风险管理国际标准解读

1 前言 "风险无处不在".最近几年,全球出现了新兴的管理理念--风险管理,并受到国际社会的普遍关注.风险管理是一个常识性方法论,为组织内部决策指出了明确的方向和途径.     

航空公司安全目标控制的研究与改进

通过对航空公司安全目标控制现状的分析,得出了前馈控制中维修隐患查找不力,现场控制中员工自控和领导监督缺乏针对性、安全目标激励作用大打折扣、规章手册不利于查找,以及公司的反馈控制名存实亡等问题。并提出改进意见：针对维修隐患查找提出了新的查找机制;对员工安全指标排序,作为控制和监督的依据;引进目视管理,增强安全目标的激励作用;建议为维修员工提供能够快速查找相关手册项目的设备;使用滚动计划法制定安全计划,并借用其反馈框架,引入因果图查找产生偏差的原因。     

纳米铝粉对烟火药剂热安全性影响研究

为研究铝粉纳米化后对烟火药剂性能的影响,本文将普通铝粉和纳米铝粉分别与氯酸钾、硫粉按照零氧平衡的同一配比（17％AL＋63％KClO3＋20％S）配成的烟火药剂进行ARC热分析对比试验发现,含纳米铝粉的烟火药剂热分解的初始反应温度降低,反应到达最大温升速率所需的时间延长,反应所能达到的最高压力降低。这说明纳米铝粉的加入在加速其反应进程的同时,可有效地降低其反应的激烈程度和危险性,即铝粉纳米化后可以有效的改善烟火药剂的性能,提高其安全性。     

安全工程学科发展与专业办学思路的思考

迎合安全工程教育的蓬勃发展,结合上海应用技术学院安全工程专业建设的历史以及人才培养现状,分析了上海经济形势和学科专业教育教学方向,总结了安全工程学科的探索思路以及办学拓展方向,提出了专业课程模块方向与课程设置,供安全工程教育工作者参考.     

Effect of NOM characteristics on brominated organics formation by ozonation

In this study, organic fractions, namely, humic acid, fulvic acid, hydrophobic base and neutral, and hydrophilic acid, base, and -neutral, were extracted from source water. First, the characteristics of the organic fractions, such as carboxylic acidity, phenolic acidity, ultraviolet absorbance, and aromatic content, were analyzed. Further, a systematic study was carried out to the by-products obtained when organic fractions, to which various amounts of bromide had been added, were oxidized with ozone. Samples after ozonation were analyzed for several brominated organics. The results indicate that the characteristics of the aquatic organic matter, including carboxylic/phenolic acidity, aromatic/aliphatic content, and ultraviolet absorbance, appear to affect the formation of halogenated organics. In general, hydrophobic organics having higher phenolic acidity, aromatic content, and ultraviolet absorbance have higher ozone consumption and produce higher concentrations of brominated organics than hydrophilic organics. It was also found that humic acid demonstrated the highest bromoform (CHBr(3)), dibromoacetic acid (DBAA), and 2,4-dibromophenol (2,4-DBP) formation, whereas hydrophilic neutral produced less CHBr(3) and 2,4-DBP than the rest of the organic fractions but produced the highest amount of dibromoacetone (DBAC) and dibromoacetonitrile (DBAN).     

流域水权市场中的节水激励

流域水权制度是否具有内在的节水激励是能否纾缓一个国家或地区水资源危机的关键.水权再分配机制是水权制度的重要组成部分,而水权市场则是水权再分配机制的方式之一.该文通过构建节水投资收益净现值(NPV)模型,分析水权市场对节水激励的作用,讨论各因素对不同层次用水户进行节水投资决策的不同影响,并且应用节水投资收益净现值模型对黄河流域进行了案例分析.分析表明:有效的流域水权市场能够激励用水者进行节水投资,获得水权交易收益,同时缓解水资源供需矛盾,实现流域水资源的优化配置;跨地区跨行业的水权交易由于规模大,需要的投资金额多,交易成本较高,只能由较高级别的水资源管理机构或取水工程完成,但需要采取适当的节水设施管理方式;地区内行业内的水权交易规模小,需要的投资金额少,交易成本低.对于微观用水户具有激励作用,但需要政府提供相应的信贷支持.     

流域水权初始分配机制中的节水激励

目前,永资源短缺的问题普遍存在,如何利用非工程手段解决水资源的供需矛盾开始成为研究的焦点。水权翩度能够对人们的用水行为产生积极的或消极的影响,而水权初始分配机制是水权制度运行的基础,该机制是否能够激励用水者不断地开发应用节水技术以及在更广泛的领域内减少浪费行为,对于有效地控制用水需求,缓解水资源危机具有十分重要的意义。本文通过构建流域水权初始分配机制节水激励模型,考察在以指标法为基础的水权初始分配过程中,流域各地区可以控制并且能够影响水权分配结果的因素,分析其可能进行的行为选择以及对水资源节约的影响。研究结果表明,决策者可以通过平衡选择现状用水量权重．延长水权初始分配份额的有效期,以及对节水工程投资和水利工程投资进行补贴等手段,使水权初始分配机制在长期内发挥节水激励作用．不仅能够提高各地区的经济收益,并且能够缓解水资源的供需矛盾。实现流域的可持续发展。     

灌溉和降雨条件下生态沟渠氮、磷输出特征研究

为了研究长沙县金井河流域农业源头生态沟渠氮和磷的输出特征,对灌溉和降雨条件下及不同季节生态沟渠水体氮、磷的变化特征进行监测研究。研究结果表明：灌溉和降雨期间,生态沟渠中总氮的输出最大值为270 mg/L,其输出的主要形态为氨态氮和硝态氮,总磷的最大值达032 mg/L。灌溉后,生态沟渠氮、磷的输出均呈单调递减变化,在灌溉初期均最高。降雨后,总氮、总磷沿程变化趋势均呈递减变化;生态沟渠对水体总氮、总磷去除率分别达64%、70%;各断面氮、磷的输出随着时间的增加呈先增加后降低的趋势,其中总氮、氨态氮含量在雨后第3 d达到最高,总磷含量在雨后第2 d达到最高。在不同季节中水体氮、磷的变化以冬季总氮、氨态氮和磷浓度最高     

天然气开采废水处理技术综述

针对天然气开采废水量大、矿化度高、杂质含量多、处理难度大的问题,从预处理技术、COD处理技术、氨氮处理技术、脱盐处理到深度处理技术等对各种处理技术进行分析和对比,说明了各种方法的特点和适用情况等。根据对各种方法的特点总结,结合不同废水的水质特点,提出适宜的组合处理方法,并探讨了综合处理技术在部分地区的工程化应用情况。     

Deep learning architecture for air quality predictions

With the rapid development of urbanization and industrialization, many developing countries are suffering from heavy air pollution. Governments and citizens have expressed increasing concern regarding air pollution because it affects human health and sustainable development worldwide. Current air quality prediction methods mainly use shallow models; however, these methods produce unsatisfactory results, which inspired us to investigate methods of predicting air quality based on deep architecture models. In this paper, a novel spatiotemporal deep learning (STDL)-based air quality prediction method that inherently considers spatial and temporal correlations is proposed. A stacked autoencoder (SAE) model is used to extract inherent air quality features, and it is trained in a greedy layer-wise manner. Compared with traditional time series prediction models, our model can predict the air quality of all stations simultaneously and shows the temporal stability in all seasons. Moreover, a comparison with the spatiotemporal artificial neural network (STANN), auto regression moving average (ARMA), and support vector regression (SVR) models demonstrates that the proposed method of performing air quality predictions has a superior performance.