环境监理计算机管理信息系统开发设计

结合浙江省环保局环境监理信息系统的课题,对环境监理计算机管理信息系统软件进行了总体设计,该软件选择Ｗｉｎ９５为操作平台,ＶｉｓｕａｌＢａｓｉｃ５．０为编程软件及Ａｃｃｅｓｓ２．０为数据软件。     

浙江省污水处理厂现状、存在问题及对策建议

根据对浙江省37家城市污水处理厂和大型工业污水集中处理厂20个月的监督监测结果，评述了该省城市污水处理厂和大型工业污水集中处理厂的现状，分析了经处理后排放的尾水超标原因和存在问题，并提出对策和建议。     

灰色关联分析模型权重的修正及在空气环境质量评价中的应用

在深入研究灰色理论的基础上,对传统关联分析模型做了两点修正,先是利用参考点简化了模型的计算公式,再根据污染排放贡献率的不同确定了各级权重系数。经过验证,修正模型的精度更高,稳定性更好。利用此模型准确地反映了杭州市经济技术开发区2003年环境空气质量为Ⅲ级,并对不同样本的空气质量进行了优劣性比较,进一步分析了该区各污染因子之间的相关关联程度,为各项决策提供支持。     

2014年“国家公祭日”保障期间南京PM2.5中碳组分污染特征

利用2014年“国家公祭日”期间南京市草场门测点OC和EC在线监测仪器,分析了PM_2.5中碳组分污染特征,结果表明：“国家公祭日”保障期间OC、EC的平均质量浓度为9.6 μg/m³和3.9 μg/m³,两者占PM_2.5质量的19%,是PM_2.5的重要组成部分;“国家公祭日”期间OC/EC（质量浓度比）的平均值为2.47,表明大气中存在二次反应生成的SOC,通过分析管控不同阶段EC与OC以及EC与SO₂、NO₂的相关性,表明两者受本地机动车影响较大;通过气流后向轨迹聚类分析表明,“国家公祭日”管控期间来自周边安徽、江苏、浙江交界处的气流对应的EC浓度最高,为7.14 μg/m³,进一步运用浓度权重轨迹（CWT）方法分析EC的潜在贡献源区,表明对南京EC输送强潜在源区主要在安徽省东南部,集中在芜湖、宣城、黄山一线,其贡献可超过8 μg/m³。     

过程安全与设备完整性管理技术

长期以来,重大工业事故的不断发生促进了过程安全技术的发展与应用.如1974年英国的FLIXBOROUGH环己烷氧化过程的爆炸、1984年墨西哥LPG爆炸、1984年印度BHOPAL MIC泄漏事故、1988年SHELL NORCO炼油厂爆炸以及2005年BP德克萨斯州炼油厂火灾爆炸事故.     

多聚磷酸盐的离子色谱法分析研究

本文以美国ＤＩＯＮＥＸ公司Ｏｍｎｉ Ｐａｃ ＰＡＸ－１００为分离柱，氢氧化钠为淋洗液，甲醇为有机改进剂，梯度淋洗分离多聚磷酸盐（正磷酸盐ＰＯ＾３－４，焦磷酸盐Ｐ２Ｏ＾４－７，三聚磷酸盐Ｐ３Ｏ＾５－１０）。研究了分离机理和流动相的选择、色谱条件的最佳化、降低基线噪音的方法和多聚磷酸盐的稳定性。建立了同时测定ｐｐｂ级（μｇ／ｌ）多聚磷酸盐的离子色谱新方法。对样品的测定结果回收率均在９７．４９％—１０６     

燃煤锅炉烟气中一氧化氮排放浓度测量的不确定度评定

根据《测量不确定度评定与表示》（JJF1059-1999）,对燃煤锅炉烟气中一氧化氮排放浓度的测量不确定度进行评定。对废气监测领域不确定度评定具有现实意义。     

油库油气回收效果测试方法

分析比较了油库油气回收系统效果检测方法的优缺点,以供油库单位在日常管理中,方便地检验油气回收系统的运行效果,及时发现存在的问题,确保油气回收系统的正常运行。     

炼油厂剩余活性污泥综合利用可行性分析

针对目前炼油企业在剩余活性污泥处置过程中存在费用高、负担重及资源浪费等问题,选择典型代表企业进行采样分析,结果表明:与目前常用处置技术对比,污泥热干化后回用于锅炉做辅助燃料是可行的,同时也是目前较佳的综合利用方式。     

A novel hybrid model for water quality prediction based on VMD and IGOA optimized for LSTM

● A novel VMD-IGOA-LSTM model has proposed for the prediction of water quality. ● Improved model quickly converges to the global optimal fitness and remains stable. ● The prediction accuracy of water quality parameters is significantly improved. Water quality prediction is vital for solving water pollution and protecting the water environment. In terms of the characteristics of nonlinearity, instability, and randomness of water quality parameters, a short-term water quality prediction model was proposed based on variational mode decomposition (VMD) and improved grasshopper optimization algorithm (IGOA), so as to optimize long short-term memory neural network (LSTM). First, VMD was adopted to decompose the water quality data into a series of relatively stable components, with the aim to reduce the instability of the original data and increase the predictability, then each component was input into the IGOA-LSTM model for prediction. Finally, each component was added to obtain the predicted values. In this study, the monitoring data from Dayangzhou Station and Shengmi Station of the Ganjiang River was used for training and prediction. The experimental results showed that the prediction accuracy of the VMD-IGOA-LSTM model proposed was higher than that of the integrated model of Ensemble Empirical Mode Decomposition (EEMD), the integrated model of Complete Ensemble Empirical Mode Decomposition with Adaptive Noise (CEEMDAN), Nonlinear Autoregressive Network with Exogenous Inputs (NARX), Recurrent Neural Network (RNN), as well as other models, showing better performance in short-term prediction. The current study will provide a reliable solution for water quality prediction studies in other areas.