胚胎期和哺乳期全氟辛烷磺酸(PFOS)暴露致大鼠学习记忆能力下降

为了探讨全氟辛烷磺酸(PFOS)的发育神经毒性,寻找PFOS发育神经毒性作用的敏感期,利用水迷宫和组织病理切片技术,研究了胚胎期和哺乳期暴露于PFOS后新生大鼠发育情况、学习记忆能力、抓力以及海马组织病理学改变。结果显示：PFOS导致仔鼠发育迟缓,睁眼期延迟。仔鼠出生后体重与对照组相比出现显著性降低。同一PFOS暴露浓度下,胚胎期暴露组体重低于哺乳期暴露组,抓力差异不显著。水迷宫实验结果显示,TT15(胚胎期和哺乳期均暴露于15 mg·L^-1 PFOS)和TC15(仅胚胎期暴露于15 mg·L^-1 PFOS)暴露组仔鼠逃避潜伏期显著高于对照组,且TC15暴露组仔鼠逃避潜伏期显著性高于CT15(仅哺乳期暴露于15 mg·L^-1 PFOS)暴露组。空间探索实验中,TT15暴露组仔鼠在目标象限的游泳时间显著性低于对照组,其他组无显著性差异。组织病理切片结果显示暴露组海马组织细胞数量减少,出现细胞凋亡现象。结果表明,PFOS造成仔鼠的发育延迟以及学习记忆能力下降的关键作用时期可能是胚胎期。     

一种基于蚯蚓学习行为的神经毒性实验方法研究

土壤生物的学习行为是一种综合性的神经高级活动,对土壤中的神经毒性污染物生态风险监测具有重要价值.本研究设计了一套试验装置,基于蚯蚓对白光刺激的厌恶本性,通过振动-白光配对刺激,对蚯蚓进行学习训练,使蚯蚓领会借助加速移动阻止白光刺激的策略,通过蚯蚓到达移动位移阈值的时间测定,对蚯蚓的学习行为进行测试,建立了蚯蚓的学习行为...     

基于可靠度和性能的结构整体地震易损性分析

地震风险分析包括地震危险性分析、地震易损性分析和地震灾害损失评估3个方面，其中，地震易损性分析可以预测结构在不同等级地震作用下发生各级破坏的概率，因此对结构的抗震设计、加固和维修决策具有重要的应用价值。传统的结构地震易损性分析主要采用经验方法或蒙特卡洛模拟法绘制地震易损性曲线。首先介绍地震风险分析的基本原理，然后提出结构整体地震易损性的概念，针对传统方法存在的问题，将结构的可靠度方法与基于性能的抗震设计理论结合起来，提出了基于可靠度和性能的结构整体地震易损性分析方法，并采用有限元可靠度方法进行了结构地震易损性的计算。以结构的最大层间相对变形作为整体性能指标，对某5层2跨钢框架结构进行了地震易损性分析，绘制了其在不同地震作用下对应不同性能水准要求的地震易损性曲线。     

基于集成学习的驾驶人避险安全效果影响因素研究

为准确分析影响避险安全效果的关键因素及其非线性影响关系,设计并实施了驾驶模拟试验。首先,利用模拟器及眼动仪采集各场景下驾驶人行为、眼动特征数据;其次,在相关性分析的基础上,采用随机森林等多种集成机器学习算法分析影响避险安全效果的因素,并对其重要度进行排序,采用GridSearch算法优化参数;最后,利用部分依赖图(Partial Dependence Plot, PDP)可解释性方法分析影响因素与避险安全效果之间的非线性关系。结果表明：影响特征与避险安全效果之间非线性关系明显;当特征数为6,特征分别为制动反应位置、制动反应时间、车速、刹车深度、纵向加速度、首次注视时间时的LightGBM模型效果最好,此时F₁为86.07%。如制动距离较近,则高危险状况可能性明显增加;反应时间影响并不明显,但如反应过慢(超过0.9 s)则会造成风险概率升高;车速明显低于正常速度时避险安全效果不佳,往往是因为驾驶技能不强或处于分心状态;较低的减速度往往造成高危险状况,高减速度对于避免高危险状况有一定作用;制动深度不足往往伴随着高危险状况;首次注视时间过早或过晚都容易造成高危险状况,过...     

学习率有限监督调整BP网络在水质评价中的应用

以地表水环境质量标准基本项目标准限值为依据,随机生成标准样本和检测样本,采用学习率有限监督调整BP网络建立水质评价模型。完成网络训练的模型对检测样本进行检验评价,检验结果表明,该人工神经网络水质评价模型具有较高的精度,同时,可以避免人为主观因素对水质评价的影响,保证了水质鉴定的科学性和公正性。     

基于生态系统的海洋管理:原则、实践和建议

基于生态系统的管理(ecosystem-based management, EBM)是一种得到海洋界广泛关注和普遍认可的管理理念,文章分析了EBM的内涵、原则,简要介绍了各海洋大国在海洋发展战略中基于生态系统的海洋管理实践,并简要分析了我国在基于生态系统的海洋管理方面的初步尝试.结合EBM所提倡的原则、方法以及我国国情,文章提出了为实施基于生态系统的海洋管理所急需开展的工作,包括开展海洋管理单元区划研究、制定科学的管理目标、建立和健全生态系统监测和评价系统、建立涉海机构和部门之间的有效合作机制以及扩展公众参与海洋管理的渠道等五个方面.     

气候变化南南合作视角下基于生态系统的适应的经验启示

本文在回顾基于生态系统的适应(EbA)应用实践与研究历程的基础上,总结了EbA南南合作的经验与启示,提出把握新机遇强化EbA南南合作的重要性,建议加强国内EbA实践经验的梳理和整合,为EbA南南合作提供技术支持;丰富EbA南南合作形式,支持气候变化适应领域谈判;强化多边合作机制,推动落实联合国可持续发展目标。     

美国排水综合毒性在有毒污染物排放控制中的应用方法与启示

简要介绍了排水综合毒性(whole effluent toxicity,WET)在美国的发展概况和相关技术指南、规范等内容,剖析了WET在美国水中有毒污染物排放控制中的应用方法,主要包括确定适用的WET基准与标准、表征废水特性以评价排水潜在毒性、计算WET排放限值和进行毒性削减评价。美国针对以上每个环节的工作都建立了一套科学的方法体系,为我国开展水中有毒污染物的排放控制管理提供了重要借鉴,即明确排污许可的核心地位,完善我国水中污染物排放控制管理制度;建立基于水环境质量的水污染物排放控制管理体系及方法;加强WET监测研究工作,确定WET用于水中有毒污染物排放控制的方法体系。     

基于Stacking的地面PM2.5浓度估算

为了解决地面PM_2.5监测网络在空间和时间覆盖受限的问题,提出了基于宽时空覆盖的卫星气溶胶光学厚度AOD,利用Stacking方法建立地面PM_2.5浓度估算模型,将AOD、PM_2.5和各气象参数以及与PM_2.5排放有关的数据进行训练,使用改进网格搜索对模型超参数进行优化,通过对多重共线性分析,建立基于Stacking的最优PM_2.5浓度估算模型。选取2016-01-01—2016-12-31的数据作为实验对象,结果表明:相比于随机森林、GBRT和XGBoost 3种模型,使用岭回归作为元学习器的Stacking模型性能更优,可见Stacking适用于大范围地理区域的大气污染监测。     

基于深度学习的大气细颗粒物污染时空预报

为尽可能减少PM_2.5重污染带来的环境和健康危害,对其进行及时准确的预报预警显得十分关键。文章使用WRF气象模型和CMAQ空气质量模型输出的2015年1-12月逐小时的中国地区27 km×27 km网格化气象场、污染排放和细颗粒物模拟浓度数据,训练深度学习预报模型。研究结果显示,深度学习预报结果与CMAQ模拟结果在测试集上的均方误差为10.52μg/m³,优于已有的大部分其他研究,深度学习在重点城市的PM_2.5预测浓度趋势与CMAQ基本一致,其RMSE为28.82μg/m³,整体空间分布也具有较好的一致性,可以准确重现CMAQ模拟结果。该研究进一步使用国控点实际观测数据对训练完成的深度学习预报模型进行优化,以减少CMAQ理论模型所带来的固有误差。优化后的深度学习模型预报结果在总体上更接近实际观测的真实结果。此外,深度学习模型的预报速度在相同CPU环境下比CMAQ模型提升93倍,在GPU加速环境下提升高达465倍,可以做到快速实时的浓度预报响应。该研究构建的耦合数值模型和实际观测数据的深度学习预报技术...