一种新的水质遗传毒性评价方法的建立

为了便于低成本、快速地检测环境中各种污染物的遗传毒性,本研究以前期构建的UV敏感菌株为监测菌,对多种已知化合物的遗传毒性进行测试.结果显示该菌株对遗传毒性化合物可快速产生响应,与化合物孵育0.5 h后裸眼即可观察到菌液浊度发生变化,且受试菌菌液浊度呈现剂量依赖的特点.剂量效应曲线计算表明,该菌株对两性霉素B、氯化苄、克菌丹和萘啶酮酸的最低检出浓度分别为0.32 mmol·L~(-1)、0.11 mmol·L~(-1)、0.07μmol·L~(-1)和2.14μmol·L~(-1),均低于欧盟标准遗传毒性测试方法——SOS/umu方法.进一步建立了Cr(VI)的剂量-效应标准曲线,为评价复杂样品的遗传毒性强度提供了一个可能的选择.利用该方法对3个环境水样进行了测试,其中一个水样在浓缩200倍后可诱使测试菌发生SOS响应,其Cr(VI)等效剂量浓度为0.08μmol·L~(-1) Cr(VI).上述结果表明,该方法具有应用于环境样品遗传毒性定性与半定量初筛的潜力.     

基于无人机遥感技术的环境监测研究进展

随着经济和科技发展的日新月异,在我们日常的很多方面科技与我们生活紧密结合,息息相关。尤其是国家倡导环保可持续发展战略,科技与其的结合更需要紧密联系,而无人机技术是其一个重要的发现,无人机的可以应用在航拍、农业、植被保护、灾难救援、观察野生动物、监控传染病等方面,无人机遥感技术的运用可以大大提高环境检测的效率,从而有效的分析处理环境数据,并作出正确的决策。     

某型导弹靶试方案的风险与成本分析

目的研究传统的二次抽样检验靶试方案和使用方推荐的一次抽样检验靶试方案中的使用方风险和生产方风险,并计算使用方在接收导弹时采用不同靶试方案需承担的费用。方法首先建立导弹自主飞行可靠度与单发杀伤概率之间的关系,通过计算抽样检验中的接收概率得出使用方风险和生产方风险。通过计算不同可靠度下的接收概率及靶试费用得出使用方接收每发导弹平均分摊的靶试费用。结果传统靶试方案中使用方风险和生产方风险相当,而新靶试方案中生产方风险高出使用方风险较多,且若采用新靶试方案,使用方每接收1发导弹需承担的靶试费用比传统靶试方案的费用高。结论最后建议使用方仍沿用传统的二次抽样检验靶试方案。     

惯性系统飞行试验精度检验方法

目的针对传统工具误差分离方法得到的分离结果不够准确可信的问题,提出了一种利用等效误差实现对惯性系统精度判定的方法。方法首先基于主成分分析,定义等效误差,等效误差具有独立、无偏的性质。然后提出基于等效误差的假设检验判断惯性系统精度是否合格的方法。结果算例表明采用该方法可以实现惯性系统精度的可信判断。结论该方法解决了以往方法误差大,分析结论可信度不高的问题。     

基于外检测的新投产管道合于使用评价实践

目的落实油气管道定期检验工作,确保管道安全平稳运行,方法通过对西南管道公司所辖某天然气管道进行外腐蚀直接检测,包括管线敷设环境调查、防腐层状况不开挖检测、管道阴极保护有效性评价检测以及开挖直接检验。根据检测结果进行合于使用评价,包括应力分析计算、剩余强度评估、管道剩余寿命预测等。结果管道允许使用,再评价间隔5年。结论直接检测方法采用多种检测手段对管道外腐蚀情况和防腐保护系统进行管道全面检验,并出具合于使用评价,是一种综合的完整性评价方法,符合法定检验的要求,其评价结果可作为管道完整性管理的可靠依据,可据此制定管道的维修方案和预防措施。     

医疗药品污染物减排项目成本控制策略研究

通过成本控制方法对医疗药品污染物减排,提出基于Hausman检验方法的医疗药品污染物减排项目成本控制模型,促进的医疗药品污染物减排项目转型升级的同时降低成本开销,提高环境污染治理水平。构建医疗药品污染物减排项目成本控制的约束参量模型,采用自适应均衡博弈控制方法进行成本控制数学建模,结合描述性统计量分析方法进行医疗药品污染物减排项目成本控制的统计分析和稳健性检验,采用Hausman检验方法实现成本控制优化,促进污染物减排项目的转型优化升级。     

山西某电厂燃煤烟气SO_3与颗粒物排放特征

某330 MW电厂燃煤机组的污染物脱除设备(SCR脱硝塔、电除尘器、湿式电除尘器)进行了改造,并进行了污染物排放检测,得到SO_2、NO_x、颗粒物排放浓度分别为5.1,4.1,4.2 mg/m3,符合超低排放的标准。运用虚拟撞击采样器对湿式电除尘器进行了颗粒物分级浓度检测,得到PM_(2.5)、PM_(2.5~10)、PM_(>10)的脱除效率分别为83.29%、93.06%、96.51%,湿式电除尘器对PM_(2.5)脱除效果明显。对电除尘器进出口灰样进行元素分析和粒径分析,得到SO_3与颗粒物中碱性物质结合协同脱除效率为10.09%,粒径>13μm颗粒物在除尘器内部趋近于完全脱除。     

杭州校园中不同植被对PM2.5的吸附能力

为合理安排绿地配置,极大发挥植物改善生态环境的功能,为城市系统绿化的功能化规范化经济化提供更加合理的理论支持,通过获取杭州电子科技大学校园内现有的4种植被的不同时间段和不同离地高度的ρ（PM_2.5）,用统计学的t检验方法研究了ρ（PM_2.5）的变化规律.以一天当中不同时间空地的ρ（PM_2.5）作为参照,分别对相同时间、不同植被区域、不同高度和不同时间、相同植被区域、相同高度的ρ（PM_2.5）作对比.结果表明:①早晨水杉林、松树林、混合林的PM_2.5吸附能力相似,与空地的平均差值分别为14.36、12.00和12.79 μg/m3;草地的PM_2.5吸附能力较差,与空地的平均差值仅为4.75 μg/m3.中午时,水杉林的PM_2.5吸附能力最强,与空地ρ（PM_2.5）平均差值为10.87 μg/m3,其次为混合林（8.18 μg/m3）,草地ρ（PM_2.5）反而比空地高14.90 μg/m3.下午水杉林与混合林的PM_2.5吸附能力与中午相比略微减弱.晚上,除混合林外,其他3种绿地均与空地无显著差异.②对比距地面0.1与1.5 m高的空气中ρ（PM_2.5）的差异发现,一般情况下树林中0.1 m处ρ（PM_2.5）大于1.5 m处,空地0.1 m处ρ（PM_2.5）小于1.5 m处.研究显示,大部分植被在早晨吸附能力最强、晚上最弱,不同植被对于PM_2.5的吸附能力也有所不同.由此,在所统计的植被中,水杉林对空气中PM_2.5的吸附能力最强,在以后的绿地规划中,可考虑多增加水杉林的种植面积;但在增加城市林地面积减少空气中PM_2.5的同时,还应考虑到植物自身生理能否带来一些城市负面影响,从面得出最优种植方案.      

基于机器学习方法的安全帽佩戴行为检测

施工现场作业人员是否佩戴安全帽主要依靠人工检查,存在监管效率低、时效性差等问题,为了实时自动监管作业人员是否佩戴安全帽,提出1种基于机器学习的安全帽佩戴行为检测方法。首先利用深度学习YOLOv3算法检测出现场视频中的施工人员脸部位置,根据安全帽与人脸的关系估算出安全帽潜在区域;然后对安全帽潜在区域图像进行增强处理,使用HOG（方向梯度直方图）提取样本的特征向量;再利用SVM（机器学习的支持向量机）分类器对脸部上方是否有安全帽进行判断,进而实现对施工人员安全帽佩戴行为的实时检测与预警。以某高铁站施工现场为例进行验证,研究数据表明在施工通道和塔吊作业区域,该方法可实时有效检测出工人未佩戴安全帽的行为,识别率达90%。