基于毒性效应的间隙水致毒物质鉴别技术进展

沉积物作为污染物迁移转化过程中重要的"源"和"汇",与整个生态系统及人类健康有着密切联系。间隙水很大程度上反映了水体沉积物的污染状况,同时可以真实反映生物的实际暴露情况,间隙水中关键致毒物质的鉴别是科学准确地评价间隙水及沉积物毒性与风险的重要基础。毒性鉴别评估(Toxicity Identification Evaluation,TIE)和效应引导的污染物识别(Effect Directed Analysis,EDA)技术作为致毒物质识别的主要方法,已在沉积物和间隙水的致毒物筛选中得到了初步的应用。本文介绍并比较了常用的间隙水提取方法,总结了TIE和EDA在间隙水致毒物质异位及原位鉴别方面的应用与发展,及鉴别过程中使用到的基本毒性量化方法与其适用条件。在当前间隙水关键致毒物质识别研究的基础上,指出了异位分析难以避免毒性损失和有机污染物鉴别方面的局限等问题,并提出应推广原位毒性试验技术且进一步发展有机物的精细分离技术和质谱识别技术等发展方向。     

基于多模式逆向水质模型的程海水位调控-水质响应预测研究

以云南省程海为例,基于CE-QUAL-W2计算平台开发了水动力-水质模型.由于程海现有的数据不足以支撑开发可靠的流域水文与污染物负荷模型,为弥补由此引起的水质模型边界条件缺失的限制,本研究提出了基于逆向模拟与遗传算法的多模式负荷-参数识别方法来实现对水质模型的校正和鲁棒校验.应用校验后的模型对程海不同水位调控情景的水质...     

牛栏江污染物源解析与空间差异性分析

牛栏江-滇池补水是缓解滇池生态用水短缺的重要工程,对牛栏江流域主要污染源与空间差异性的识别分析,将有助于进一步改善牛栏江的水质. 采用CFA(对应分析)对牛栏江流域污染源进行解析识别,结果表明流域内TN、NH₃-N(氨氮)等污染物主要来源于嵩明县境内,TP、氟化物等污染物主要来源于寻甸县境内. 在CFA分析的基础上,采用HCA(层次聚类分析)和SOM(自组织映射神经网络)对4个监测点、10种污染物指标进行分析,以识别空间分布的差异性和相似性,并且评价各指标的空间分布特征及监测点代表性. 结果表明:4个监测点中,TP、氟化物、砷化物、Vph(挥发酚)在寻甸县境内的七星桥污染最严重;TN、NH₃-N在牛栏江上游嵩明县境内的四营污染最重. 结合流域污染负荷调查可知,寻甸县的磷负荷最大,占流域总负荷的58.73%,七星桥的TP污染贡献大于其他3个监测点,与七星桥TP污染最为严重相符合. 该研究结果可为牛栏江流域实施进一步的分段治理提供决策支撑.      

基于导航识别和红外成像的变电站机器人巡检

为了推广应用无人值守变电站模式,自主开发了一种基于导航识别与红外成像技术相结合的机器人检测设备及巡检方法。应用结果表明:采用机器人技术进行变电站设备巡检,具有高智能、低成本的优点,既实现了站内设备的实时监测,又节省了布置红外成像仪的巨大成本。     

建筑施工中的危险源如何识别?

编辑同志:我们是一家建筑施工企业。请问:建筑施工中的危险源如何识别?葛洲坝施惠中施惠中先生:在建筑施工中,下列5类事故易发生的部位都属于建筑施工中的主要危险源。一是高处坠落。人员从临边、洞口,以及屋里边、楼道边、阳台     

硫化矿石自燃倾向性评价的属性区间识别模型

为合理判定硫化矿石的自燃倾向性大小,将属性区间识别理论与信息熵理论结合,建立硫化矿石自燃倾向性综合评价的熵权属性区间识别模型。选取矿样的吸氧速度常数、自热点、着火点3项指标作为属性区间识别模型的基本判别因子,依据信息熵理论获得各判别指标的权重。给出矿样自燃倾向性的属性空间矩阵,采用均化系数将矿样的属性测度区间转化为综合属性测度;利用置信度识别准则和分级标准判别各个矿样的自燃倾向性。对采自国内典型硫化矿山的14个代表性矿样的室内实测值进行综合判定;结果表明,基于熵权的属性区间识别模型能更好地评价硫化矿石的自燃倾向性大小,如实反映出矿样的自燃特性。     

神东煤炭集团公司企业文化建设的实践与探索

正1企业文化建设背景与起因神华神东煤炭集团是神华集团最大的子公司,地跨陕、晋、蒙三省区,有17个煤矿,年产原煤1.7亿吨,约占全国总产量的6%、全国重点煤矿产量的12%,是我国第一个亿吨级煤炭基地,也是我国最大的煤炭企业。神东在20多年的发展历程中,积淀了优秀的企业     

职工安全培训机制需要创新

职工安全教育培训是企业安全管理的重要组成部分。正如管理需要不断创新一样,对职工安全教育的创新也势在必行。安全教育培训只有主动迎合职工的学习兴趣,才能达到事半功倍的效果。第一,在安全教育中与职工进行感情互动,注重实效。事例:笔者在参加某矿采煤三队安全学习时,该队一段时     

基于频率和BP神经网络的井架钢结构损伤识别

为了快速、准确地诊断井架钢结构的损伤位置和程度,提出仅基于测试精度高的频率数据和BP神经网络的识别方法。首先,选择频率变化比和频率平方变化比组合参数作为损伤位置识别因子,频率变化率作为损伤程度识别因子;然后,分步构建损伤位置和损伤程度识别的BP神经网络;最后,利用前10阶频率数据和BP神经网络对现场某井架钢结构的损伤位置和程度进行识别。分析结果表明,在测试噪声为10%时,采用前6阶损伤位置识别因子,能够清楚识别损伤位置,识别结果分别是1,5,9,15,19号单元损伤;采用前10阶损伤程度识别因子,1号单元的损伤程度识别结果分别为0.106 9,0.318 2,0.505 4,0.710 2,0.915 9,识别误差均不超过10%。     

海洋平台振动监测技术试验研究

为保证海洋平台服役期间安全运行,以实验室海洋平台模型为研究对象,开展有关振动监测技术的试验研究。通过预制损伤等物理手段,模拟海洋平台模型完好与损伤状态。使用加载设备对平台模型加载,采集其在不同加载角度、频率与增益下的动力响应。对振动传感器校准后,利用传感器、信号调理仪以及信号采集软硬件设备,组成监测系统。分析试验数据,调整相关试验参数,选取最佳信号采集状态。选取双谱分析法对试验数据进行信号处理,得出平台模型完好与损伤状态的数据变化。结果表明:根据振动监测数据的双谱模量与频率分布,能够识别损伤。