杭州博华环境技术工程有限公司

杭州博华环境技术工程有限公司为专业从事环境保护科研开发与技术服务的高新技术企业。公司拥有环保工程设计专项资质，是通过ISO9001：2000的认证企业。公司具备较强的研究开发和设计力量，并在环保工程的设计、施工建设上积累了丰富的经验，     

《安全生产法》在执行中的一些问题

全国人大常委会已经对《安全生产法》《劳动法》等5部涉及经济社会协调可持续发展和社会和谐的法律开展了执法检查。安全投入、安全生产制度建设、生产安全事故特别是煤矿等矿山安全生产事故的预防与处理等方面的情况是《安全生产法》执法检查的重点。无疑，开展执法检查将会进一步推动和促进《安全生产法》的全面贯彻和落实。     

环境监测应为目标责任制提供技术支持与监督

山东省在推行省市长(专员)环境目标责任制过程中,各级环境监测部门为保证环境目标责任制的实施,积极开展对环境的调查研究,进行定期或不定期的监督监测和综合分析评价,在为环境管理八项制度和措施的服务中,充分发挥了环境监测的耳目、哨兵和参谋、助手的作用,为我省环境保护工作上新台阶做出了积极的贡献.一、环境监测为制定省市长(专员)环境目标责任制指标提供可靠依据环境目标责任制是以签定"责任状"的形式,由省长把责任目标正式下达给市长(专员),把"软任务"变成了"硬指标",为了使"硬"指标定得合理、科学、可行,需要进行现状调查监测及综合分析当地多     

基于RF-LSTM的鸡舍恶臭气体预测研究

以鸡舍氨气为研究对象,对鸡舍氨气预测模型进行了研究.首先,利用随机森林算法（RF）对影响鸡舍氨气浓度的环境变量进行重要性排序,选取温度、湿度、光照、气象温度、降雨量作为模型的输入变量;在此基础上,构建了基于长短时记忆神经网络（LSTM）的鸡舍氨气浓度预测模型,并将提出的预测模型应用于江苏省宜兴市某养鸡场的氨气浓度预测中,并与LSTM模型、RF-Elman模型和RF-BP模型进行了对比实验,结果表明,基于RF-LSTM模型的预测效果最好,其平均绝对误差（MAE）、平均绝对百分误差（MAPE）和均方根误差（RMSE）分别为0.9183、4.9637%和1.4262;同时,为了验证该模型的性能,本文还实现了不同时间尺度的鸡舍氨气浓度预测,提前2h、3h、4h、5h氨气预测的平均绝对误差（MAE）分别为1.6218、2.1991、2.8553和3.0677.本文提出的预测模型提高了鸡舍氨气浓度的预测精度,可为减少鸡舍恶臭气体排放提供科学依据.     

基于野外原位抽注试验和同位素技术的含水层反硝化速率研究

反硝化作用是地下水硝酸盐污染去除最重要的过程.由于水文地质条件和水文地球化学环境的复杂性和不确定性,精准测定含水层反硝化速率是反硝化过程的研究难点.选取潮白河冲洪积扇中部中国环境科学研究院地下水创新野外基地作为研究区,基于野外原位试验和15N同位素示踪法提出一种含水层反硝化速率的测定方法.该方法综合体现了研究区实际水文地质条件和水文地球化学环境对反硝化作用的影响,并充分考虑了硝酸盐在含水层中稀释弥散作用对计算结果的影响.结果表明:①潮白河冲洪积扇中部某地地下26~28 m处于还原环境,含水介质以粉细砂为主,ρ（NO₃-N）平均值为2.77 mg/L.②地下26~28 m反硝化速率在349.52~562.99 μg/（kg·d）（以N计,下同）之间,平均值为450.31 μg/（kg·d）.通过与研究区含水介质、采样深度和硝酸盐背景值相似的国内外案例对比研究,初步评估结果处于合理区间.③测试结果具有一定不确定性,主要来自忽略中间产物NO₂-和NO的计算方法、扰动采样方法、N₂O的操作规范程度及采样频率等方面.研究方法为测定含水层硝酸盐速率研究提供了新的思路,研究结果可为地下水中硝酸盐转化过程机理研究、地下水硝酸盐污染修复及风险管控提供关键的理论支撑数据.      

人工智能技术对长江流域水污染治理的思考

随着经济的快速发展和城市化进程的不断加速,促使水污染严重的长江流域需从污染物去除过程的建模与优化、污水处理过程的优化控制、水污染监测系统的构建开展水污染治理研究.传统的水污染处理技术存在污染物去除效率预测精度较低、污水优化控制成本较高、水污染监测滞后效应严重的问题.人工智能技术能够有效克服上述问题,因此通过梳理国内外学者利用人工智能技术在污水污染物去除过程的建模与优化、污水处理过程的优化控制及水污染监测系统的构建等方面的研究成果,为全面加强长江流域水污染治理能力提供科学可靠的技术指导.结果表明:①利用人工神经网络技术（径向基神经网络、多层前馈网络-人工神经网络、多层感知器神经网络）对污水污染物去除过程进行建模与优化,为精确预测长江流域重金属（Cr、Cu）、营养盐（TN、TP）、持久性有机污染物〔PBDEs（多溴二苯醚）、HCH（六氯环己烷）〕的去除率提供重要参考价值.②采用污水处理的自动控制技术与人工智能技术（递归神经网络、支持向量机、模糊神经网络等）构建污水智能控制系统,为长江流域实现高效节能的污水优化控制提供重要的技术指导.③利用在线监测仪器和人工智能技术（小波神经网络、多元线性回归-人工神经网络、叠层去噪自动编码器等）建立水污染智能监测系统,为解决长江流域水污染监测响应滞后问题提供有力的技术支持.因此,人工智能技术对长江流域提高污水污染物去除率,降低污水优化控制成本,提升水污染监测时效性具有重要的推广价值.      

利用ETP模型预测CCS技术对全球能源市场的影响

利用ETP模型对比了BASE和GLO两种能源方案,分析了碳捕获与封存(CCS)技术对煤炭市场、天然气市场、石油市场和可再生能源市场的影响。结果表明:CCS技术可以有效减少CO_2排放量,降低环境政策成本,并对能源优化、环境保护和清洁能源的使用产生积极作用; CCS技术对煤炭市场的影响最为显著,对石油、天然气及可再生能源市场的影响依次减弱;对于煤炭市场,在不同的罚款政策背景下,2025年之前的使用量无明显变化,但CCS技术的应用将大幅提升煤炭清洁高效的使用量,煤炭使用量在GLO100和Base情景下约分别增加150 EJ/Yr和400 EJ/Yr;在不同罚款政策背景下,CCS技术对石油、天然气及可再生能源市场均有积极的影响,可使能源使用率增加1%～45%。     

基于高分1号影像的森林植被信息提取

实时最新森林植被信息的提取是林业航空植保作业的必要前提。论文以安徽省蚌埠市为研究区域,探讨了基于高分1号卫星遥感数据在亚热带农林植被混合地区的森林植被信息提取。根据植被物候信息差异选择了提取森林植被信息的5个关键时期高分影像,采用分区决策树方法监测森林植被的空间分布和面积信息,并与未分区决策树法的提取结果进行比较。结果表明：采用分区决策树法和未分区决策树法对于大中尺度森林植被信息提取的总体精度均优于85%。但分区决策树森林植被提取总体精度达到90.72%,较未分区决策树法提高3.80%、4.65%,Kappa系数达到0.81,较未分区决策树法提高约0.07~0.10,结合植被物候信息的分区决策树森林植被提取法好于未分区决策树法,能够满足林业航空植保作业的精度需求。具有较高空间分辨率、宽覆盖、短重访周期的高分1号影像,对于大区域的林业航空植保当年最新森林植被信息的提取表现出较大的潜力。