基于FTA的高校实验室安全事故风险识别

风险识别是高校实验室安全管理工作的重要内容之一,对于保障实验室安全意义重大。事故树分析(FTA)是风险源辨识的有力工具,基于高校实验室安全管理工作的实际,通过编制实验室安全事故的事故树,能够实现对风险源的有效分类,进一步对事故树进行定性分析,得到风险因素的重要度排序,确定主要风险因素,从而完成对高校实验室安全事故风险因素的识别。     

新型冠状病毒肺炎疫情期间企业生产安全风险管理

本文在分析新型冠状病毒肺炎疫情期间企业安全风险特点的基础上,建立了疫情期间安全风险管理模型,分析了这一特殊时期企业外部变化,以及企业内部人、物、环境、管理变化带来特殊安全风险,提出了针对性的风险管控措施。     

分子识别作用下光催化降解偶氮染料酸性红GR

合成了β-环糊精(β-CD)与偶氮染料酸性红GR(ARGR)的包结物,并采用红外光谱仪对ARGR、β-CD及β-CD与ARGR的包结物进行了表征,表征结果显示,β-CD与ARGR的包结物的特征峰的峰形和强度与β-CD相似,但峰位有明显的偏移,说明ARGR进入了β-CD空腔与β-CD发生了分子识别作用。采用TiO2作为催化剂,研究了β-CD分子识别后ARGR的光催化降解行为,实验结果表明,在ARGR质量浓度为20.0 mg/L、β-CD浓度为1.8×10-5 mol/L、体系pH为4.0、TiO2加入量为1.0 g/L、光催化反应时间为60 min的条件下,经β-CD分子识别后ARGR的光催化降解率可达100%。     

安全风险分级防控在油气开发领域的探索与应用

为推动油气开发领域安全风险分级防控有效落地,提高风险预控能力,本文基于风险防控现状评估结果,探索性地研究安全风险分级防控思路,构建了油气开发领域安全风险分级防控体系推进模型,提出了逆向与正向危害因素识别方法,明确了风险评价关键隐性过程原则,构建了风险-后果-能资分级防控决断模型。选取典型试点单位进行实践,结果证明,油气开发领域安全风险分级防控体系推进模型是科学合理的,其他领域也可借鉴该模型开展安全风险分级防控工作。     

基于BIM的装配式建筑并行施工作业空间冲突识别

为识别装配式建筑施工并行作业之间的空间冲突，分析装配式建筑施工项目现场各类作业空间占用需求，利用BIM技术模拟作业空间占用，引入混合轴向包围盒（AABB）与有向包围盒（OBB）算法，建立施工现场并行作业空间冲突检测模型。结果表明:所建立的模型可有效预测施工现场并行作业之间的空间冲突，为进一步的空间资源优化与项目安全管理提供支撑。     

危害与可操作性研究在长北项目井丛设计的应用

危害与可操作性分析(HAZOP)是一种危害识别方法,它可以对工程设计进行较为全面的风险评估,找出系统中设备、装置、管道工艺参数的偏离以及故障或者误操作引起的潜在风险,分析偏离、故障产生的原因,根据后果、原因和已设计的保护措施,修改和完善安全设计和操作管理。本文介绍了长北项目井丛危害与可操作性分析(HAZOP)过程,分析了HAZOP分析在天然气开发过程完善安全设计和操作管理的优势。     

成都典型工业园多环芳烃污染源区识别及风险评估

筛选识别成都市多环芳烃（PAHs）污染重点源和区域，采集57个土壤样品，利用人体暴露风险模型对16种PAHs的健康风险进行评价。结果表明：青白江工业集中发展区与新都工业集中发展区连片区局部有PAHs潜在渗漏风险，污染源主要为工业企业和交通源，农业面源、生活污染源等不直接产生PAHs；土壤PAHs主要来源途径为企业VOCs排放与沉降、汽车尾气与大气中PAHs沉降、废矿物油泄漏入渗；PAHs主要离去途径为入渗地下水、冲淋径流进入地表水、植物吸收；智能设备制造、化工用地存在PAHs人体健康及环境生态风险。     

城市再生水景观利用水华识别和预警方法探讨

城市再生水景观回用的主要问题是水体富营养化导致水华的暴发。为了抑制藻类的大规模生长,需要提前采取预防措施,以便将有可能爆发水华的藻类及时杀死或除去。目前,人们已经对景观水体中常见藻类的生长规律做了深入的研究,发现水体中藻数量(藻密度)的多少与水体的pH值和DO值的变化有密切而相对稳定的关系。通过在线实时监控pH值和DO值,找到△pH、△DO与藻类生长之间的关系,并结合pH、DO、温度、正磷酸盐和总氮等指标,实现实时识别和预测水华爆发的目的。     

三峡水库退水期间大宁河“水华”监测探讨

三峡水库2011年上半年在大宁河支流白水河发生了以绿藻为主的“水华”,用DS5x便携式多参数水质测定仪进行了现场监测。通过分析发现溶解氧、pH、PCY、叶绿素4项指标成正相关的关系,在水柱监测中发现水温、溶解氧、pH、PCY、叶绿素5项指标从水面往下是递减,且5m以下趋于稳定。基于此,建议今后在水华应急监测中可以直接用现场监测指标来判断水华的严重程度。