多的活性表面氧物种.甲苯氧化率随着污染物浓度升高而降低,高转化率下苯浓度与其氧化率无相关性,正己烷的氧化率与入口浓度呈正比.苯能够显著抑制甲苯的氧化,而甲苯加入有利于苯的氧化.正己烷对苯氧化的影响较小,但能够促进甲苯的转化,苯系物对正己烷氧化有明显的抑制作用.低空速和高氧浓度都有利于污染物的氧化,氧浓度的变化对正己烷和苯的氧化影响较小.水汽对甲苯的氧化有明显的抑制作用,而对苯和正己烷氧化有明显的促进作用.共沉淀催化剂具有更好的甲苯和苯氧化性能,而无水条件下浸渍催化剂具有更好的正己烷氧化性能.拟一级动力学模型能够很好地模拟不同条件下污染物的氧化行为.     

表观遗传学机制与空气污染的健康效应

空气污染是一个全球性的问题,并且具有深远的环境影响。暴露于空气污染会对人体健康产生许多不同的影响,理解空气污染的健康效应又是一个复杂命题,既要考虑不同类型的污染物同时也要考虑相关疾病的复杂性。然而越来越多的研究表明,表观遗传学在空气污染相关疾病的发生、发展中发挥着重要的作用。空气污染物可引起DNA甲基化、组蛋白修饰和miRNA表达等表观遗传学改变,这种改变往往发生在疾病产生的早期,因此相关研究不仅可以了解疾病的发病机制,而且还为疾病早期诊断和预防筛选可能的标志物。本文综述了表观遗传学的几种修饰方式和空气污染物造成不良健康损伤机制的一些研究进展。     

基于神经网络分类器的城市污水处理厂水力冲击预警系统

提出了一套基于神经网络分类器的城市污水处理厂水力负荷冲击预警系统,以期对进水水量骤增现象进行提前1天的预报,使污水处理厂可根据预报结果提前采取水力冲击防护措施,从而保证各单元的平稳运行.根据进水水量的涨幅将某污水处理厂12年日进水水量监测数据分为"常规"和"冲击"两类,重点对"冲击"数据进行提前1天的预测,并采用冲击漏报率、冲击误报率和报准率对模型的预测精度进行评价;同时,基于同样的建模方法和不同的训练、验证样本建立了N(1)、N(2)和N(3)3个平行模型,以对模型的鲁棒性和建模方法的可重复性进行考察.结果显示,3个模型对2010年、2011年和2012年3年测试样本的预测效果良好,冲击漏报率和报准率两项指标数值均较为稳定,分别在0~0.167和0.981~0.995之间浮动,冲击误报率虽然在数值上的浮动较大,最低为0.143,最高为0.500,平均为0.310,但仍在工程上的可承受范围内.该结果表明,本研究基于神经网络分类器所建立的3个神经网络模型预测精度高、鲁棒性好,显示出良好的性能,有望为污水处理厂水力冲击防护工作提供有力参考.     

基于ARIMA的安全生产事故预测与实证研究

为了减少企业安全管理者在生产作业中由于不确定性导致错误决策所产生的风险,在企业历年安全生产事故数据基础上进行预测具有一定的现实意义。以某企业2008年至2011年的安全生产事故次数时序数据,采用EViews 5统计分析软件,基于ARIMA时间序列预测模型更加关注对事故发生是否平稳而相对于其他预测模型更关注于趋势研究的良好特点,建立安全生产事故ARIMA时序预测模型,并对2012年的安全生产事故发生次数进行预测,通过效果检验发现该模型预测结果基本上能够反映该企业安全生产事故发生的实际情况。通过ARIMA方法在某企业安全生产事故预测具体案例的实现,是对现有安全生产事故预测方法的补充和完善,可为企业安全管理和决策提供一定的指导。     

基于时序InSAR的覆砂石尾矿坝形变演化研究

为解决目前采用在尾矿坝坝体及滩面覆盖砂石进行防尘治理与闭库，但传统监测手段难以实现坝体整体监测的问题，采用时序InSAR技术对2014年10月至2018年7月的Sentinel-1A影像进行处理，提取了对应时间段内卡房尾矿坝的形变信息，并结合实地调查及尾矿坝建设资料，研究了卡房尾矿坝的时序形变演化规律。结果表明:SBAS InSAR监测到坝体出现第1次异常形变加速运动时间与坝体开始铺设砂石工程的施工时间节点完全吻合，体现SBAS InSAR技术在受人为工程影响的坝体形变监测方面具有极高的敏感性。坝体在施工结束后，坝体形变加剧趋势并未缓解，并且出现2次加速现象，分析认为是由于在坝体铺设约2 m厚的碎砂石极大地增加了坝体荷载，打破了坝体原有的应力平衡状态，且识别出雨季对坝体形变影响显著，表明铺设砂石会使得降雨在坝体中的停滞时间加长，进一步引发非雨季期间坝体形变加剧。研究结果不仅能还原坝体出现异常形变的时间与演化过程，而且还可以对引起异常形变的内在影响因素进行分析与论证，对指导尾矿坝灾害识别、分析与治理具有重要的指导意义。