商场室内空气质量测试与分析

大型商场是中央空调应用的重要场合。空调运行的实际效果如何,最终会由室内环境参数表现出来。为此对武汉市区几个商场进行了现场测试。测量的参数有CO2及甲醛(HCHO)浓度等。测试结果表明:商场楼层不同,CO2及甲醛(HCHO)浓度不一样。由于商场面积大,每个楼层商品不同,即使同一楼层,不同柜台(商品区)的CO2及甲醛(HCHO)浓度也有差异,这些问题在进行空调设计时应加以考虑。     

兴文石林地质地貌景观的脆弱化趋势研究

兴文石林是喀斯特岩溶地质风景名胜区兴文石海的中心景区,喀斯特岩溶山地的生态环境具有一定脆弱特性,随着旅游业的不断发展,景区加大了开发力度,可能导致景区脆弱性的加剧,为了保证在旅游开发中能对景区重要的地质资源进行更好地保护,采用生态脆弱区评级指标及权重值评分法对兴文石林的10个主景点进行了研究,分析得出,兴文石林存在轻生态脆弱性、中生态脆弱性和强生态脆弱性三种梯度趋向,其中,脆弱性最强区域面积达到2平方公里的面积,这些区域分布在景区的边缘地带,因此,要实现旅游资源的可持续利用,必须对强生态脆弱性区域实行禁游和实行退耕还林等措施,以防止脆弱区域的扩大和脆弱性加剧.     

计算机安全技术

在当今信息时代，林业安全管理所需要的信息要实现网络化必须以计算机安全技术为基础。本文主要介绍了计算机安全技术所需要注意的一些问题，同时举例说明实现单机运行安全的几种方法。     

海啸预警系统及我国海啸减灾任务

2004年12月26日印度洋海啸引发了新一轮海啸预警系统的研究。简述了地震海啸预警的原理，分析了海啸数值模拟的一些基本方法，综述了目前世界上多个国家海啸预警系统的建设情况，通过对我国海啸灾害研究现状的分析，明确了我国当前海啸防灾减灾工作的主要任务。     

南充市空气中可吸入颗粒物污染水平分析

本文在连续1年又5个月同步采样的基础上，测得南充市市辖三城区5个采样监测点环境空气中PM10的浓度及其时空变化进行了分析。结果表明，PM10的日平均浓度范围为0．020～1．030mg／m^3，超标率达38．0％；周日均浓度在0.040～0．520mg／m^3之间，超标率达到了37．8％。空气污染最重为嘉陵城区，其次为高坪城区，再次为石油学院、炼油厂和市府二院。浓度季节变化特征表现为冬季最高，其次为秋季，再次为春季，最轻为夏季。     

我国公共场所禁烟现状及对策分析

分析目前我国公共场所禁烟现状，探讨进一步加强公共场所禁烟工作的对策。方法：对四川、贵州、浙江、广西等地区的疾病控制中心、卫生监督所以及健康教育所的工作人员进行定性访谈，并结合文献综述。结果：尽管我国公共场所的禁烟工作取得了一些成绩，但仍存在很多不足之处。结论：公共场所彻底禁烟不仅需要烟民的自觉禁烟，也需要政府有关法令的力行实施，更需要全社会广大群众的共同参与。     

精密度--偏性分析质控试验数据处理系统

结合环境监测实验实质量控制数据处理的实际要求,用计算机高级语言,设计开发成功了《精密度－偏性分析质控试验数据处理系统》,该系统具有数据输入,查询,修改,统计分析和打印报告等功能,在实际应用中,取得良好效果。     

稠油废水回用热采锅炉工艺研究

以新疆油田红浅稠油区为研究对象进行了稠油废水再生后回用热采锅炉的工艺研究,结果表明采用混凝、过滤、离子交换、除氧工艺对稠油废水进行处理,出水各指标可达到热采锅炉给水水质标准,该工艺在油田的应用具有明显的经济效益和环境效益。     

基于文献计量法的火灾灾害研究现状及展望

为了解火灾灾害研究领域的发展现状及未来趋势,基于多种可视化工具,对2014—2020年期间,火灾灾害领域内的发文态势、学术合作、学术热点、研究趋势等内容展开分析。研究结果表明：该时期内,火灾领域发文量呈持续上升趋势;我国科研活力及持续发展性均处于世界前沿地位,中国科学技术大学是全球发文量和合作活跃度较高的机构;载发文量排名前5的期刊研究方向和出刊数量整体呈现出一定差异性和波动性;研究热点涵盖基于无人飞行器的森林火灾(野火)侦测调查、基于火灾现场整体模型搭建的计算机模拟火灾事故技术与研究、火灾下建筑物构件的耐火及倒塌行为研究、池火燃烧特性试验及现象调查、火灾碎片实验与分析方法,研究内容总体呈现具体化、精细化;目前火灾领域研究的前沿方向为热释放速率研究、基于数值模拟的火灾事故研究、对点火器(源)的调查研究、基于数值模拟的火灾事故调查等;根据分析推测该领域未来的科研活跃度将继续上升。研究结果可为火灾灾害领域内相关学者把握学科现状,研讨未来发展提供参考依据。     

基于链式多重插补的WOA-ELM煤与瓦斯突出预测模型

为了提高缺失数据下煤与瓦斯突出预测准确率,提出1种基于链式支持向量机多重插补(MICE＿SVM)的鲸鱼优化算法(WOA)-极限学习机(ELM)预测模型,以淮南朱集矿区为例,选取5个煤与瓦斯突出影响指标作为模型特征,采用提出的MICE＿SVM算法插补突出事故数据中缺失值,利用WOA优选ELM输入层权值及隐含层阈值,构建煤与瓦斯突出预测模型,将插补后数据用于WOA-ELM模型的训练与测试,并与其他模型的预测效果对比。研究结果表明：MICE＿SVM插补前、后的有突出数据预测准确率分别为83.02%,90.41%,MICE＿SVM显著提高了有突出预测准确率,对无突出和整体的预测准确率提高不明显;数据插补后WOA优化ELM对无突出、有突出和整体的预测准确率分别为97.94%,96.25%,96.48%,较优化前分别提高了5.79%,5.84%,5.55%,数据插补后WOA-ELM为最佳预测模型。