提高安全监管水平 保障经济社会发展

2005年，常熟市以科学发展观统领安全生产全局工作，牢固树立“以人为本、安全第一”的工作理念，切实加强领导，不断强化措施。严格落实责任。安全生产各项基础工作得到明显加强，本质安全度进一步提升，安全生产总体形势保持平稳。全市安全事故发生数、死亡人数、直接经济损失都呈下降趋势，各类事故均控制在苏州市下达的年度控制指标内。具体工作中，常熟市着重做好以下四个方面工作：     

20世纪长江的3次巨洪

分析了形成20世纪长江3次巨洪的3个遥相关因子：（1）太阳黑子活动;（2）厄尔尼诺事件,（3）青藏高原南部大震。依据长江巨洪和遥相关因子的基本事实,讨论了长江发生巨洪的统计规律。指出当3个因子的出现时间互相重叠时,长江很可能发生巨洪,这对长江巨洪的超长期预测具有重要的指导作用。     

酒泉市辖区黑河水系地表水环境质量分析

根据“十三五”期间酒泉辖区内黑河水系河流和湖库布设点位水质监测数据,选取21项监测指标,采用单因子评价法、内梅罗污染指数法和spearman秩相关系数,同时根据黑河水系酒泉段污染源调查评价以及充分考虑人为因素的影响选取氨氮和总磷项作为评价因子,多维度判定黑河水系酒泉境内的水质状况。通过灰色建模软件6.0筛选出符合模型精度要求的点位并对“十四五”期间酒泉市辖区内黑河水系地表水环境质量进行了预测,为管理部门对水域环境治理提供参考借鉴。     

人工神经网络在预测深基坑周边地表沉降变形中的应用研究

深基坑开挖引起的周边地表变形预测是一个复杂非线性问题,引起地表沉降的影响因素很多,各因素之间呈高度的非线性关系。传统的基坑用边地表沉降变形预测方法存在着一定的局限性,其预测精度有待提高,而人工神经网络是一种多元非线性动力学系统,可以灵活方便地对多成因的复杂未知系统进行高度建模,实现全面考虑各种主要影响因素的深基坑周边地表沉降变形预测。本文介绍了误差反向传播(BP)网络模型的结构、学习过程及其算法的改进,径向基函数(RBF)网络模型的结构及其学习过程;分析了影响深基坑开挖周边土体沉降变形的主要影响因素;以25个基坑工程的地表沉降实测资料为训练样本,建立了11个输入影响因素的BP神经网络模型和RBF神经网络模型,通过对样本的学习训练过程及对5个检验样本的预测精度,说明了人工神经网络用于预测基坑周边地表沉降的可行性和准确性。     

我国部分地区环境健康教育现状及其需求调查

2007年下半年启动的《国家环境与腱康行动计划》明确规定,到2015年要完善环境与健康风险评估和风险预测、预警工作,实现环境污染突发公共事件的多部门协同应急处置;基本实现社会各方面参与环境与健康工作的良好局面。应《国家环境与健康行动计划》要求,环境保护部科技司委托北京大学公共卫生学院等,对我国部分地区环境与健康现状进行了实地调查,本刊就此次调查所发现的问题和结果公布如下。     

河北省农村污水治理项目资金绩效评价指标体系研究

本研究分析了当前污染防治项目绩效评价指标体系,以河北省农村生活污水治理资金项目绩效评价为例,结合农村污水处理现状,从业务和财务管理两方面构建了河北省农村污水治理资金项目绩效评价指标体系,对农村环境污水治理资金项目进行综合评价,为推动建立项目绩效管理制度,提高管理者决策和投资水平,提供了参考依据.     

复合型人工湿地用于某污水厂尾水深度处理模式探讨

为了改进传统单一人工湿地处理污水效果差且不稳定、占地面积大、易发生淤塞等不足之处,构建一种复合型人工湿地污水处理系统,并详细介绍复合型人工湿地处理某城镇污水处理厂尾水工程的工艺流程、工程设计参数等,总结了设计特点.实际运行中,要求复合型人工湿地进水水质严格执行《城镇污水处理厂污染物排放标准》(GB 18918—2002...     

隔震:保证建筑物地震安全的最佳选择

<正>几十年地震预报实践说明,地震预报尚未成熟,远未达到实用化,目前仍属于摸索探索阶段。有些地震虽然说可能作预测预报,但即使预报了,对一个大城市而言也不会轻易疏散、停工停产,而且地震发生了城市的物质文明建设照样会遭到严重破坏。换个方式去思维去实践,即把城乡建筑的抗震性能提高了,尤其是住宅建筑和重     

基于缓冲区重采样的LSTM林火预测模型*

为提高林火风险预测精度,挖掘地图上隐含的空间信息、时间序列上隐含的长期趋势和循环波动,提出1种基于缓冲区重采样的长短期记忆（LSTM）林火预测模型,选取15个与林火相关的影响因素,以方差膨胀因子为评价指标对其进行多重共线性检验,方差膨胀因子大于10的因素具有共线性,并采用信息增益率验证筛选结果的合理性。考虑到火灾的空间聚集特性,采用缓冲区分析与过采样相结合方法减少样本不均衡现象的影响,最终得到176 732条样本。对12个影响因素和研究时间段的火点建立LSTM预测模型,对森林火灾发生风险进行预测。研究结果表明:基于缓冲区重采样的LSTM林火预测模型有效考虑时空上隐含的信息,预测模型准确率为87.06%,特异性为97.99%,敏感度为76.12%,阳性预测率为97.43%,阴性预测率为80.41%,ROC曲线与AUC值均优于随机森林（RF）和支持向量机（SVM）这2种基准算法。维尔克松秩和检验发现,本文提出的模型与基准算法结果具有显著性差异。研究结果可为提高林火风险预测精度提供参考。