公路项目环评中低时速单车噪声源强研究

由于缺乏低时速单车噪声源强估算模式,低等级公路项目噪声预测结果常与实际监测结果存在较大偏差。文中通过实测各车型车辆在低时速条件下时速和单车辐射声级(Lmax)数据,运用统计软件分析两者间的关系,并通过实测过往车辆数据进行验证。结果显示沿用《公路建设项目环境影响评价规范》(以下简称《06规范》)中的公式计算低车速源强可能会造成结果偏低,建议采用下列式子估算低车速单车噪声源强:小型车L=21.5 lgV+34.96(15≤V≤63),中型车L=10.4 lgV+59.29(15≤V≤53),大型车15≤V≤48(15≤V≤48)。     

基于MATLAB的BP神经网络模型在漠阳江水质评价中的应用研究

为提高水质评价的准确性,基于MATLAB及人工神经网络理论,采用误差反向传播的BP算法建立漠阳江水质评价模型,充分利用神经网络的非线性映射特性,取7项常规地表水水质评价指标对漠阳江水质进行评价,并将BP神经网络评价结果与单因子评价法及综合指数法的评价结果进行比较,网络运行结果表明一致效果良好.同时较传统的水质评价方法,该网络具有较高的识别精度,提高了水质评价等级的准确性,使评价的结果更具有科学性.     

欧洲水管理实践对中国流域水环境管理的启示

针对流域水环境管理的顶层设计,Water Framework Directive（WFD）是一部具有法律约束力的水框架法令,已成为欧洲水环境管理的有效的工具,实现了流域水环境的经济和生态的协调、综合管理。综述了欧洲水框架指令WFD研究进展,介绍了WFD提出的背景、要点、编制路线图和相应WFD水环境管理经验,对了解和掌握国际先进的流域水环境管理经验和最新形势具有一定借鉴意义。     

提高快速法测定C OD准确度及精密度的方法

介绍了用快速法测定COD分析中提高准确度及精密度的方法。     

大连星海地区环境空气中挥发性有机物的臭氧生成潜势研究

以该实验的观测资料为基础,通过数据分析表明,对大连星海地区OH自由基消耗的主要环境VOCs组分是烯烃类物质,对O3生成潜势贡献最高的环境VOCs组分是芳香烃类物质;综合LiOH及OFP值评价,识别影响大连星海地区O3生成的关键环境VOCs反应活性物种为丙烯、甲苯、间对二甲苯等物质。     

基于ANN的土壤重金属分布和污染评价研究

农田土壤重金属污染与备受关注的农产品安全问题有密切联系,因此对其进行研究意义重大。以江苏省南通市为研究区,利用采样点实测数据,借助神经网络模型(ANN)并结合3S技术对问题进行研究,从而对土壤重金属的空间动态分布进行描述,并对各个空间位点重金属的污染状况进行评价。结果表明,神经网络模型能够智能地学习各个样点的空间位置与该点各重金属含量之间的映射关系和预先设计好的分类评价模式,并能够稳健地对各个空间插值点处的重金属含量和各个位点的重金属污染状况进行预测和评价。结论显示,南通市大部分农田土壤重金属污染较轻,但也存在局部地区的严重污染。结论与实际情况相符,表明神经网络模型可以为农田土壤重金属的研究提供一个新的思路和方法。     

基于Logistic回归的燃气管网风险因素重要度分析方法研究

为确定燃气管网风险评估的关键风险因素,以A省各地市燃气管网为研究对象,基于燃气专家经验确定燃气管线风险等级,提出基于Logistic回归的燃气管网风险因素重要度分析方法。采用样本增强及随机抽样的方式,选取400个均衡样本作为管网评估数据输入,通过因子分析方法对其进行降维,得到3个公共因子并作为一级指标反向构建燃气管网风险评估指标体系;利用有序多分类Logistic回归方法,根据回归系数绝对值大小对风险因素进行重要度排序。研究结果表明：外界环境对燃气管网风险的贡献程度相对较高,管道自身因素和巡检养护次之。研究结果可为城市燃气风险防控提供理论依据和方法参考。     

基于大数据挖掘技术的地震舆情感知研究

对地震舆情信息的深入感知和有效管理,能够保障社会和谐发展.提出一个基于大数据技术和深度学习的地震舆情感知平台,基于Hadoop和MongoDB大数据技术实现对海量实时地震舆情数据的处理和存储.基于Word2vec和LSTM的融合模型能够有效实现震后网民的情感识别,为舆情预警提供支持.以台湾5.8级地震舆情数据为例,对该...     

某储罐区火灾多米诺效应场景推演

化工园区中危险源众多,一旦发生事故很容易在整个园区内蔓延和发展.针对化工园区内储罐密集,容易引发连锁反应导致事故扩大的特点,利用FDS软件对储罐火灾场景进行数值模拟,根据储罐所受热辐射确定化工园区内储罐火灾最可能的事故发生序列,并引入基于设备失效前时间的机械设备故障概率模型对罐区内单个储罐的火灾风险进行研究,得到储罐区...     

Application of dynamic risk analysis in offshore drilling processes

Process safety is the common global language used to communicate the strategies of hazard identification, risk assessment and safety management. Process safety is identified as an integral part of process development and focuses on preventing and mitigating major process accidents such as fires, explosions, and toxic releases in process industries. Accident probability estimation is the most vital step to all quantitative risk assessment methods. Drilling process for oil is a hazardous operation and hence safety is one of the major concerns and is often measured in terms of risk. Dynamic risk assessment method is meant to reassess risk in terms of updating initial failure probabilities of events and safety barriers, as new information are made available during a specific operation. In this study, a Bayesian network model is developed to represent a well kick scenario. The concept of dynamic environment is incorporated by feeding the real-time failure probability values (observed at different time intervals) of safety barriers to the Bayesian network in order to obtain the corresponding time-dependent variations in kick consequences. This study reveals the importance of real-time monitoring of safety barrier performances and quantitatively shows the effect of deterioration of barrier performance on kick consequence probabilities. The Macondo blowout incident is used to demonstrate how early warnings in barrier probability variations could have been observed and adequately managed to prevent escalation to severe consequences.