铁碳微电解工艺预处理制药废水实验研究

制药废水中含有大量难生物降解的化学物质,其BOD5/COD值很低,可生化性差。故一般仅采用生化处理很难将其COD降低到排放标准,现采用铁碳微电解法并串联Fenton工艺对某制药厂废水进行预处理。以废水COD为指标并通过正交试验确定达到最佳处理效果的各因素的最佳组合条件为:前端的铁碳微电解反应时间为2.5 h,pH值为5,铁碳质量比1:2,Fe粉的投加量为120 g/L;后续Fenton反应投加30%H2O23 mL/L,FeSO.47H2O(100 g/L)400 mg/L,调节pH值为2,反应时间2.5 h,总去除率大于70%,为工业化应用做出铺垫。     

公交车驾驶人历史违规数据与事故责任的随机参数模型研究

普遍认为公交车驾驶人历史违规行为是表征驾驶人风险程度的重要指标,但以往文献缺乏实证研究.为探究历史违规行为与事故责任之间的定量关系,以便更具靶向性地减少责任事故发生率,提高公交运营安全水平.基于某市461起涉及公交车的碰撞事故数据,以事故中公交驾驶人是否有责作为研究的因变量,从公交车驾驶人属性、事故特征、驾驶人前1年的历史违规行为记录、公交线路特征等方面选取16个自变量进行分析.利用随机参数模型展开研究,可以很好地解释数据中未观测到的异质性,并结合弹性分析定量分析各显著因素对公交车驾驶人发生有责事故的影响.结果表明,公交车驾驶人性别、驾驶经验、事故发生路程、事故发生地点、违章站点行为、收到投诉、发生过有责事故、发生过无责事故均会显著影响驾驶人发生有责事故的概率,其中回程、交叉口、发生过无责事故3个变量是服从正态分布的随机参数.研究结果为高风险驾驶人判别及运营安全管理提供了理论依据.     

稀土掺杂钨钼酸盐类荧光粉水热法合成及结构与性能的研究

利用水热法制备了A0.925（MoO4）0.5（WO4）0.5∶Dy03.＋05（A=Ca、Sr、Ba）固溶体微晶。通过X射线衍射（XRD）、扫描电镜（SEM）、荧光分析（FA）等测试手段对微晶结构、形貌和发光性能进行了表征。结果表明A0.925（MoO4）0.5（WO4）0.5∶Dy03＋.05（A=Ca、Sr、Ba）复合钨钼酸盐微晶均呈现典型的四方晶相白钨矿结构。荧光光谱中的480nm处的偶合双峰和575nm处的锐而强的黄发射峰,分别对应于稀土离子Dy3＋的4F9/2→6 H15/2和4F9/2→6 H13/2跃迁。其中具有球状颗粒（尺寸为0.7μm）形貌的Ca0.925（MoO4）0.5（WO4）0.5∶Dy03.＋05微晶的发射峰强度最强,在光学材料中具有潜在应用。     

耐盐类固醇激素降解菌交替赤杆菌MH-B5的降解特性、降解途径及其固定化

从咸水湖中分离得到1株具有类固醇激素降解能力的耐盐菌株,利用16S rRNA基因序列同源性分析确定菌株MH-B5属于交替赤杆菌属(Altererythrobacter),其可生长p H范围为5.5~9.0,可耐受盐度生长范围为0~7%,单碳降解实验表明该菌可以利用雌酮、雌二醇、雌三醇和睾酮.应用超高压液相色谱串联四级杆飞行时间质谱分析得出菌株降解睾酮的过程中主要中间代谢产物为4-雄烯二酮、宝丹酮和雄二烯二酮.应用单一载体和复合载体两种方法分别制备的菌株MH-B5固定化颗粒均可降解雌二醇,批次降解实验表明菌株MH-B5固定化颗粒可有效降解2 mg·L~(-1)雌二醇及其初级代谢产物雌酮.上述研究结果表明菌株MH-B5可在海水中生长良好,其能降解典型雌激素及雄激素睾酮,且经过微生物固定化过程后依然具有类固醇激素的降解特性,因此对类固醇激素污染的咸水环境修复,具有潜在应用前景.     

毛叶山桐子培育新方法及其工程化研究

毛叶山桐子的人工培育困难，至今没有人工林地。本研究通过小型试验、扩大试验和工程化试验，对毛叶山桐子的育苗方法进行了系统研究，得出了毛叶山桐子育苗的最佳条件。     

城市污水处理厂污泥的处理处置及有效利用

污泥是城市污水处理的副产品，不仅产生量大，而且成分极其复杂，如若处理不当，将会造成二次污染。同时，污泥作为三次资源，如何经济、合理地利用也是当今国内外广泛关注的问题之一。本文分析了我国城市污水处理厂污泥的特性，简介了当前城市污泥处理、处置的方法及研究进展；在大量调研国内外关于城市污泥有效利用的文献资料的基础上，概述了当前城市污泥资源化有效利用的最新技术，并指出我国城市污泥的有效利用应根据我国国情采取近期以农用为主，其他方面为辅的面向未来的资源化利用方式。     

浅论西藏草原生态建设与牧区经济可持续发展

本文在调研西藏草原生态状况的基础上，分析了西藏草原生态退化原因，阐述了西藏草原生态建设与牧区经济发展的关系，并提出了相关对策。     

生命周期评价与可持续发展

介绍了生命周期评价的概念，发展历程，技术框架和应用。     

基于机器学习的公交驾驶员事故风险识别及影响因素研究

为从公交驾驶员群体中识别出易发生事故的风险公交驾驶员，结合某市公交公司营运安全管理系统数据库、百度应用程序接口(API)及网络爬取技术，并应用K近邻算法补充缺失值，获取42条线路及1 893名驾驶员的数据；基于驾驶员、车辆、线路特征、违规行为、事故、管理等基本特征变量构造派生变量；采用包括递归特征消除、有惩罚项的逻辑回归、随机森林的集成方法选择特征；采用极致梯度提升(XGBoost)等6种机器方法分别建立分类模型，并采用贝叶斯方法优化超参数。结果表明：在构建的6个分类模型中，XGBoost方法构建的模型其受试者工作特征(ROC)曲线下的面积(AUC)评估结果最佳；运用贝叶斯方法优化模型，可以在一定程度上提升ROC的AUC指标；对于风险公交驾驶员预测准确率达到98.66%,运营单位还可以根据自身情况权衡虚报率与命中率代价。此外，车辆服役时间、违规次数等特征对于事故风险具有明显的非线性影响。