基于改进成功流法的消防系统可靠性研究

在多信号输入系统的可靠性研究中,传统GO法存在计算复杂、易出现误差和遗漏的缺点。将卡诺图化简法引入传统GO运算,利用其“合并同项,简化运算”的特点构建研究多信号输入系统可靠性的新GO模型。将其应用于预作用喷水灭火系统,对具有多启动方式的给水泵进行可靠性分析,并与事件树运算结果比较,证明新GO模型适用于具有多信号输入系统的可靠性研究。研究表明,通过采取措施降低多信号元器件故障概率可以提高系统整体可靠性。     

多环芳烃(PAHs)污染对滨海湿地入侵植物互花米草的影响北大核心CSCD

滨海湿地生态系统正遭受着人为活动或自然因素的威胁,为探究多环芳烃（PAHs）污染对滨海湿地入侵植物互花米草根际、根内微生物的影响及植物-微生物联合修复PAHs的潜力,设置含有不同浓度菲和芘的沉积物处理,通过盆栽实验对互花米草幼苗进行暴露.结果显示,培养70 d后,菲和芘的去除率分别为13%-36%和11%-30%;菲处理的互花米草根际沉积物中脱氢酶活性显著高于对照（P〈0.05）,非根际沉积物多酚氧化酶活性则降低10%.磷脂脂肪酸（PLFA）分析显示,菲处理显著降低了根际沉积物微生物量（P〈0.05）,尤其是革兰氏阴性菌下降了24%;而芘处理对脱氢酶、多酚氧化酶以及总微生物量的影响相对较小.100 mg/kg菲处理使得根际与根内革兰氏阴性菌PAHs-环羟基双加氧酶基因（PAH-RHDα-GN）丰度比对照组分别增加了100倍和3倍;而100 mg/kg芘处理使得根际与非根际沉积物中PAH-RHDα-GP丰度显著升高（P〈0.05）.上述结果表明,入侵植物互花米草对PAHs污染存在明显的响应,其根内细菌在植物-微生物联合修复PAHs污染具有重要的作用.     

2种类型多壁碳纳米管对蛋白核小球藻的毒理研究

碳纳米材料由于其具有优异的性能,得以广泛生产和使用,其不可避免会进入水环境中,对水生生态系统造成潜在影响。多壁碳纳米管(P-MWCNTs)和羟基化多壁碳纳米管(MWCNTs-OH)作为纳米材料的典型代表,应用非常广泛,其潜在的环境效应受到人们越来越多的关注。为此,本文以蛋白核小球藻(Chlorella pyrenoidosa)作为受试生物,通过暴露实验,研究了P-MWCNTs和MWCNTs-OH对蛋白核小球藻的生物学效应。研究结果表明：1)当P-MWCNTs浓度≤10 mg·L-1、MWCNTs-OH≤20 mg·L-1浓度时对蛋白核小球藻生长未造成影响;2)暴露96 h后,当P-MWCNTs≤10 mg·L-1、MWCNTs-OH浓度≤20 mg·L-1时,蛋白核小球藻细胞可溶性蛋白质含量增加,当P-MWCNTs浓度≥20 mg·L-1、MWCNTs-OH浓度≥40 mg·L-1时,2种类型MWCNTs均对蛋白核小球藻造成毒性效应;3)随着2种类型MWCNTs浓度的增加,蛋白核小球藻细胞总抗氧化能力(T-AOC)值减少,蛋白核小球藻细胞丙二醛(MDA)含量显著增加,细胞的健康程度逐渐恶化,细胞结构受到严重损伤;4)MWCNTs-OH比P-MWCNTs具有更好的生物相容性。     

基于小波分解及遗传BPNN耦合模型的地表水As浓度预测研究

随着工业的快速发展,水体中污染物超标事件时有发生,造成了较严重的水环境污染问题.水环境监测与预报是环境科学研究的重要内容.为了实现地表水砷（As）污染的准确预报,本研究提出小波分解、遗传算法与BP人工神经网络的耦合建模方法,并结合某河流监测站1998—2016年共19年的地表水质监测数据,通过皮尔逊相关系数和信息指标评价法对模型输入变量进行筛选,最后对比分析了在不同水质参数输入情况下BP人工神经网络（BPNN）、遗传算法改进的BPNN（GABP）、小波-遗传BPNN耦合模型（W-GABP）对后6年（2011—2016年） As浓度预测结果的均方根误差（RMSE）、决定系数（R²）、平均绝对百分比误差（MAPE）,以确立最优模型.结果表明：①多水质参数BPNN、GABP与W-GABP耦合模型预测结果的MAPE分别为17.51%、15.98%、14.46%,单水质参数BPNN、GABP与W-GABP耦合模型预测结果的MAPE分别为18.78%、16.74%、7.83%;②小波分解数据前处理及遗传算法均能较大程度地提高预测模型的精度;③对于地表水水质预报,需对比不同模型在不同输入变量下的预测结果,以获得最佳的预测精度.单水质参数输入的W-GABP耦合模型能较准确地预报地表水As浓度的变化情况,对数据缺乏地区水质监控和地表水As污染防治具有重要意义.     

多目标规划在应急物流中的应用综述

为充分提高突发事件的应急救援效率,应急物流系统的建设至关重要。围绕应急物流系统,从应急物资管理、设施建立以及物流路径规划等方面入手开展相关研究工作的梳理和讨论,结果表明:目前相关研究受限于应急物流的应急体制建设不完善、多目标联系不紧密、信息化程度低、应急物资需求的动态性把握不准确等方面,而根据多目标规划方法提出的相应改进建议,能够实现救援线路最优化、救援时间最短化以及应急投入最小化等多个目标。     

基于EMD-MFOA-ELM的瓦斯涌出量时变序列预测研究

为准确分析工作面绝对瓦斯涌出量的非平稳特征,实现瓦斯涌出量的准确预测,基于经验模态分解(EMD)、修正的果蝇优化算法(MFOA)和极限学习机(ELM)基本原理,构建瓦斯涌出量的EMD-MFOA-ELM多尺度时变预测模型。通过EMD将瓦斯涌出量时变序列进行深层次分解,获得多尺度本征模态函数(IMF);采用MFOA-ELM对各IMF时变序列建立动态预测模型,等权叠加各预测值,得到模型最终预测结果。以晋煤某矿瓦斯涌出量监测时序样本为例进行研究分析,结果表明:EMD能充分挖掘出监测数据隐含信息,有效降低数据复杂度;该模型预测相对误差为0.024 3%~0.651 0%,平均值仅为0.252 6%,预测精度和泛化能力高于未经EMD分解模型,能很好地适用于非平稳时变序列预测。