二氧化钛复合型催化剂制备及其微波辅助催化氧化甲苯性能

实验采用溶胶凝胶法和传统浸渍法制备了TiO2-分子筛复合载体及复合载体负载过渡金属与稀土元素催化剂,通过微波辅助催化氧化甲苯的性能实验考察其催化活性.结果表明,复合TiO2明显提高了载体结构的稳定性与耐温性,并使过渡金属铜(Cu)、锰(Mn)和稀土元素铈(Ce)等活性组分在催化剂表面的分散更均匀;在复合载体吸附、吸波性能与多相活性组分催化的共同作用下,Cu-Mn-Ce/TiO2-分子筛催化剂微波辅助催化氧化甲苯的完全燃烧温度仅为175℃,此时甲苯去除率可达99％;15 h的连续性实验表明,TiO2复合型催化剂具有良好的催化活性与稳定性.由催化剂表征分析结果可知,活性组分颗粒的均匀分布与铜、锰氧化物及铜锰尖晶石固溶物等活性相的存在促进了甲苯的催化氧化,锐钛矿型TiO2较高的电子迁移速率与催化剂孔径的增大均有助于甲苯的氧化降解.     

双组分VOCs的催化氧化及动力学分析

考察了微波加热与管式炉加热下挥发性有机化合物(VOCs)甲苯与氯苯的催化氧化性能,并对双组分VOCs的反应动力学进行了分析.结果表明,VOCs的竞争吸附使得双组分中甲苯和氯苯的转化率比单组分降低3%~12%;微波的"热点效应"与"非热效应"使得VOCs转化效率明显优于管式炉加热,尤其是氯苯的转化率提高了31%~38%;微波加热降低了氧化反应温度和处理能耗.动力学分析表明,微波加热下甲苯和氯苯的反应活化能比管式炉加热下减少了2146 J·mol-1和1450J·mol-1,微波加热下氯苯的化学反应速率常数是管式炉加热的35倍,甲苯的反应速率常数提高了6倍.     

重大事故应急救援法律法规体系建设

重大事故应急救援法律法规体系作为生产安全应急救援体系建设的重要内容之一 ,在重特大事故多发的今天 ,已显得尤为重要。笔者结合国内外重大事故应急救援立法的现状 ,论述加强我国应急救援法律法规体系建设的必要性 ;提出重大应急救援法律法规体系建设要从法律、行政法规及部门规章、地方性法规及规章3个方面进行 ;同时提出建立联席会议制度、应急预案编制审核和备案制度、报告与信息发布制度、应急救援的分级响应制度、应急救援演习制度、应急救援资金补偿制度、应急救援的奖惩制度等急救援工作制度体系。最后 ,还强调建立重大事故应急救援体系对于提高政府对国家危机的管理能力有着深远的影响和意义。     

紧急救助员在应急救援工作中的重要作用(一)

我国的自然灾害和人为灾害较为严重,由于救援不及时,往往延误最佳施救时机,扩大事故后果.紧急救助员作为一种新的职业由家正式公布,目的是在紧急情况下及时有效进行救援,实施现场救护,最大程度的降低人员伤亡和财产损失.紧急救助员的任务是在发生紧急情况后,作为第一目击人及时在第一时间施救,及时处理事故现场,协助指挥尽快疏散人员和为挽救受伤人员的生命赢得宝贵的时间.紧急救助员属于志愿者的一种,也可以实行国家认证,经过专门培训、具有一定技能的自愿应急救援人员,是专业救援队伍的重要补充,是我国应急救援体系的重要组成部分.     

国外中小企业下策管理经验对我国乡镇工业职业安全卫生工作的启示

对于在社会化大生产中占有重要经济地位的中小企业,世界各国分别依据国情实施了相应的现代化政策以及各种有效措施。在分析国外中小企业发展状况及其特点的基础上,综合各国中小企业政策与管理的成功经验进一步探讨其对我国乡镇工业职业安全卫生工作的可借鉴之处。     

国外中小企业政策管理经验对我国乡镇工业职业安全卫生工作的启示

对于在社会化大生产中占有重要经济地位的中小企业,世界各国分别依据国情实施了相应的现代化政策以及各种有效措施。在分析国外中小企业发展状况及其特点的基础上,综合各国中小企业政策与管理的成功经验进一步探讨其对我国乡镇工业职业安全卫生工作的可借鉴之处。     

利用酒糟生产饲料蛋白的菌种选育

为了提高酒糟蛋白质的含量和粗纤维的降解,本研究选菌种３０株,以白酒糟为原料筛选出优质饲料蛋白菌株８５０２,８５０３和８５０５三株。用微生物液体发酵法,经研究发现,以８５０３和８５０５组成的多菌发酵体系,使酒糟初始蛋白含量由２３．０％。     

复合菌种协同发酵酒糟生产饲料蛋白研究

以笔者选育的８５０３和８５０５复合菌种为试验菌,以白酒糟为原料,经最适试验,确定最优条件为：培养温度３０．０℃,初始ＰＨ５．５,（ＮＨ４）２ＳＯ４添加量为５ｍｇ／ｍｌ,投料量１０％,接种量５－１０％,发酵期限５ｄ,在最适条件试验的基础上,进行了５Ｌ发酵罐试验,发酵产物粗蛋白质含量由２３．７５％提高到３５．７５％,提高了１１．００％,其中真蛋白质提高１０．３４％,粗纤维降低了２．０５％,氨基酸总量由     

模糊支持向量机在煤与瓦斯突出预测中的研究

模糊支持向量机(FSVM)综合了模糊理论和支持向量机(SVM)的学习理论,不仅继承了SVM在小样本情况下所具有的较强识别能力的特点,并且比SVM拥有更好的学习能力。在FSVM算法中,每个样本被赋予一个隶属度值,使得构造目标函数时不同的样本有不同的贡献,达到最大限度的消除噪声或者孤立点的效果。运用了灰色关联分析(GRA)对煤与瓦斯突出指标进行提取,引入了一个合适的模糊隶属度函数,并在此基础上提出了基于FSVM的煤与瓦斯突出预测的模型,通过实际数据的验证和其他预测方法的对比,证明了FSVM模型能够满足煤与瓦斯突出预测的要求。最后,将FSVM和传统SVM对同一组数据进行训练,证明了FSVM相比较传统SVM拥有更高的精确度。