小煤柱巷道围岩变形的力学机理及演化过程研究

为研究小煤柱巷道围岩变形力学机理与演化过程,以石槽村矿某回风巷为研究对象,采用理论分析、FLAC3D数值模拟以及现场实测等方法,分析小煤柱条件下巷道围岩变形的主要影响因素以及表征特点。研究结果表明:侧压系数为巷道围岩变形的主控因素;侧压系数与巷道顶底板位移量呈正比关系,与两帮位移量呈反比关系;回风巷每次受采动影响时,变形可分为巷道稳定阶段、位移分化阶段以及位移加速变化阶段;围岩变形主要发生在一次采动影响时,此时巷道变形呈现明显的不对称,左右两帮的位移量差异明显,巷道的中心位置明显偏移。研究结果可为小煤柱巷道围岩支护提供技术参考。     

北京2009~2010年冬、春季PM2.5污染特征

针对北京地区冬季和春季PM_2.5污染特征进行研究.于2009年12月～2010年5月在城市点采集24h 大气颗粒物样品,进行颗粒物主要化学组分分析.冬季和春季颗粒物的平均质量浓度分别为（84.97±68.98）μg/m³和（65.25±45.76）μg/m³.冬季和春季颗粒物中二次组分（SNA+SOA）有重要贡献,二次组分分别占颗粒物质量浓度的49%和47%.冬春季重污染时期较强的源排放和低温、低风速、高相对湿度等不利的气象特征使得颗粒物中二次无机离子SNA（NH₄⁺、NO₃^-、SO₄^2-）的比重较干净天明显上升,其中硝酸盐贡献的增强最为显著.同时冬春季有机物中二次有机组分贡献显著.而受一次源的影响,冬春季重污染时期一次有机物的增强.     

新型聚硅氯化铁铝絮凝剂的制备及性能

以二甲基二氯硅烷为硅源,与氯化铁、氯化铝聚合制得新型的聚硅氯化铁铝（PSFAC）絮凝剂,考察了制备条件及PSFAC对含油废水和药厂废水的絮凝效果。制备PSFAC的最佳条件：nFc：nAl为0．4,nSi：n（Al＋Fe）为0．1,碱化度为2．0,C（Al,Fe）、为0．1mol／L,熟化时间为1-2d。当PSFAC加入量为10mg／L时,对含油废水、药厂废水的浊度去除率分别为84％和86％。PSFAC具有加入量少、沉降速度快、适用的pH范围较宽等优点。     

山谷型垃圾填埋场渗沥液水量计算方法比较研究

山谷型垃圾填埋场渗沥液水量是工程设计中的一个重要基础参数，主要由场内降雨转化为场外地下径流组成。对于场外地下径流，目前国内外尚无成熟的计算方法。作者针对几种常用的水量平衡法，通过实验，验证了每种方法的精度。结果表明，考虑了树冠戴流、表层土调蓄作用等因素的模型具有相当的精度，可以作为场外地下径流的计算模型。     

离子色谱法测定大气中的甲磺酸

建立了以玻璃纤维膜-KB120气溶胶采样器采集大气中甲磺酸的采样方法;以0.1mmol·l-1H3BO3/0.1mmol·l-1 Na2B4O7为淋洗液的甲磺酸离子色谱分析方法.分析方法的精密度和准确度分别为5%和4%.并实测了青岛冬季大气气溶胶中MSA,SO2-4和NO-3的平均浓度分别为0.10μg·m-3,30.40μg·m -3和17.98μg·m-3.     

海水中二甲基硫测定方法的研究

二甲基硫（ＤＭＳ）是雨水天然酸性的贡献者和影响气候变化的重要痕量气体，本文海水中ＤＭＳ测定方法，即采用冷却预浓缩技术处理海水样品，用带有火焰光度检测器气相色谱仪分析，此方法的精密度为１２％，准确度为１０％，对１００ｍｌ海水样品最小检测量为０．０５４ｎｇ（ＤＭＳ）。同时对色谱柱的选取，实验材料的选择，浓缩柱填充材料的选择，鼓气效率，干燥管，样品解析，样品保存等有关实验步骤进行了讨论。     

衍生化气相色谱法测定黄磷诱发氧化水中苯酚降解产物

利用衍生化气相色谱法对黄磷诱发氧化苯酚降解产物进行了研究，在磷酸存在下，以甲醇作酯类衍行生试剂，分别和ＳＥ－５２和ＨＰ－１７石英毛细管双柱结合ＧＣ－ＭＳ进行分离定性定量，黄磷诱发氧化苯酚降解产物以羧酸为主，在反应温度５０℃时，表现为一级反应特征，速率常数（Ｋ）：０．０７７ｍｉｎ＾－１，半衰期（ｔ１／２）：９．０ｍｉｎ。     

车内空气中挥发性有机物的研究

采用热脱附-气相色谱/质谱联用法对4辆处于静止状态下的车辆内部空气中挥发性有机物（VOCs）进行了研究,共定性检出了48种有机物,其中C6～C9之间的组分较多;并对VOCs的总浓度进行了定量,1#～4#车分别为1846、2289、1104和3146 μg/m^3;其中BTEX占VOCs总量的20%～30%;车内VOCs浓度与温度及车辆使用年限密切相关.     

氯化铁和硫酸铁对酸性土壤中有效态镉和铅污染的修复作用

采用浸泡实验法研究了氯化铁和硫酸铁对酸性土壤中有效态镉和铅污染的修复效果,结果表明,氯化铁和硫酸铁均能有效去除土壤有效态镉和铅污染,Fe(Ⅲ)用量为50~100 mmol/kg时,有效态Cd和Pb的去除效果可达70%~96%。氯化铁和硫酸铁能去除土壤中的水溶态、碳酸盐结合态、腐殖酸结合态、铁锰氧化物结合态和强有机结合态Cd和Pb及交换态Cd。氯化铁和硫酸铁对Cd均既有洗脱修复作用又有固定修复作用,且洗脱修复作用的贡献稍大;氯化铁用量较小时(50 mmol/kg)对Pb既有固定修复又有洗脱修复作用,固定修复作用稍大;用量较大时(100 mmol /kg),对Pb只有洗脱修复作用。硫酸铁对Pb的修复作用则以固定修复作用为主,洗脱修复作用很小。     

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.