数字赋能 “智理”城市——访深圳市城市公共安全技术研究院技术总监袁狄平教授

2019年,中共中央政治局就我国应急管理体系和能力建设第十九次集体学习时,习近平总书记强调:我国各类事故隐患和安全风险交织叠加、易发多发,影响公共安全的因素日益增多。且要健全风险防范化解机制,坚持从源头上防范化解重大安全风险。为探讨当下公共安全热点问题及解决措施,我刊采访了深圳市城市公共安全技术研究院技术总监袁狄平教授。     

把绿色学校创建活动推向新的水平--国家环保总局宣教办刘国正主任在绿色学校表彰大会上的讲话

经过大家的共同努力,这次大会已经顺利的完成了既定日程。两天来,我们不仅对在全国创建绿色学校过程当中取得突出成绩的 105所先进学校和 22个优秀组织单位进行了隆重的表彰,而且还组织同志们实地参观考察了深圳市的两所绿色学校。不仅组织各位代表就各地创建绿色学校活动的一些经验进行了充分的交流,并就在创建绿色学校活动当中所遇到的有关问题进行了认真的探讨。而且我们还请了两位专家,为同志们作了很有见解的报告。尤其是环保总局解振华局长、王玉庆副局长、教育部王湛副部长三位领导到会,亲自为获奖的单位和个人颁奖。解振华…     

高中环境教育选修课的几点思考

目前,中小学以渗透结合的方式实施环境教育虽然已经开始,而从培训不同学科教师到真正渗透环境教育将是一个漫漫跋涉的过程。因而环境教育选修课不失为一种增强学生的环保与忧患意识,提高环保觉悟的有力手段。基于这样的认识,我们在每周一课时的选修课中增设了环境教育选修课,创我区环境教育走上高中课堂之先河。经过很长一段时间的摸索与实践,使我对这门选修课的设立原则与教法等具体问题有了进一步的认识。 　　学校的实际情况 　　学生已有的环境知识。在初中阶段,通过相关学科的渗透,加上媒体和舆论的大力度的宣传,对于环境和…     

ENO与网络同行--一种基于Internet的环境研究性学习活动

研究生学习是以学生的自主性、探索性学习基础,从学校生活和社会生活中选择和确定研究专题,以个人或小组合作的方式进行的一种学习活动。研究性学习立足于对人的潜能的开发和对学生学习兴趣的强化,以培养学生的研究能力、创新能力、人际交往能力、独立思考和解决问题的能力以及支操作能力为目标。研究性学习关注的是学习内容的丰富性和研究方法的多样性,强调学生会收集、分析、归纳、整理资料,学会处理反馈信息,更加注重研究过程,重视应用和个体的体验及全员参与。     

深度学习下吊装作业工人防护装备及吊钩检测方法

为解决危大工程中吊装作业安全管理的问题,基于深度学习构建目标检测算法(You Only Look Once version 5,YOLOv5)网络模型,针对进入吊装作业区域内人员的防护装备进行多目标融合检测,并对吊钩在施工过程中的状态进行检测。在原始的检测网络模型中引入4种注意力机制,并通过5种训练模型的结果对比分析,进而选择卷积块注意力模块(Convolutional Block Attention Module, CBAM)最优模型。优化后的检测模型对安全帽的平均识别精度达86.5%,对反光衣的平均识别精度达83.0%,对吊钩的状态识别精度达92.0%。将训练好的人员检测模型和吊钩检测模型打包成exe执行文件,应用到施工安全管理人员的中控平台,可帮助管理人员更好地判断吊装作业的工作情况,进而及时进行风险管控。     

基于深度学习的排污口污染物浓度预测研究

入河排污口是污染物进入生态环境的最后一道关口,预防超标排放是改善流域生态环境质量的基础.为实现排口超标排放事前预警,本研究以长江泰州段两类典型排口(污水处理设施排口和工业企业清净下水排口)为例,利用排口污染物监测数据与气象数据,基于长短期记忆神经网络(LSTM)、门控循环单元(GRU)、卷积循环神经网络(CRNN)等深度学习算法构建多污染因子(总氮、氨氮、COD、总磷)浓度预测模型,并结合SHAP分析结果识别影响排口水质预测的重要因素.结果表明：(1)单层与双层GRU模型在排污口未来6 h污染物浓度预测中表现较好,R²可达0.67～0.81;(2)自相关变量的累积重要性绝对值占比超80%,对排口污染物浓度预测的影响显著大于其他输入变量.该方法有潜力拓展应用至其它排污口类型及其它污染因子的浓度预测,为排口污染预警和全链条管理提供技术支撑.     

传达中央关于深入学习实践科学发展观活动重要会议精神审议环境保护部深入学习实践科学发展观活动工作方案

中共中央政治局召开会议,决定从2008年9月开始,用一年半左右时间,在全党分批开展深入学习实践科学发展观活动。9月19日,全党深八学习实践科学发展观活动动员大会暨省部级主要领导干部专题研讨班开班式上,中共中央总书记、国家主席、中央军委主席胡锦涛发表重要讲话强调：切实搞好深八学习实践科学发展观活动把贯彻落实科学发展观提高到新的水平。在环境保护部的带领下,环保系统深刻认识开展学习实践活动的重大现实意义和紧迫性,全面把握中央关于开展学习实践活动的指导思想、工作目标、方法步骤、基本要求,坚持理论联系实际,坚持改革创新,坚持群众路线,把贯彻落实科学发展观提高到新的水平。     

中国安全生产科学研究院组织学习实践科学发展观活动动员大会

2008年10月18日,中国安全生产科学研究院召开实践科学发展观动员大会,国家安全生产监督管理总局副局长、总局实践科学发展观第四指导检查小组组长孙华山同志出席并发表讲话。中国安科院院长刘铁民、党委书记吴宗之、副院长施卫祖、李克荣、副书记陈江参加了会议,国家安监总局学习第四指导检查小组成员黎玉峰联络员也参加会议。     

基于集成学习的驾驶人避险安全效果影响因素研究

为准确分析影响避险安全效果的关键因素及其非线性影响关系,设计并实施了驾驶模拟试验。首先,利用模拟器及眼动仪采集各场景下驾驶人行为、眼动特征数据;其次,在相关性分析的基础上,采用随机森林等多种集成机器学习算法分析影响避险安全效果的因素,并对其重要度进行排序,采用GridSearch算法优化参数;最后,利用部分依赖图(Partial Dependence Plot, PDP)可解释性方法分析影响因素与避险安全效果之间的非线性关系。结果表明：影响特征与避险安全效果之间非线性关系明显;当特征数为6,特征分别为制动反应位置、制动反应时间、车速、刹车深度、纵向加速度、首次注视时间时的LightGBM模型效果最好,此时F₁为86.07%。如制动距离较近,则高危险状况可能性明显增加;反应时间影响并不明显,但如反应过慢(超过0.9 s)则会造成风险概率升高;车速明显低于正常速度时避险安全效果不佳,往往是因为驾驶技能不强或处于分心状态;较低的减速度往往造成高危险状况,高减速度对于避免高危险状况有一定作用;制动深度不足往往伴随着高危险状况;首次注视时间过早或过晚都容易造成高危险状况,过...     

北京市黑臭水体治理的动态遥感监测及影响因素分析

为及时、准确掌握黑臭水体治理进展,基于“北京二号”影像数据和同期的野外综合水体实测数据,采用深度学习算法对黑臭水体进行识别,并引入地理探测器对黑臭水体影响因素进行定量分析。结果表明：基于Faster R-CNN算法的黑臭水体遥感识别,总准确率达到90%左右,短时间内(5～33 h)即可完成北京市建成区黑臭水体的筛查工作;在空间维度上,黑臭水体主要分布在中心城区以外,并在通州区、朝阳区和大兴区较为集中;在时间维度上,专项治理期间(2015—2018年)内,黑臭水体的数量和长度总体趋势都是递减的,但偶尔也有反黑现象;2018年底,在全市建成区范围内,已全面消除黑臭现象;在一年内,第1季度水体环境最好,第2季度次之,第3季度最差,从第4季度开始好转;在北京市大兴区,土壤全氮量(贡献率为32.07%)和周边养殖场排污(贡献率为27.04%)是黑臭水体形成的主要影响因素,高程(贡献率为8%)、土壤类型(贡献率为7.6%)和土地利用类型(贡献率为6.1%)的贡献率较弱。由此可以看出,基于Faster R-CNN算法识别影像中的黑臭水体识别准确率高,可及时、准确地监测城市黑臭水体治理情况,使用地理探...