甲醛降解菌的筛选及降解特性研究

从采集活性污泥中筛选得到1株具有高效降解甲醛能力的菌株并命名为JQ-1,根据其形态特征,初步判断菌株JQ-1属假单胞菌属。同时对菌株JQ-1的生长特性及降解特性进行了初步研究。实验结果表明,该菌株降解甲醛的最适条件为：甲醛废水浓度为50mg／L,pH值为6,培养温度为25℃,摇床转速为150r／min。在最适条件下,菌株JQ-1具有较强的降解甲醛能力,当甲醛废水浓度为50mg／L时,在24h内甲醛降解率可达87％以上。     

只怕万一

不久前,四川泸州一栋居民楼前的人行道发生爆炸,造成5人死亡、35人受伤、十多户居民的房子被彻底摧毁、数万人的正常生活受到影响的恶果。事故的原因是,街道对面地下的天然气管道腐蚀穿了一个1厘米平方的小孔,液化气从这里源源不断地泄漏出来,顺着过街的地下通道和下水道,聚集到     

某民用机场应急综合演练方案效果分析

叙述了民航机场依据《安全生产法》,《民用运输机场应急救援规则（CCAR-139-Ⅱ）》和民航机场的特点,确定应急演练方案,根据演练情况对现行的应急预案进行修改和完善。     

完善机制 确保安全

生产和经营的安全对任何一家企业都是"牵一发而动全身"的大事,容不得丝毫疏忽,否则就要遭受到事故的惩罚。因此,落实"安全第一,预防为主",的安全生产方针和"全员、全过程、全方位、全天候"的安全监督管理原则,建立完善的安全机制,层层落实安全生产责任制,是实现生产和经营安全的重要保障。     

废电池对环境、健康的影响及对策分析

随着电子信息和汽车工业的不断发展,作为方便、高能电源的各种电池正越来越广泛地应用于各种领域。面对如此大量的电池消费,而其回收利用丁作却永远落后;废电池对人类的危害性也远未被大众所充分认识。本文就废电池对环境、健康的影响进行分析并提出相应的对策。 一、废电池对环境的污染 1、电池的种类及主要有害成分 电池产品可分为一次干电池(普通干电池,主要指锌-锰干电池、碱性锌     

基于改进灰色模型的管壁蜡沉积厚度预测研究

为对含蜡原油管道中的蜡沉积厚度进行准确预测,在函数cot(x2)变换的基础上,结合平移变换思想,利用cot(x2+c)变换建立新的改进GM(1,1)模型。以现场管道结蜡数据和室内环道结蜡数据为例,对比改进GM(1,1)模型、基于函数cot(x2)变换建立的GM(1,1)模型及传统GM(1,1)模型之间的预测精度,并分析平移量c对改进GM(1,1)模型预测精度的影响。结果表明:改进GM(1,1)模型的预测精度最高,其次是基于函数cot(x2)变换建立的GM(1,1)模型,而传统GM(1,1)模型的预测精度最低;随着平移量的增大,改进GM(1,1)模型的平均相对预测误差呈现出先减小后增大的趋势,因此合理的平移量有助于模型精度的提高。应用改进GM(1,1)模型来预测管道蜡沉积厚度是可行的,该方法可为含蜡原油管道蜡沉积厚度的准确预测提供参考和借鉴。     

立足以人为本 注重宣传引导 坚持以科学发展观推进安全宣教工作

今年9月9日,浙江《今日早报》独家报道了杭州狂人陈劼和他的助手小高造出一辆非常拉风的汽车——没有车顶、没有车门,时速30-40公里。车子被曝光后,一石激起千层浪,报社电话不断。打来电话的读者都是冲着车子来的,有想进一步了解车子具体细节的,也有寻求合作的。     

基于VMD排列熵与FASSA-SVM的滚动轴承故障研究

提出了一种基于萤火虫改进麻雀搜索算法-支持向量机（FASSA-SVM）的轴承故障诊断方法。首先对轴承工况的振动信号变分模态分解（VMD）得到多个模态分量（IMFs）,其次利用排列熵（PE）求解每种工况每个IMF的PE值作为特征参数输入至SVM中,最后利用FASSA方法优化SVM的惩罚因子、核参数并得到最优的轴承故障分类诊断效果。实验结果表明,FASSA-SVM方法的平均测试集诊断准确率高达99.8%,该诊断结果优于传统的萤火虫算法（FA）、优化麻雀搜索算法（SSA）。     

饮用水水源地土壤质量特征及评价——以成都市徐堰河、柏条河水源地为例

为探究成都市水源地周边土壤质量状况,保护水源地环境,以徐堰河、柏条河饮用水水源地周边土壤为研究对象,对所采集土壤样品进行物理及化学性质如土壤pH值、阳离子交换量、有机质含量及重金属Cd、Zn、Cu、Cr、Cu、Ni进行测定与分析。结果显示：成都市饮用水水源地土壤pH值变化范围较大,土壤离子交换量和有机质具有一定的空间异质性;应用单因素污染指数分析,水源地土壤Hg含量可能具有较大的污染潜力。Spearman相关性分析表明,Cd与Zn, Cu与Cr, Cu和Ni呈显著正相关关系;应用主成分分析水源地典型土壤重金属,三个主成分累积贡献率达到90.828%,第一主成分、第二主成分、第三主成分贡献率分别为44.082%、36.800%、9.946%。研究结果为保护成都市饮用水水源地环境健康和安全提供理论支持和合理建议。     

基于缓冲区重采样的LSTM林火预测模型*

为提高林火风险预测精度,挖掘地图上隐含的空间信息、时间序列上隐含的长期趋势和循环波动,提出1种基于缓冲区重采样的长短期记忆（LSTM）林火预测模型,选取15个与林火相关的影响因素,以方差膨胀因子为评价指标对其进行多重共线性检验,方差膨胀因子大于10的因素具有共线性,并采用信息增益率验证筛选结果的合理性。考虑到火灾的空间聚集特性,采用缓冲区分析与过采样相结合方法减少样本不均衡现象的影响,最终得到176 732条样本。对12个影响因素和研究时间段的火点建立LSTM预测模型,对森林火灾发生风险进行预测。研究结果表明:基于缓冲区重采样的LSTM林火预测模型有效考虑时空上隐含的信息,预测模型准确率为87.06%,特异性为97.99%,敏感度为76.12%,阳性预测率为97.43%,阴性预测率为80.41%,ROC曲线与AUC值均优于随机森林（RF）和支持向量机（SVM）这2种基准算法。维尔克松秩和检验发现,本文提出的模型与基准算法结果具有显著性差异。研究结果可为提高林火风险预测精度提供参考。