基于BP神经网络的苯储罐泄漏事故风险评价模型研究

为了在事故发生之前对苯储罐进行风险评价，提出1种基于BP神经网络的泄漏事故风险评价方法，利用该方法构建了苯储罐的风险评价模型，并对模型进行了训练及验证。研究结果表明:BP神经网络成功完成了建模任务，且模型训练结果较好，可利用基于BP神经网络所构建的苯泄漏事故风险评价模型对苯储罐发生泄漏事故的风险进行评价。     

多级模糊决策在地震预报中的应用

本文把多级模糊决策方法应用于地震预报当中。文中详细论证和推导了多级模糊决策方法与模型。该方法使决策部门可以根据输入前兆的变化随时作出合理的对策。文中还给出了地震预报多级模糊决策数字解实例,并用回顾法讨论了1976年松潘7.2级地震的模糊预报决策。     

呼吸道防护基础理论及产品生产技术

本文重点论述了有关呼吸道防护的相关基础理论和用于呼吸道防护非织造布的生产技术.首先介绍了呼吸道防护中最基础的过滤理论,其中包括纤维束结构中的速度场和过滤效率以及单纤维过滤机理;其次介绍了非织造过滤材料的分类和非织造布的生产技术;最后介绍了呼吸道防护滤材的性能评估标准.     

贮罐类重大危险源三维风险分级模型研究

为了实现重大危险源分级监管,基于风险管理理论,建立贮罐类重大危险源定性三维分级模型和风险定量分级模型。提出风险评价敏感性因素,选取可能性影响因素、严重性影响因素、敏感性影响因素3类风险评价指标。使用层次分析法(AHP)计算贮罐风险分级指标权重。根据风险可接受准则,将贮罐类重大危险源风险等级划分为4级,实现基于三维风险模型的贮罐类重大危险源快速分级。结果表明:用贮罐类重大危险源三维风险分级模型,通过简单数学模型计算贮罐风险值,能为企业提供风险分级标准,有助于实现政府对贮罐类重大危险源分级监管。     

上海市一次重雾霾过程的天气特征及成因分析

2013年11月30日至12月9日上海地区出现入冬以来一次最严重的持续性雾霾天气过程,严重影响了该地区人们的生活健康.本文借助空气质量数据、地面气象要素、卫星遥感数据并结合后向轨迹模式反映了此次重污染过程的污染特征及其成因.结果表明,污染期间,PM2.5与PM10小时浓度变化趋势基本一致,高浓度值出现在早晚8时左右,主要是由该时段的逆温现象造成的;来自西北方向污染物的远距离输送影响了本地空气质量状况,气团在不同高度层做下沉运动,造成大气层结稳定;该地区在西北方向的弱高压控制下,地面风速较小,能见度低,天气条件静稳,不利于污染物扩散,造成持续性重污染事件;卫星遥感数据显示此次污染为区域性污染.     

七星河湿地氨氧化古菌多样性和丰度及其与环境因子的相关性分析

以典型东北寒温带沼泽湿地——七星河湿地中芦苇和小叶樟植被下不同深度土壤中氨氧化古菌(Ammonia-Oxidizing Archaea,AOA)为研究对象,以编码氨氧化作用关键酶——氨单加氧酶(AMO)的amo A基因为分子标记,通过构建克隆文库和生物信息学方法分析数据,考察了不同植被环境中AOA多样性和丰度的垂直分布规律,及其与环境因子的相关性.研究结果表明,小叶樟植被土壤中AOA amo A基因多样性显著高于芦苇植被土壤中amo A基因多样性,芦苇植被土壤中AOA amo A基因多样性在深度为40~60 cm土层中最高,AOA多样性与NH+4-N、NO-3-N含量呈正相关;小叶樟植被土壤中AOA amo A基因多样性在深度为20~40 cm土层中最高,AOA多样性与NH+4-N、NO-3-N含量呈正相关.芦苇植被土壤中AOA丰度最低值出现于0~20 cm土层中,到20~40 cm土层中出现最高值,随着深度增加AOA丰度下降,AOA丰度则与NO-2-N含量呈正相关.小叶樟植被土壤中AOA丰度变化趋势与芦苇不同,最高值出现于0~20 cm土层中,随着土层深度增加AOA丰度下降,到40~60 cm出现最低值,AOA丰度与NO-2-N、TOC含量呈正相关.两种植被土壤中AOA丰度均在60~90 cm处有升高趋势.芦苇植被土壤中AOA丰度约是小叶樟植被土壤中AOA丰度的1.49倍.以上结果为湿地AOA生态功能及分布模式的研究提供基础数据,对全球氮循环的研究提供补充.     

基于神经网络分类器的城市污水处理厂水力冲击预警系统

提出了一套基于神经网络分类器的城市污水处理厂水力负荷冲击预警系统,以期对进水水量骤增现象进行提前1天的预报,使污水处理厂可根据预报结果提前采取水力冲击防护措施,从而保证各单元的平稳运行.根据进水水量的涨幅将某污水处理厂12年日进水水量监测数据分为"常规"和"冲击"两类,重点对"冲击"数据进行提前1天的预测,并采用冲击漏报率、冲击误报率和报准率对模型的预测精度进行评价;同时,基于同样的建模方法和不同的训练、验证样本建立了N(1)、N(2)和N(3)3个平行模型,以对模型的鲁棒性和建模方法的可重复性进行考察.结果显示,3个模型对2010年、2011年和2012年3年测试样本的预测效果良好,冲击漏报率和报准率两项指标数值均较为稳定,分别在0~0.167和0.981~0.995之间浮动,冲击误报率虽然在数值上的浮动较大,最低为0.143,最高为0.500,平均为0.310,但仍在工程上的可承受范围内.该结果表明,本研究基于神经网络分类器所建立的3个神经网络模型预测精度高、鲁棒性好,显示出良好的性能,有望为污水处理厂水力冲击防护工作提供有力参考.     

NGO collaboration in community post‐disaster reconstruction: field research following the 2008 Wenchuan earthquake in China

The number of communities affected by disasters has been rising. As a result, non‐governmental organisations (NGOs) that attend community post‐disaster reconstruction are often unable to deliver all requirements and have to develop cooperative approaches. However, this collaboration can cause problems because of the complex environments, the fight for limited resources and uncoordinated management, all of which result in poor service delivery to the communities, adding to their woes. From extensive field research and case studies conducted in the post‐Wenchuan earthquake‐stricken communities, this paper introduces an integrated collaboration framework for community post‐disaster reconstruction with the focus on three types of NGOs: international, government organised and civil. The proposed collaboration framework examines the three interrelated components of organisational structure, operational processes and reconstruction goals/implementation areas. Of great significance in better promoting collaborative participation between NGOs are the crucial concepts of participatory reconstruction, double‐layer collaborative networks, and circular review and revision.