富镉基质的部分农作物利用与选择

将粉煤灰和污泥(基质1)、粉煤灰和酒糟(基质2)均按照4:1的质量比配制,由于2种基质中重金属镉含量较高.为研究基质中可食用作物的种植.选取绿豆、大豆、马铃薯在组配基质中进行试验.结果表明,基质1在第1季不适合种植绿豆、大豆和马铃薯;绿豆在基质2中不能正常生长,大豆产量也较低,但马铃薯生长良好.同时,马铃薯食用部分中重金属镉含量不超标.保证了富镉基质中马铃薯的食品安全,而且马铃薯秸秆中镉含量也未超出一般食用蔬菜标准,不会对环境造成污染.马铃薯秸秆乍物量大,吸收镉较多,能起到植物修复作用.研究表明.基质2适宜在废弃地大面积复垦与推广应用.     

危险评价第三维矢量的定性分析

危险评价主要针对危险导致事故发生的可能性与后果严重性进行分析,目的是为拧制危险提供决策依据,但现有的评价矢量并不能完全实现这一目的.可控性的提出完善了评价内容,并在控制对象、控制方案、控制时机等多方面为决策者提供参考,提高了危险评价结果的实用性.     

城市道路暴雨径流水质特性及控制对策

由于暴雨径流冲刷引起的城市面源污染已成为受纳水体污染的主要来源。在综合国内外相关文献的基础上,分析了城市道路暴雨径流中污染物的赋存形态,总结了不同环境背景下城市道路暴雨径流污染物的浓度水平,阐述了城市道路暴雨径流水质的影响因素,论述了城市道路暴雨径流污染的控制对策,指出合理确定初期暴雨径流控制量、科学选取/设计控制技术、将暴雨径流控制措施与城市规划有机结合构建调控网络是城市道路暴雨径流污染控制的可行途径。     

基于灰建模的瓦斯含量多变量预测模型研究

研究了GM(1,N)、GM(0,N)瓦斯含量预测模型的数学原理,收集郑煤集团告成矿地质勘探期间及生产期间的瓦斯含量实测资料,获得16个可靠点,选取基岩厚度、新生界厚度、煤层厚度、煤层水分、煤层灰分、50m顶板含砂率6个因素作灰色建模预测的指标,分别建立了GM(1,6)和GM(0,6)瓦斯含量多变量预测模型。根据计算和评价结果,GM(1,6)和GM(0,6)瓦斯含量预测模型精度均能够满足工程精度的要求,说明利用灰色模型来预测瓦斯含量是可行的。由于前者精度略高于后者,故建议告成矿采用GM(1,6)模型来进行未知地区煤层瓦斯含量的预测。需要注意,由于模型没有考虑构造的影响,在实际预测时,还应根据构造对待预测区的影响关系和影响程度对模型的预测结果进行修正。     

用废腈纶制备两性高分子絮凝剂的研究

为实现腈纶废料的回收利用,降低产品的生产成本,将废腈纶水解后,通过Mannich反应制得具有两性结构的聚丙烯酰胺.考察了反应条件对产物胺化度的影响,用红外光谱对产品结构进行了分析,研究了不同胺化度产品的絮凝性能.结果表明,反应时间和原料配比对产品的胺化度有较大影响.胺化度约为30%的产品在用量为7 mg/L,pH值近中性时对硅藻土悬浮液的除浊率可达95%; 与聚合氯化铝配合使用时,对实际印染废水的脱色及COD去除效果均明显优于工业聚丙烯酰胺(PAM),COD去除率可达85%.     

煤矿企业实施安全评价的绩效分析

为了解煤矿企业实施安全评价工作的绩效,建立健全煤矿安全保障体系,提高煤矿企业安全管理水平,受国家安监总局委托,中国安全生产科学研究院于2006年底至2007年初在全国范围内对煤矿企业实施安全评价的绩效进行了调查.调查结果显示,实施安全评价对于企业提高安全意识、改善安全管理水平、改进安全设施、降低事故发生频率等有明显作用.     

江苏省重大危险源监管现状分析与对策

对重大危险源普查、建档,并在此基础上开展监管和预警等相关工作是预防重、特大事故和快速有效的应急救援的前提和基础.本文分析了江苏省重大危险源普查、申报、建档、监管等相关工作的现状,从管理层面和技术层面详细分析了目前存在问题,提出了应对措施建议.     

土壤与酸的反应时间对土壤酸度及土壤溶液中铝离子形态分布的影响

用两种土壤研究土壤与酸的反应时间对土壤酸度及土壤溶液中铝离子形态分布的影响。结果表明,土壤溶液pH随反应时间增加而增加,安徽红壤pH的增幅大于江西红壤。在pH3.0的HNO3溶液中,土壤溶液中的总铝及Al3 均随反应时间增加而减少,而在pH3．5的HNO3溶液中,土壤溶液中总铝及Al－F络合物先随反应时间的增加而减小．然后又有所增加。     

机动车排放颗粒物成分谱对比研究

对深圳、无锡、济南和美国EPA建立的机动车排放颗粒物成分谱进行对比研究,建立的成分谱中各组分含量存在较大差别原因为使用了不同的采样方法。     

Development of an integrated sensor to measure odors

Odorous air samples collected from several sources were presented to an olfactometer, an electronic nose, a hydrogen sulfide (H(2)S) detector and an ammonia (NH(3)) detector. The olfactometry measurements were used as the expected values while measurements from the other instrumentation values became input variables. Five hypotheses were established to relate the input variables and the expected values. Both linear regression and artificial neural network analyses were used to test the hypotheses. Principal component analysis was utilized to reduce the dimensionality of the electronic nose measurements from 33 to 3 without significant loss of information. The electronic nose or the H(2)S detector can individually predict odor concentration measurements with similar accuracy (R (2) = 0.46 and 0.50, respectively). Although the NH(3) detector alone has a very poor relationship with odor concentration measurements, combining the H(2)S and NH(3) detectors can predict odor concentrations more accurately (R (2) = 0.58) than either individual instrument. Data from the integration of the electronic nose, H(2)S, and NH(3) detectors produce the best prediction of odor concentrations (R (2) = 0.75). With this accuracy, odor concentration measurements can be confidently represented by integrating an electronic nose, and H(2)S and NH(3) detectors.