生产型组织初始环境评审中环境因素的识别评价

环境因素的识别与评价是环境管理体系建立和实施的关键，生产型企业在初始环境评审时可以工程分析为重点，结合对正常和异常情况的分析，对生产过程和各部门涉及的环境影响进行全面分析，从而确定环境因素。在评价重要环境因素时，可先根据企业对外环境排放的接口情况、环境影响情况，结合商业方面的考虑制定重要环境因素评价准则，再利用评价准则评价出重要环境因素。     

试探LCA理论在环境因素识别中的应用

该文通过实例探讨了LCA理论的基本方法与作用机理，及其在产品环境因素识别中的应用。     

东江流域水污染控制与水生态系统恢复技术与综合示范

归纳了水专项东江项目2008—2013年的主要研究成果:针对保护优质水源的国家需求,选择典型的东江流域开展前瞻性的水污染控制技术研发并进行工程示范,创建了由常规水质指标实时在线化,痕量污染物控制指标识别筛选全流域优化,生物毒性指标甄别多属性全程化等成套技术构成的水源流域水质风险识别技术体系;由各类工艺废水脱毒减害,同质污水区域集中强化处理,排水持续净化等成套技术构成的水环境风险控制工程技术体系;由水生物链各物种生长状况评级,生境恢复和物种受损关键环节恢复等成套技术构成的生态健康维护技术体系。集成以上3个技术体系形成成套的流域水环境风险控制技术体系集。基于上述技术创新提出了“控制风险、维护生态、保水甘甜、发展持续”的水源流域管理创新总体策略。研发的技术体系与策略在东江流域的示范与应用,实现了东江主干流水质常年优于Ⅱ类的污染控制目标。     

沈阳市大气挥发性有机物（VOCs）污染特征

2008年4月～2009年7月间,选取沈阳市不同功能区5个监测点位,采集了4个不同季节的大气VOCs样品187个,利用三级冷阱预浓缩-GC-MS方法测定了108种大气VOCs物质,考察了沈阳市大气VOCs浓度水平及其时空分布情况,并对其主要的来源进行识别. 结果表明,沈阳市大气总VOCs平均质量浓度为(371.0±132.4)μg/m³,其中含量最高的组分为含氧化合物（57.2%）,其次为卤代烃（20%）,烷烃（11.4%）、芳香烃（8.5%）和烯烃（3.0%）. 全市大气总VOCs浓度呈现出春秋浓度较高,冬夏浓度较低的季节变化特征. 主要受工业排放源的影响,商业中心点大气VOCs浓度在冬季的08:00～10:00时段、 12:00～16:00时段和20:00～22:00时段均出现峰值,而夏季则呈现出10:00～12:00时段和18:00～20:00时段的双峰现象. 工业区点位和商业中心区点位浓度高于其它功能区点位,清洁对照点周围由于没有明显的大气VOCs排放源,浓度水平最低. 相关性和比值分析结果表明,机动车燃烧、煤炭生物质燃烧、汽油溶剂挥发和工艺过程是沈阳市大气VOCs的主要来源.     

基于LandsatTM数据的济宁市水体识别方法研究

文章基于济宁市2009年LANDSAT TM影像,根据影像各波段间的相关性和地物在各影像上的灰度差异,分别采用单波段阈值法、多波段谱间关系法、改进的水体指数法(MNDWI)及HIS空间水体提取模型法对济宁市水体信息进行识别提取。在此基础上,结合归一化指数法和HIS空间水体提取模型,提出了一种综合性的水体信息提取方法,并对各方法提取结果进行了精度评价。结果表明,已有方法对济宁市水体识别存在一定的缺陷,而综合法集成了归一化指数法和HIS空间水体模型的优点,很好地弥补了已有方法的不足,对济宁市水体信息进行了较好的提取,尤其是细小水体,同时也很好地消除了建筑物、阴影、水生植被等的影响,提高了济宁市水体信息识别的精度,为更好地定量评价济宁市地表水体时空演变规律等提供帮助。     

铁路建设项目施工期职业病危害防护

结合职业病危害因素现场采样和检测工作经验,对铁路建设期施工概况、铁路施工作业职业病危害因素识别等进行论述,从加强职业健康防护宣传和教育、实行岗位轮班制度、加强工人个体防护用品佩戴监督管理、强化铁路建设的卫生保障措施、改进施工工艺和研发新材料等方面提出铁路施工职业病危害因素防护措施建议,以期降低铁路建设项目施工期人员职业病发生率。     

生物识别技术的特点及未来的发展方向探析

一、生物识别技术原理及种类 生物识别技术是一种通过采集和分析人体固有的特征（生理特征与形为特征）来进行身份只别的计算机技术。人的生理特征有指纹、手形、脸型、虹膜、脉搏、耳廓等,形为特征包括手写笔迹、走路步态、按键力度等。计算机通过光学、声学、生物传感器等来采集这些特征,应用生物统计学,结合图形、     

成都典型工业园多环芳烃污染源区识别及风险评估

筛选识别成都市多环芳烃（PAHs）污染重点源和区域,采集57个土壤样品,利用人体暴露风险模型对16种PAHs的健康风险进行评价。结果表明：青白江工业集中发展区与新都工业集中发展区连片区局部有PAHs潜在渗漏风险,污染源主要为工业企业和交通源,农业面源、生活污染源等不直接产生PAHs;土壤PAHs主要来源途径为企业VOCs排放与沉降、汽车尾气与大气中PAHs沉降、废矿物油泄漏入渗;PAHs主要离去途径为入渗地下水、冲淋径流进入地表水、植物吸收;智能设备制造、化工用地存在PAHs人体健康及环境生态风险。     

基于BERT-BILSTM-CRF模型的电力行业事故文本智能分析*

为解决电力行业事故报告文本较长、语义复杂,难以进行有效文本识别问题,提出1种以BERT作为底层的预训练模型,并设计1种双重注意力机制编码器,结合BILSTM-CRF深度挖掘事故文本语义特征,从而实现文本智能分析。首先构建电力词典,通过对BERT预训练,进行BIO标注,然后引入BILSTM-CRF模型实现对文本标签智能分类,最后将该模型与现行其他4种深度学习模型进行对比。研究结果表明:该模型智能识别精确率、召回率及F1值(查准率)均达到约97%,较其他4种模型中效果最好的模型分别提高0.02,0.03,0.02。研究结果可为电力行业事故报告文本分析提供1种新思路。