污水管道危害性气体浓度分布模型扩展与验证

污水管道危害气体分布模型的建立对管道的维护管理具有重要意义。以SewerX模型为基础,将硫酸盐还原作为产生CO的主要生化过程,并入污水管道总生化反应体系,扩展SewerX模型,建立了污水管道内CO、H_2S、CH_4的浓度分布应用模型。将其应用到某市长度为4 100 m污水管道,管道危害气体浓度模拟结果与实测结果比对发现,浓度变化趋势一致,相关系数达到0.99以上,表明扩展模型具有实际应用价值。在一定设计流量下,可选择不同污水管道水力参数,应用扩展模型分析表明,合理选择参数可降低污水管道危害气体浓度。研究为污水管道内危害性气体浓度的预测提供参考。     

我国15种典型土壤中菲对白符跳的毒性阈值及其预测模型

为了确定我国土壤中菲(Phe)对白符跳(Folsomia candida)的毒性阈值并建立其预测模型，以外源添加的方式研究了我国15种典型土壤中Phe对白符跳存活率与繁殖率的影响.结果表明：(1)白符跳繁殖率对Phe毒害的敏感性远高于存活率，基于混合有机溶剂(正己烷与丙酮的体积比为1∶1)提取的Phe实测值推导的繁殖率的EC₅₀(半数效应浓度)范围为21.09～99.50 mg/kg，不同土壤中的EC₅₀最大值是最小值的4.72倍；基于HPCD(羟丙基-β-环糊精)提取的Phe实测值推导的繁殖率的EC₅₀范围为18.31～48.26 mg/kg，不同土壤中的EC₅₀最大值是最小值的2.63倍.(2)对白符跳繁殖的EC₅₀与土壤理化性质进行Pearson相关性分析表明，EC₅₀与土壤有机质含量、黏土颗粒占比均呈显著正相关，相关系数分别为0.923、0.656；与土壤pH呈显著负相关，相关系数为-0.590.(3)利用多元逐步回归分析方法对白符跳繁殖的EC     

重金属-纳米颗粒联合毒性评价模型研究进展

基于单一污染物的毒性研究无法准确评估真实环境中多污染物共存的生态与健康风险,因此大量研究开始关注混合物联合毒性这一更具挑战性和现实性的课题.本文围绕当前毒理学领域的主要研究对象——重金属、纳米材料,综述了重金属混合物、纳米颗粒混合物、以及两者混合物的联合作用评价方法,包括基于重金属间无相互作用或相互作用可忽略的浓度加和(concentrationaddition,CA)模型、独立作用(independent action,IA)模型及其改进模型,基于生物生理过程的生物配体模型(biotic ligand model,BLM)、毒代-毒效动力学模型(toxicokinetictoxicodynamic,TK-TD)、动态能量平衡(dynamic energy budget,DEB)理论,基于颗粒物结构性质的定量纳米结构-活性关系(quantitative nano structure-activity relationships,QNAR,或nano-QSAR)模型等,介绍了各类模型的基本原理、适用条件和应用情况.最后对重金属-纳米颗粒联合毒性的未来研究方向进行了展望.     

大气降水对金属材料环境适应性能影响研究

考察了大气降水环境下(酸雨)对镀锌钢丝的环境适应性能的影响。结果表明,随着盐雾腐蚀时间的延长,钢丝表面腐蚀深度逐渐增加,盐雾腐蚀时间的延长会使得腐蚀更加严重;盐雾腐蚀时间为40天前表示表面镀锌层发生腐蚀的阶段,而盐雾腐蚀时间超过40天时则为钢丝基体的腐蚀;镀锌层的腐蚀速率要高于钢丝基体。随着腐蚀时间从10天延长至120天,钢丝表面腐蚀坑深度呈现逐渐增加的趋势;镀锌钢丝的点蚀与腐蚀时间的预测模型为:■,■。     

会议简报

由环境保护部环境工程评估中心主办的“《环境影响评价技术导则声环境》（HJ2．4—2009）修订及环境噪声预测模型及应用研讨会”,于2016年3月8日至10日在广西南宁召开,来自全国29个单位近50名代表参加了会议。环境保护部环境工程评估中心梁鹏书记在开幕会上发言,指出根据环保部陈吉宁部长提出的：“环评是污染防控的前置保障,要通过准入导则的制定和解释,提高导则规范的指导性和适用性,增强环评的针对性和科学性”。未来环评导则编制将在重构的导则体系下开展,按照环境要素编制的导则重点内容包括预测模型的建立、以改善环境质量为核心科学分配环境容量、给出项目排污清单;同时建立配套的污染源强手册或基础数据库。导则重点解决纯技术、理论问题。     

暴雨致灾机理分析及预测模型构建

台阶边坡、路堑边坡等地常选用乔木作为护坡植物,而降雨易影响乔木的稳定性,进而影响其护坡效果。提前预测降雨对乔木稳定性的影响,则可及时预判边坡失稳、泥石流等灾害的发生。以非饱和土体力学特征和乔木根系固土机理为基本理论依据,分析失稳原因并建立相应理论模型;基于多种降雨方案,利用数值模拟得到不同降雨情况对乔木稳定性影响的相关数据;然后以模拟结果作为训练样本,利用BP神经网络构建预测模型,并制定相应的分类预警评判指标。研究表明：此预测模型不仅精度高,相比于数值模拟计算速度可提高数万倍,此成果可为灾害防治及预警工作提供参考。     

基于事故修正系数的山区高速公路事故预测模型

为量化分析山区高速公路线形指标对交通事故发生及严重程度的影响,引入事故修正系数(CMF)概念,提出基于CMF的高速公路交通事故预测模型。验证事故数据服从零膨胀负二项(ZINB)分布,并标定10个不同线形组合路段的基本事故预测模型;在界定理想条件的基础上,借助优势比分析方法,建立10个不同线形组合相对于基本预测模型的CMF模型;通过弹性分析识别出对不同严重程度事故有显著影响的因素,并以此分析山区高速公路线形指标及线形组合的安全效应。研究结果表明：CMF能够定量反映不同线形组合的风险效应,且其值越高,事故率及事故严重程度可能更高;山区高速公路中,平曲线缓坡组合相对安全,平曲线陡坡组合、平曲线竖曲线组合均有较高的事故风险;平曲线与凹型竖曲线组合时的风险会略低于其与凸形竖曲线组合;控制纵坡度、减少平竖曲线的组合均有利于山区高速公路交通安全。     

Evaluation of accuracy of linear regression models in predicting urban stormwater discharge characteristics

Stormwater runoff has been identified as a source of pollution for the environment, especially for receiving waters. In order to quantify and manage the impacts of stormwater runoff on the environment, predictive models and mathematical models have been developed. Predictive tools such as regression models have been widely used to predict stormwater discharge characteristics. Storm event characteristics, such as antecedent dry days （ADD）, have been related to response variables, such as pollutant loads and concentrations. However it has been a controversial issue among many studies to consider ADD as an important variable in predicting stormwater discharge characteristics. In this study, we examined the accuracy of general linear regression models in predicting discharge characteristics of roadway runoff. A total of 17 storm events were monitored in two highway segments, located in Gwangju, Korea. Data from the monitoring were used to calibrate United States Environmental Protection Agency＇s Storm Water Management Model （SWMM）. The calibrated SWMM was simulated for 55 storm events, and the results of total suspended solid （TSS） discharge loads and event mean concentrations （EMC） were extracted. From these data, linear regression models were developed. R2 and p-values of the regression of ADD for both TSS loads and EMCs were investigated. Results showed that pollutant loads were better predicted than pollutant EMC in the multiple regression models. Regression may not provide the true effect of site-specific characteristics, due to uncertainty in the data.     

基于极限学习机回归的海水Chla浓度预测方法

有效监测海水Chl a浓度状况对近海赤潮等海洋灾害的预警预报有着重要意义。运用灰色关联分析法确定预测模型的输入变量,可有效降低预测模型系统维数。采用极限学习机回归方法建立海水Chl a浓度预测模型,通过与广义回归神经网络、支持向量机回归二种模型的预测效果进行对比,表明极限学习机回归预测模型具有较好的预测精度、预测效率和泛化能力,能够实现针对研究水域环境下Chl a浓度的有效预测。     

BP 神经网络模型在环境气象灾害预测中的应用研究--以湖南省为例

依据环境气象数据与自然灾害统计数据,建立BP神经网络模型,对湖南主要气象灾害（洪灾、旱灾、冰冻灾）及受灾经济损失进行实例预测,将在MATLAB7软件中的仿真结果与传统的多元线性回归模型分析结果进行比较和误差分析。结果表明,BP神经网络模型在洪灾、旱灾受灾率方面的预测效果和精度优于多元回归模型,而由于冰灾训练样本不足及经济损失与输入因子的线性相关程度高,在冰灾与受灾经济损失率方面稍逊于多元回归模型。