环境信息公开艰难破冰——污染源监管信息公开指数暨2008年度113个城市评价结果发布

2008年5月1日开始实施的《政府信息公开条例》及《环境信息公开办法(试行)》对完善中国环境治理机制具有里程碑式的意义。人们意识到信息公开对于完善环境管理机制、克服执法不严、违法成本低等强大阻力有着重要的意义。为了更为系统地评估各地政府部门对相关法规的执行情况,2009年6月3日公众环境研究中心(IPE)与自然资源保护委员会     

新形势下环保部门如何应对新闻媒体

在信息传播方式多元、污染事故多发的新形势下,如何面对媒体、用好舆论工具,对环保部门来讲既是一个敏感、充满挑战性的现实课题,又是检验环境执法水平、维护社会稳定的一项重要内容.大多数基层环保部门在支持舆论监督、适时引导舆论等方面比较积极.但少数基层环保部门在应对媒体采访方面存在的一些问题令人深思.     

环境与健康事件信息政务平台亟待完善

信息是环境与健康工作的重要基础,充分发挥信息效能,将便于环境与健康管理者及时掌握情况,对事件进行早期处置,准确掌握并发布事件信息,提高政府部门在处理环境与健康问题中的公信力,维护社会和谐与稳定.同时,通过分析信息的发生发展过程,评价事件处理处置中的得失,统计并分析挖掘环境与健康事件发生的规律,有利于加强环境与健康监测、预警和应急工作.     

基于SVR的长江经济带水环境承载力评价

基于DPSIRM模型构建区域水环境承载力评价指标体系,并基于SVR模型构建了区域水环境承载力评价模型,利用交叉验证法对SVR模型参数进行优化选择,进一步提高模型预测精度.运用该模型研究了长江经济带2009~2018年的水环境承载力演变趋势及空间差异,结果表明：长江经济带水环境承载力等级整体呈现升高趋势,其中上游城市群承载等级由II级（超载）提升到了IV级（弱可承载）;中游城市群承载等级由II级（超载）提升到了IV级（弱可承载）;下游长三角区域承载等级由I级（重超载）提升到了IV级（弱可承载）.将评价结果与熵权-TOPSIS法的评价结果相比较,相同率达到91.7%,说明SVR模型评价区域水环境承载力可行,评价结果可靠.以下游区域为例,分别对其6个子系统的承载力进行剖析,并运用单因素轮换OAT法对各子系统内的评价指标进行敏感性分析,便于决策者识别指标敏感性.     

基于安全信息的安全执行及其失效机制研究

为了提高系统安全执行的有效性,改善系统的安全状况,开展基于安全信息的安全执行及其失效机制研究.首先,对安全执行的基础问题进行研究,包括其定义及一般过程;其次,从安全信息出发,结合解决问题的一般路径,对安全执行机制进行研究;最后,在上述分析的基础上,研究安全执行失效机制,并构建模型,明确安全执行过程中的重要节点.研究结果...     

安全信息学视域下安全舆情演化及引导策略研究

为正确引导和控制负面安全舆情,基于安全信息学与舆情理论,利用事故树分析方法研究安全舆情演化过程,计算负面安全舆情最小割集、最小径集和结构重要度,提出安全舆情引导方法.结果表明:利用最小割集得到负面安全舆情产生原因组合,利用最小径集得到避免负面安全舆情产生最低限度事件组合,通过结构重要度得到系统改进重点及优化顺序;在事故...     

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。     

组织支持感对建筑业农民工不安全行为的影响*

为对建筑业农民工的不安全行为进行科学有效的管理,探讨组织支持感、自我效能感与建筑业农民工不安全行为之间的关系,防止因建筑业农民工不安全行为造成的不安全事件发生,从组织行为学和计划行为学视角出发,以218名一线建筑业农民工为研究对象,通过构建结构方程模型进行实证分析。结果表明:组织支持感的3个维度均可直接对建筑业农民工的不安全行为产生负向显著影响,其中关心利益维度影响最大,工作支持维度次之;建筑业农民工的自我效能感在其组织支持感与不安全行为的负向关系中起到中介作用。     

PSO和SVM混合算法确定太湖入湖河流水质主要影响因子

以影响太湖入湖河流水质的24个因子值为研究对象,将PSO算法与SVM算法相结合。PSO算法用于优化SVM算法的参数c和g,以利于快速、高效地确定c和g的全局最优值;SVM算法基于最优的c和g,分别以24,21,18,15,12,9和6个因子作为特征向量预测水质的污染程度。结果表明,当特征向量为9个影响因子时预测率最高。其参数c=18.56,g=1.35,对应的预测率为：全局预测率92.59%,重度污染水质预测率88.89%,轻度污染水质预测率94.45%。因此,通过PSO和SVM混合算法,可以确定影响太湖入湖河流水质的主要因子,利用这些主要因子对水质进行预测预警,不但可以节省时间,而且可以得到精确的结果。     

基于链式多重插补的WOA-ELM煤与瓦斯突出预测模型

为了提高缺失数据下煤与瓦斯突出预测准确率,提出1种基于链式支持向量机多重插补(MICE＿SVM)的鲸鱼优化算法(WOA)-极限学习机(ELM)预测模型,以淮南朱集矿区为例,选取5个煤与瓦斯突出影响指标作为模型特征,采用提出的MICE＿SVM算法插补突出事故数据中缺失值,利用WOA优选ELM输入层权值及隐含层阈值,构建煤与瓦斯突出预测模型,将插补后数据用于WOA-ELM模型的训练与测试,并与其他模型的预测效果对比。研究结果表明：MICE＿SVM插补前、后的有突出数据预测准确率分别为83.02%,90.41%,MICE＿SVM显著提高了有突出预测准确率,对无突出和整体的预测准确率提高不明显;数据插补后WOA优化ELM对无突出、有突出和整体的预测准确率分别为97.94%,96.25%,96.48%,较优化前分别提高了5.79%,5.84%,5.55%,数据插补后WOA-ELM为最佳预测模型。