模糊综合评价法在钢铁企业安全投资合理性评价中的应用

为了对钢铁企业安全投资进行模糊综合评价,建立了钢铁企业安全投资的评价体系,确定各因素的权重。得出模糊综合评价矩阵,可对各因素进行评价分析;得出某钢铁企业安全投资现状分数为83.9分,等级为较好,需着重加强安全培训、劳保品、工业卫生等人因素方面的投资;在环境方面的投资较合理。     

中国可持续社会养老保险的综合评价体系和实证分析

我国可持续社会养老保险的综合评价指标体系包括四个层次和三级子系统，内容涉及养老保险人数、机构设置、基金管理和代际平衡四个子目标。应用因子分析模糊综合评价方法对我国1990-2001年养老保险建设状况进行评价，本文认为基金管理，行政管理和代际失衡是影响我国可持续养老保险发展的主要因素。     

黄河三角洲土地质量模糊综合评价

针对土地复杂性、模糊性的特征,本文采用模糊数学中“多级模糊综合评判”的方法进行了黄河三角洲土地质量评价,并对其科学性和可行性作了探讨。     

太湖北部小流域沉积物重金属污染特征与评价

近几十年来重金属的沉积记录、来源及污染水平受到了广泛关注.为探明太湖北部小流域重金属的污染来源和环境质量状况,本研究分析了柱状沉积物中8种重金属（Mn、Cr、Zn、Cu、As、Pb、Ni和Co）含量.运用主成分分析法判定污染源,富集因子法表征重金属富集特征,通过熵权模糊模型对沉积物中重金属污染状况进行评价.结果显示,所有重金属含量均较高,高低依次为Mn > Cr > Zn > Cu > As > Pb > Ni > Co.其中Mn含量最高,为380.06~767.69μg/g.沉积物重金属污染的主要贡献因子为交通排放、农业污染和煤炭燃烧.As的富集指数最大（2.89~15.61）.其中77.59%的沉积层属于显著富集,受人类活动影响最为显著.熵权模糊综合评价结果表明,Cu（0.483）和As（0.352）的权重值最大,是沉积物中的首要污染物,且65.52%的沉积层重金属含量处于中度污染水平.     

我国燃煤电厂大气汞控制技术综合评估与对策探讨

采用模糊综合评价法与层次分析法或专家判定法相结合,对我国燃煤电厂非常规污染物大气汞控制技术进行了综合评估,以筛选出最佳控制技术.建立了环境、经济和技术为一级指标的三层指标体系,共22个评价指标;初步筛选出洗选煤+烟气净化协同脱除技术、烟气净化协同脱除技术、烟气净化协同脱除技术+活性炭吸附技术等七项技术及技术组合并对其开展评估.结果表明:强调环境因素的层次分析法综合评估结果表明,超低排放协同脱除技术+活性炭吸附技术得分最高（0.797 0）,为最佳控制技术.而专家判定法与强调经济因素的层次分析法的综合评估结果一致,洗选煤+烟气净化协同脱除技术最具经济优势,是专家认可的最佳可用技术（BAT）和最佳环境实践（BEP）.研究显示,我国现阶段可采用洗选煤+超低排放协同脱除技术对燃煤电厂的大气汞污染进行控制,但为达到发达国家的严格排放标准,必须采用超低排放协同脱除技术+活性炭吸附技术.      

基于模糊PI控制的瞬态高温控制策略研究

目的通过地面环境试验研究气动热引起的瞬态高温环境对飞行器结构的影响。方法设计基于石英灯和离心机的瞬态高温-加速度复合试验系统,研究温度和加速度同步控制系统的结构和原理,分析无制冷装置环境下瞬态高温控制的难点,提出基于模糊PI控制器的温度控制策略。结果通过MATLAB仿真验证,设计的模糊PI控制器相比传统的PI控制器能够有效提高温度控制的动态性能与精确性。结论将基于模糊PI控制的瞬态加热控制策略应用于瞬态高温控制是可行、有效的,能为地面气动热模拟环境试验提供技术保障。     

黄土高原不同地貌类型区农田土壤有机碳采样布点方法研究

采样设计是土壤有机碳研究中面临的首要问题。论文对黄土高原不同地貌类型区农田土壤有机碳进行抽样样本代表性评价,对比分析了不同采样方法的样点布设效率,结果表明：1）高塬区合理采样布点方法应为网格布点法,采样点布设格网间隔4 km,网格布点法较随机布点法和联合单元布点法效率分别提高64.3%和31.8%;2）平原区合理采样布点方法应为网格布点法,采样点布设格网间隔2 km,网格布点较随机布点和联合单元布点效率分别提高64.8%和128.8%;3）丘陵区合理采样布点方法应为联合单元布点法,样点布设密度为1个/1 314 hm²,联合单元布点较随机布点和网格布点效率分别提高205.8%和294.2%。     

应用S-T模型对沉积物中PAHs的生态风险分级评价

本文构建S-T模型,运用集对分析理论（set pair analysis）构建基本模型,采用层次分析法并参考毒性当量因子确定各指标权重,应用三角模糊数（triangular fuzzy number）对差异度系数进行改进,基于加拿大沉积物环境质量标准,对沉积物中多环芳烃进行生态风险分级评价.结果表明,该模型考虑到化合物之间的相互作用因素并做模糊处理,对差异度系数进行改进体现沉积物中多环芳烃生态风险等级标准的模糊性,为持久性有机污染物生态风险分级评价提供了一种简便客观有效的方法.     

大气环境质量模糊评价的可视化实现

以模糊聚类法为算法基础,运用计算机可视化技术,进行大气环境质量评价初步探索。计算机技术在环境评价中的应用,可以方便数据处理和资源共享。选用武汉市大气环境监测资料,应用该方法评价和分析武汉市大气环境质量,取得了令人满意的结果。     

Risk-Based Prioritization of Air Pollution Monitoring Using Fuzzy Synthetic Evaluation Technique

Air pollution monitoring programs aim to monitor pollutants and their probable adverse effects at various locations over concerned area. Either sensitivity of receptors/location or concentration of pollutants is used for prioritizing the monitoring locations. The exposure-based approach prioritizes the monitoring locations based on population density and/or location sensitivity. The hazard-based approach prioritizes the monitoring locations using intensity (concentrations) of air pollutants at various locations. Exposure and hazard-based approaches focus on frequency (probability of occurrence) and potential hazard (consequence of damage), respectively. Adverse effects should be measured only if receptors are exposed to these air pollutants. The existing methods of monitoring location prioritization do not consider both factors (hazard and exposure) at a time. Towards this, a risk-based approach has been proposed which combines both factors: exposure frequency (probability of occurrence/exposure) and potential hazard (consequence).This paper discusses the use of fuzzy synthetic evaluation technique in risk computation and prioritization of air pollution monitoring locations. To demonstrate the application, common air pollutants like CO, NO_x, PM₁₀ and SO_x are used as hazard parameters. Fuzzy evaluation matrices for hazard parameters are established for different locations in the area. Similarly, fuzzy evaluation matrices for exposure parameters: population density, location and population sensitivity are also developed. Subsequently, fuzzy risk is determined at these locations using fuzzy compositional rules. Finally, these locations are prioritized based on defuzzified risk (crisp value of risk, defined as risk score) and the five most important monitoring locations are identified (out of 35 potential locations). These locations differ from the existing monitoring locations.