北京市大气重污染过程中AQI的时空扩散特征及其预测模型

通过对北京市大气重度污染时段AQI与气象因子分析,探讨AQI的时间和空间变化特征,并建立了AQI的空间预测模型。结果表明:1)风速>2.5 m/s,且持续时间长(超过5 h)时,AQI曲线特征呈现倒"V"型。若其在1.7 m/s中部>北部,4 d后则中部>南部>北部。3)各方向上中部和北部的AQI预测模型中幂函数模型精度最高,且两者受西南方向的影响最大。     

兰州市废旧手机产生量预测分析研究

手机普及率日益提高,随之产生的废弃量也日益增多,分别采用时间梯度模型、市场供给A模型、斯坦福(stanford)模型对兰州市2013年-2022年废旧手机的产生量进行了预测.结果显示,不同模型预测结果之间存在较大差异,市场供给A模型和斯坦福(Stanford)模型的预测结果比较接近,均大于时间梯度模型的预测结果,三种模型预测的兰州市2022年废旧手机的产生量分别为40.40万、46.67万和21.04万部.总体上看,兰州市废旧手机的产生量增长趋势较快.     

ABC算法优化SVR的磨损故障预测模型

目的为了提高故障预测的精度,针对支持向量回归SVR(Support vector machine for regression,SVR)参数选择困难的问题,提出一种采用人工蜂群(artificial bee colony,ABC)算法优化支持向量回归(SVR)的故障预测模型(ABC-SVR)。方法该模型先对样本数据进行重构,然后将故障预测误差(适应度)作为优化目标,通过ABC算法寻优找到最优的SVR参数,建立故障预测模型。最后通过实例仿真验证模型的优越性。结果采用ABC算法优化的SVR故障预测模型进行时间序列预测,能够较好地跟踪发动机滑油金属元素浓度的变化过程,并且能够提前2个取样时间预测异常情况的出现。结论 ABC-SVR模型有效解决了SVR参数选择难题,能够更加准确地表现故障变化规律,提高了故障预测精度。     

油库项目环境风险评价案例分析

根据《建设项目环境风险评价技术导则》,对油库项目环评中的环境风险因子进行识别,并分析其风险源项。采用导则推荐的多烟团模式计算原油储罐泄漏引发池火事故后,对周围环境影响的范围和程度。因此对油库项目进行环境风险评价时,应重视油库泄漏事故对环境的影响。     

SEA中非突发性大气环境健康风险分析

建立了一种基于指示性污染物的非突发性环境健康风险评价模式。根据研究区域的能源类型及气候条件选择对该区域人群健康产生明显影响的指示性污染物,并根据多个城市及地区的历史数据确定指示性污染物与常住人口死亡率之间的定量对应关系,将大气预测模型和GIS系统进行集成开发,再将指示性污染物浓度与区域常住人口死亡率之间的定量对应关系嵌入与GIS集成后的大气预测模型中．．通过将区域气象数据及规划中关于指示性污染物连续排放的源强数据输入上述模型进行模拟预测,得出区域不同级别大气环境健康风险范围分布。     

镜泊湖水质分析及水质预测研究

湖泊蓄水是中国重要的淡水资源之一,是人民生活不可缺少的宝贵资源。近年来,湖泊污染致使湖泊水质恶化、水体鱼类种类下降,对湖泊区域经济发展造成了威胁,尤其严重阻碍了旅游业的发展。本文通过对镜泊湖水环境现状分析以及时水质进行预测、评价,分析镜泊湖水污染特征,并为解决镜泊湖水环境问题提供依据。     

漓江沉积柱重金属垂向分布特征及污染评价

对桂林漓江3个采样点沉积柱状沉积物中主要重金属元素(Cd、Cr、Cu、Zn、Pb、As和Ni)的垂向分布进行了测定。结果表明:7种重金属元素具有相似的垂向变化特征;横向上表现为靠近市区的含量高远离,市区的含量低。地积累指数评价结果显示,远离市区的沉积柱7种金属污染程度较轻,仅有Cd和Ni属于无～中污染程度。临近市区的沉积柱形成污染的元素为Cd、Cu、Zn、Pb和As,主要集中在底层和次表层。     

基于多线程技术的中国海风暴潮数值预报可视化程序开发

首先简要介绍了中国海的风暴潮及灾害情况,对杭州湾一带的风暴潮进行了重点阐述。在风暴潮二维数值模型FBM的基础上开发了具有可视化界面的数值计算程序,能直观的显示风暴潮发展时历,包括风暴潮最大增水、台风风向和移速。采用了多线程技术,可节省时间,程序具有Windows风格的人机交互界面,操作方便。通过几个算例测试,本程序计算结果符合工程预报需要,可为同类研究做一些参考,具有推广意义。     

Traffic behaviour among adolescents using mopeds and light motorcycles

INTRODUCTION: Motorcycling is recognized to be a relatively risky activity. Powered two wheelers (PTW) are classified as mopeds, light, and heavy motorcycles, the first two categories being denoted light PTWs. This paper reviews the scientific literature on accident risks and traffic behavior among users of light PTWs with the aim of clarifying the current state of knowledge. METHOD: Based on a risk analytical and an anthropological perspective on motorcycling, the paper discusses the significance of cultural and social factors as important aspects of safety. More targeted and effective safety measures, for example better training programs, are needed to prevent motorcycle accidents. This means developing a deeper understanding of the rider as an individual, and the individuals within different groups and settings. Why and how motorcyclists approach the road, its function as a social arena, the varieties of goals and values, and the motorcyclists' own perceptions of the behavior that ensures their "achievements" or "successes", are some of the issues. Today, this kind of knowledge is scarce and almost entirely absent from the scientific literature. RESULTS: We conclude that the massive quantities of data on numbers of accidents, the categorization of situations, the causal explanations related to speed, gender, age, lack of concentration so forth, can only be employed as support for safety measures as long as they are linked to social and cultural factors. IMPACT ON INDUSTRY: Risk informed decision making has become an integral part of authorities' and manufacturers' implementation of safety measures. This tendency is strengthened by the fact that the responsibility of product safety rests upon the manufacturers, cf. for example EU safety regulations. Therefore it is paramount that a thorough understanding of social and cultural factors related to the PTW driving is necessary for the industry to develop targeted and efficient safety measures.     

基于BP神经网络的煤层自燃预测

在全面分析影响煤层自燃因素的基础上,建立了煤层自燃预测的人工神经网络模型.应用该模型对某煤田的多个煤层样本进行了训练和预测,网络经过10次训练后,误差达到设定的最小值,6次预测测试中最大误差仅为0.027 8,最小的为0.000 1.研究表明,该模型精度较高,可用于预测煤层自燃的实际应用.