冷空气在北上台风“利奇马”致灾暴雨中的作用分析

利用NCEP逐6 h再分析资料、地面加密观测、探空、雷达资料,分析得出“利奇马”致灾暴雨是在长时间稳定维持的天气尺度环流背景下形成的。冷空气在降水所起的作用表现在:(1)长时间维持的弱冷空气与偏南暖湿气流交汇形成了边界层辐合线,辐射升温和暖湿气流的输送加大了辐合线两侧的温度和露点梯度,在高温高湿的有利环境下,对流在辐合线附近强烈发展。(2)高空槽后冷空气由“利奇马”环流西北侧渗入,先后形成3个冷平流中心,分别对应3个阶段的降水。(3)冷暖空气在降水区的持续辐合抬升作用增强了降水,最强降水时段发生在锋区垂直方向坡度最大的时段。(4)水平锋生有利于水汽输送和辐合抬升,垂直锋生有利于对流不稳定能量的累积和触发。冷空气形成的水平辐合和抬升造成大范围上升运动,使得锋生和垂直锋消同时存在,最强降水时段发生在水平锋生最强的时段。     

大数据解析技术在大气环境监测中的应用研究

针对近年来新兴的大数据及挖掘、分析技术,对大数据解析技术在环境科学研究中的应用进行了分析和探析。以城市局部地区大气细颗粒污染物PM2.5浓度计算为例,筛选了PM2.5浓度历史数据、气象条件、交通状况、人群活动情况、网格道路状况等数据为影响特征量,分析了用神经网络法进行大数据解析和推演的原理和数学过程,是用数学、计算机、统计等方法研究解决多元、非线性复杂环境问题的一种新的探索。     

京津冀地区一次污染过程的星载地基激光雷达联合观测分析

针对2018年3月9—15日京津冀地区的一次空气重污染过程,进行了基于地基颗粒物激光雷达组网的星载-地基联合观测分析。颗粒物激光雷达观测到污染前期为局地污染累积过程,中期有明显的污染物区域传输过程,北京受太行山沿线城市污染输送影响较大。风廓线激光雷达观测结果表明:此次污染过程近地面主要为偏南风且风力较弱,冷空气到来时风向转为较强东北风,导致污染消散。微波辐射计观测到保定在污染过程中出现持续6 d的逆温层,同时在污染过程中近地面相对湿度较高,逆温层被打破后污染开始消散。在污染过程的各个阶段中,污染团的空间分布与变化特征均被很好地反映出来,可见地天联合观测对污染物的累积与输送研究有较大的意义,能对京津冀及周边地区的大气污染联防联控提供有力支持。     

基于情感思维的安全管理模式研究

为促进安全管理，提高效率与效果，对基于情感思维的安全管理进行研究，将情感思维融于安全管理，基于情感思维的定义、内涵及功能，具体分析安全管理中情感思维的功能及其功能综合作用，建立安全管理中情感思维功能作用理论模型；根据该理论模型分析情感思维驱动力及强化作用及其对安全目标实现的影响；建立基于情感思维的安全管理设计模式，最后提出优化安全管理的措施与方法，以促进安全管理的实施。研究表明:基于情感思维的安全管理研究，能较好地体现安全管理人本原理，发挥情感的能动作用，将理性融入其中与情感进行平衡，实现安全管理的优化。     

基于ACF-AMDF的气井环空液面回波特征提取方法

为了精确有效地提取声波法检测气井环空液位的回波周期，在分析环空中测试波的传播特征及基音周期检测的基础上，提出1种基于检测信号短时自相关函数(ACF)及平均幅度差函数(AMDF)的液面回波周期提取方法；利用自主搭建的室内模拟实验系统开展了不同初始环空压力下环空液位检测实验；对检测信号进行中心削波处理并计算ACF/AMDF，提取出液面回波周期并与理论计算值对比分析；同时分析了现场环空液位检测信号，提取其回波周期。研究结果表明:提出的新方法能有效地用于提取环空液面回波周期；室内实验中，该方法最大误差绝对值为1.54%；该方法能够有效抑制液面回波信号中的随机噪声及接箍反射波等，处理后的信号曲线在回波周期处峰值更加突出、集中，而在其他位置更加平滑，提高了对液面回波周期特征的辨识能力。     

走滑断层作用下X80管道设计应变规律和神经网络预测

走滑断层是埋地管道常见的地质灾害威胁，断层作用下管道会发生较大的拉压应变而失效。为得到X80管道的设计应变，基于有限元方法建立了走滑断层作用下管道的应变响应数值计算模型，模型使用壳单元模拟管道，非线性弹簧单元模拟土壤约束，采用西二线实际工程的管道应变影响参数范围，计算了管道的设计应变；为预测管道的设计应变值，基于以上参数化分析得到的4 817组设计应变结果，采用人工神经网络建立了管道设计应变预测模型。结果表明:该神经网络模型预测结果的最大相对误差小于10%，预测准确性良好，且该方法具有较高的计算效率，可以为断层作用下埋地管道的应变设计与评估提供参考。     

供水管网震后流量监测点的动态分级优化布局研究

为了提高管网地震监测点布局的准确性和合理性，基于管网微观水力计算模型和动态分级法，提出供水管网震后流量监测点的动态分级优化布局模型。首先，利用管网微观水力计算模型计算管段流量的影响系数，构建管段的影响系数矩阵，并利用信息熵确定管段权重；其次，标准化处理影响系数矩阵，通过聚类迭代提出供水管网地震流量监测点优化布局的动态分级方法，对供水管网震后流量监测点进行优化布置分级评定；最后，根据工程实例进行方法实践，结果表明:供水管网中的管线分类较为科学合理，地震监测点在供水管网上分布也比较均匀，而且该模型在一定程度上消除了人为因素的影响，保障了震时管网的监控效果和日常建设的合理性。     

江苏省太湖流域水生态健康评估的初步实践及展望

阐述了水生态健康的内涵与意义,从江苏省率先在太湖流域开展水生态环境功能分区管理的顶层设计,构建以水生态健康指标为核心的水生态健康评估技术体系,地方对照水生态环境功能区划的水生态分级管控目标开展的应用与实践结果等3个方面,回顾了江苏省太湖流域水生态健康评估工作的主要进展,提出了完善水生态健康评估技术体系和推进流域水生态健康评估工作的建议。     

Modeling of a sequencing batch reactor treating municipal wastewater using multi-layer perceptron and radial basis function artificial neural networks

A sequencing batch reactor was modeled using multi-layer perceptron and radial basis function artificial neural networks (MLPANN and RBFANN). Then, the effects of influent concentration (IC), filling time (FT), reaction time (RT), aeration intensity (AI), SRT and MLVSS concentration were examined on the effluent concentrations of TSS, TP, COD and NH₄⁺-N. The results showed that the optimal removal efficiencies would be obtained at FT of 1 h, RT of 6 h, aeration intensity of 0.88 m³/min and SRT of 30 days. In addition, COD and TSS removal efficiencies decreased and TP and NH₄⁺-N removal efficiencies did not change significantly with increases of influent concentration. The TSS, TP, COD and NH₄⁺-N removal efficiencies were 86%, 79%, 94% and 93%, respectively. The training procedures of all contaminants were highly collaborated for both RBFANN and MLPANN models. The results of training and testing data sets showed an almost perfect match between the experimental and the simulated effluent of TSS, TP, COD and NH₄⁺-N. The results indicated that with low experimental values of input data to train ANNs the MLPANN models compared to RBFANN models are more precise due to their higher coefficient of determination (R²) and lower root mean squared errors (RMSE) values.     

A hybrid model for human factor analysis in process accidents: FBN-HFACS

Human factors are the largest contributing factors to unsafe operation of the chemical process systems. Conventional methods of human factor assessment are often static, unable to deal with data and model uncertainty, and to consider independencies among failure modes. To overcome the above limitations, this paper presents a hybrid dynamic human factor model considering Human Factor Analysis and Classification System (HFACS), intuitionistic fuzzy set theory, and Bayesian network. The model is tested on accident scenarios which have occurred in a hot tapping operation of a natural gas pipeline. The results demonstrate that poor occupational safety training, failure to implement risk management principles, and ignoring reporting unsafe conditions were the factors that contributed most failures causing accident. The potential risk-based safety measures for preventing similar accidents are discussed. The application of the model confirms its robustness in estimating impact rate (degree) of human factor induced failures, consideration of the conditional dependency, and a dynamic and flexible modelling structure.