车内空气中挥发性有机化合物主要成分浅析

本文根据HJ/T 400-2007《车内挥发性有机物和醛酮类物质采样测定方法》,对59辆M1型车辆车内空气中挥发性有机物进行定性、定量分析,确定车内空气中挥发性有机物的主要成分,简析其浓度关系,并以苯为代表性物质对本次检测车辆车内空气可能对人体健康造成的不良影响进行健康风险分析,为进一步完善车内空气质量标准,控制车内空气污染提供一定的理论依据。     

碳氮比对鸭粪中温厌氧消化的影响

在中温(35±1)℃、6%的料液浓度、pH为中性条件下,采用10 L玻璃瓶作为反应器对碳氮比(C/N)分别为15、20、25和35的4组鸭粪溶液进行厌氧消化实验,系统运行30 d,分析了厌氧消化过程中的COD(化学需氧量)、pH、VFA(挥发性脂肪酸)和产气量的变化。结果表明,碳氮比是影响鸭粪厌氧消化过程的重要因素,调节鸭粪碳氮比至25,可以使其厌氧消化获得最佳的产气效果,COD去除率为24.06%,原料干物质产气率为0.178 m3/kg,产气中甲烷含量为71.5%,产甲烷率为0.127 m3/kg。     

污泥缺氧好氧消化的减量研究

实验主要进行缺氧好氧工艺在不同运行条件下消化效果的研究;在常温和中温下,与传统污泥好氧消化处理的效果对比,并进行pH等控制参数的统计规律分析,提出优化处理工艺条件,也为污泥缺氧好氧消化工艺的设计、运行管理和进一步研究提供可靠的理论依据。     

中肋骨条藻高效溶藻菌FDHY-C3的分离鉴定及溶藻作用研究

从福建长乐海域的表层海水中分离获得一株对中肋骨条藻具有高效溶藻作用的溶藻菌FDHY-C3,通过形态学、生理生化及16S rDNA序列分析表明,菌株FDHY-C3属于交替单胞菌属(Alteromonas)。该菌株对常见的甲藻（dinoflagellate）、硅藻(diatom)以及针胞藻（raphidophyte）类的多种赤潮藻都有较高的溶藻作用,对中肋骨条藻溶藻效果尤为明显,72 h可达98.18%。溶藻菌FDHY-C3通过胞外分泌物间接溶藻;溶藻物质的溶藻特性不受反复冻融的影响,但是受酸碱性及温度的影响;溶藻活性物质具有被乙醇和乙酸乙酯沉淀的特性,为蛋白类物质,分子量为10～14 kD。     

汽车吊省了门式吊倒了

驻马店市某预制厂新购进的40吨门式起重机,在安装过程中突然倒塌,造成一人重伤、两人轻伤,直接经济损失40余万元。     

危险化学品经营许可管理工作的现状与对策

《危险化学品安全管理条例》(以下简称《条例》)2002年3月15日施行以来,各级安全生产监督管理部门认真贯彻落实《条例》,积极采取措施,使危险化学品经营环节的安全生产管理逐步走上了制度化。主要体现在以下3个方面：     

为煤矿安全奠基

本世纪初,在经历了上世纪末持续低迷后,云南煤炭工业触底反弹。近年来,国民经济的快速发展引发耗能增加,能源吃紧,煤炭产销两旺,价格攀升,煤炭行业发展前景良好。与此同时,云南省煤炭行业一直存在着结构性矛盾突出、产业集中度低、技术装备落后、安全生产基础薄弱以及投入不足、从业人员素质低下等突出问题。在政府的支持和领导下,全省煤炭行业勇于正视和克服这些问题,认真贯彻落实党的安全生产方针,牢固树立“以人为本”的管理理念,在抓好增产提效的同时,强化安全管理。全省原煤产量由2001年的2428万吨增加到2004年的5353万吨,增长120.7%,…     

L火电厂中水处理系统问题分析及优化改造

L火电厂中水处理系统于2014年7月投入运行,年处理中水量约1 000万t。近几年,系统运行中逐渐暴露出一些问题,导致中水处理系统出力受阻,影响制水量。2021年,该火电厂对中水处理系统进行优化改造,改造后系统出力大幅提升,设备可靠性提高,处理效果良好。     

聚苯乙烯纳米塑料对中肋骨条藻的毒性效应

为研究纳米塑料对海洋微藻的毒性效应,本文选取粒径为0.1μm的聚苯乙烯（polystyrene,PS）纳米塑料作为目标污染物,探讨其不同浓度（0.1 mg/L、1 mg/L和10 mg/L）对中肋骨条藻（Skeletonema costatum）的毒性效应。结果发现,在PS纳米塑料处理下,中肋骨条藻细胞生长受到显著抑制,细胞内活性氧（ROS）水平升高;当PS纳米塑料浓度为10 mg/L时,中肋骨条藻细胞的丙二醛（MDA）含量增加;浓度为0.1 mg/L和1 mg/L的PS纳米塑料会导致中肋骨条藻细胞内超氧化物歧化酶（SOD）活性增高,浓度为10 mg/L的PS纳米塑料则导致藻细胞内SOD活性先升高后降低;细胞内过氧化氢酶（CAT）活性和细胞凋亡率均随着藻细胞培养时间的延长而增加。本研究可为科学评估PS纳米塑料污染对海洋中肋骨条藻的毒性作用提供重要参考。     

基于向量加权算法优化ELM的变压器故障诊断

针对变压器设备,传统故障诊断方法的准确率与诊断效率难以满足当前的需求。本文提出了一种基于向量加权算法（INFO）优化极限学习机（ELM）的变压器故障诊断算法。在标准测试函数中选择3个测试函数对INFO算法进行寻优性能的测试,并与粒子群优化算法（PSO）、万有引力优化算法（GSA）、正余弦优化算法（SCA）和灰狼优化算法（GWO）进行了对比,经过测试验证INFO算法相较于其他优化算法具有更高的寻优性能。并使用INFO算法对ELM中初始输入权值和偏置进行优化,搭建基于油中溶解气体分析（DGA）的INFO-ELM变压器故障诊断分类模型,并与SVM、ELM、PSO-ELM、SSA-ELM、GWO-ELM故障诊断模型进行对比。结果表明,INFO-ELM故障诊断模型的综合准确率为98.71%,相对于上述对比模型分别提高了21.61%、16.87%、11.65%、10.36%和11.06%,本文提出的INFO-ELM变压器故障诊断模型具有更优良的故障诊断能力。