中山市臭氧污染来源解析与敏感性分析

利用数值天气预报模式和嵌套网格空气质量预报系统的来源解析模块（WRF NAQPMS/OSAM）对中山市2019年9月1次臭氧（O₃）污染过程进行了模拟分析，并对O₃来源进行了解析。结果表明，WRF-NAQPMS/OSAM模型能较好地模拟出该时段的O₃浓度。此次污染过程区域传输对中山市O₃浓度贡献显著，平均贡献比例为82.9%，本地平均贡献比例为17.1%，对中山市O₃贡献最大的2个来源分别是溶剂源和交通源，平均贡献占比分别为43.0%和42.7%。另外，工业源的贡献也不可忽略，平均贡献占比为11.0%。中山市O₃总体上处于挥发性有机物（VOCs）控制区，结合臭氧生成潜势（OFP）分析和源解析结果，溶剂源、交通源和工业源排放的甲苯、间/对二甲苯、邻二甲苯、1，2，3-三甲苯、正丁烷和异戊烷对O₃形成贡献显著，是中山市O₃污染治理应注意的重要前体物。建议中山市建立以VOCs控制为主导，VOCs和氮氧化物（NO_X）协同控制的长期O₃防控策略。     

流域水污染监测与溯源技术研究进展

水污染特征识别和溯源是实施水污染精准治污的关键一步,也是流域水污染防治工作的前提。该文概述了不同分析监测技术、传统溯源方法与人工智能在水污染监测与溯源中的应用进展。光谱分析由于灵敏度高、准确度好,在实现水污染快速监测中应用最为广泛。传统溯源方法在复杂多样的水污染事故中不能准确快速地确定其污染源类型,而人工智能技术由于可以解决动态环境问题中的不确定性和复杂性,能够准确、智能地识别水质特征和追踪污染源。将人工智能与传统技术相结合是流域水污染溯源的发展趋势。展望了人工智能在水污染溯源方面的应用前景,为实现流域水污染全面监管提供了新的思路。     

基于关联规则的塔式起重机事故致因网络模型研究

为揭示塔式起重机事故致因机理，由事故调查报告提炼关键要素，运用关联规则方法挖掘致因因素间耦合关系并提取其强关联规则；基于复杂网络理论，构建塔式起重机事故致因网络模型，通过模块度、平均路径长度、节点度及中介中心度分析网络拓扑特性，识别关键节点及其交互机理。结果表明，塔式起重机事故网络具有较明显社团结构，人因和管理层因素与事故连接紧密，存在违规/违章操作、相关专业资质不足及未有效落实安全制度等问题，需对关键节点采取针对性干预控制措施，及时切断风险传播链路，减少事故发生。