都江堰灵岩山3种人工林优势物种叶片的有机组分特征

叶片的有机组分特征不仅是植物光合产物分配策略和养分回收的重要参数,而且是衡量凋落叶分解难易程度的重要指标.为探究不同植物群落叶片间有机组分的差异,以华西雨屏区人工林的优势乔、灌、草植物作为对象,收集其成熟叶及凋落叶,研究其水溶性组分(water soluble component,WSC)、有机溶性组分(organic...     

全总联手国家煤矿安监局赠书 煤矿群众监督员获赠培训教材

8月14曰，中华全国总工会、国家煤矿安全监察局在开滦矿业集团唐山矿业公司举办向特聘煤矿群监员赠书活动暨座谈会。 全总书记处书记、纪检组组长张鸣起，国家煤矿安全监察局局长赵铁锤等领导向特聘煤矿安全群众监督员代表赠送了《特聘煤矿安全群众监督员工作实用手册》。     

论减少井下排矸量对煤炭清洁开采的意义

<正>煤炭是重要的能源和原料,但在煤炭的开采、加工过程中会排放出大量的污染和废弃物,如矸石、井下废气、粉尘、污水等,严重污染环境,而控制污染的措施之一就是清洁开采。采煤过程中排放的矸石,主要来源于井下岩石巷道掘进、半煤岩巷掘进、煤仓和溜煤眼的掘进以及采煤工作面的矸石(掺入煤炭中的顶、底板岩石或煤层夹矸中的岩石)。它与矿井开拓系统和采区巷道布置紧密相关。随着     

"专管"与"群管"

在企业安全生产过程中,坚持安全生产管理专业技术人员的“专业管理”与一线广大职工群众的“群众管理”相结合的原则,做到既有安全生产管理专业技术人员的“专管”,又有一线广大职工群众积极参与的“群管”,两者相互补充完善、相互促进,是做好企业安全生产工作,防止或降低各种生产安全事故的有效手段之一。首先,安全生产管理专业技术人员在掌握国家有关法律法规、专业技术标准,各种设施、危险品的特性,以及安全防护装置的作用原理、用途等方面有明显优势。其在推广新技术,有计划地淘汰危险性高、安全性能差的设施,发现和处理深层次的重大事…     

农村突发公共卫生事件应急医疗设施选址研究

为提高农村突发公共卫生事件应急医疗设施选址决策的科学性,基于新冠肺炎(COVID-19)疫情传播迅速,危害性强的突发公共卫生事件特征,依据应急医疗设施设计标准并兼顾农村医疗预算少、应急道路崎岖的特点,首先,选取设施备选地工程地质条件、单位成本、传染率、抵达时间、场所规模以及服务覆盖区域6项影响因素,将熵值法(EVM)和层次分析法(AHP)有效结合确定影响因素权重;其次,建立考虑患者到应急医疗设施的距离之和最小以及所选择应急医疗设施的综合评价值最优的多目标选址模型;然后,设计改进的粒子群优化(IPSO)算法求解模型,得到选址决策;最后,选取天门市部分村庄进行实证分析,以验证模型算法的有效性。结果表明：传染率和单位成本是建设应急医疗设施主要影响因素,IPSO算法选取3个应急医疗设施,能够满足8个村庄患者的治疗需求,并保证患者在4～7 min内就医,为高效开展疫情防控活动提供保障。     

基于IPSO-LSTM的新能源汽车锂电池健康状态监测

为监测新能源汽车锂电池的健康状态(SOH),防范电池故障引发安全事故风险,提出改进粒子群算法(IPSO)和长短期记忆(LSTM)神经网络相结合的模型,监测锂电池的SOH。首先,采用Spearman相关性分析法,提取锂电池SOH监测的健康因子;其次,采用线性惯性权重和非对称学习因子改进传统粒子群算法(PSO),利用IPSO算法对LSTM模型的隐含层神经元个数、神经元失活率、批处理值进行关键参数寻优,进一步优化LSTM模型,建立IPSO-LSTM锂电池SOH监测模型;最后,以新能源汽车主流采用的18650锂电池数据集验证IPSO-LSTM模型,并对比分析BP、LSTM和PSO-LSTM这3种模型。结果表明：IPSO-LSTM模型的平均绝对误差(MAE)在0.02以内、均方根误差(RMSE)在0.03以内,监测误差在15%以内,相较于BP、LSTM、PSO-LSTM模型,IPSO-LSTM模型的误差指标值均最小,模型具有更高的精度和稳定性。     

基于ADPSO-FNN算法的催化再生烟气二氧化硫预测方法

为了解决催化裂化装置再生器出口烟气二氧化硫质量浓度难以实时预测的问题,提出一种基于自适应粒子群优化-模糊神经网络(Adaptive Particle Swarm Optimization-Fuzzy Neural Network, ADPSO-FNN)算法的催化再生烟气二氧化硫质量浓度智能预测方法。首先,针对数据来源多,且来自数据采集系统(Data Collection System, DCS)与实验室信息管理系统(Laboratory Information Management System, LIMS)中多维数据时间尺度不匹配的问题,利用基于自适应回归算法实现多时间尺度的数据清洗;其次,建立基于模糊神经网络算法的二氧化硫质量浓度预测模型,提取再生烟气产排过程中的动态特性;然后,提出基于动态惯性权重和学习因子机制的自适应粒子群算法,平衡全局探索能力及局部开发能力,实现再生烟气二氧化硫质量浓度的预测;最后,利用炼厂检修前、后的数据分别建立二氧化硫预测模型并进行测试。结果显示：该预测方法实现了催化再生器出口二氧化硫的准确预测,解决了现场多时间尺度数据难以建模的问题。     

提高GPS定位精度的群调度滤波算法*

为解决现行安全生产科技领域中全球定位系统（GPS）/惯性导航系统（INS）融合系统容易产生较大时变误差的关键问题,满足GPS定位信号的精度和信号数据处理时间的要求,提出1种群调度滤波算法,通过实验仿真,分别与模糊算法、机器学习算法及卡尔曼滤波网络算法进行比较研究。结果表明:群调度滤波算法兼顾了定位精度与数据处理时间,具有较大优势,可在航空安全、船舶安全、应急监测、灾后抢险等安全科技领域广泛应用。     

基于机组受扰轨迹同调分群的实际电网解列配置

针对大型电网中区域性电网失稳的失步振荡问题,以华北2020年规划电网和东北电网2013年500 kV线路相间短路故障为研究对象,根据同调分群解列原理,提出了基于机组受扰轨迹同调分群的解列配置流程。结果表明:基于机组受扰轨迹同调分群的解列配置方法与常规解列配置方法相比,解列断面的设置思路更加清晰,并且,可以有效地解决多群振荡问题。     

兰-白城市群主要大气污染物网格化排放清单及来源贡献

甘肃兰-白城市群为我国西北地区重要的重工业基地,大气污染物排放总量较大.研究高空间分辨率的污染物排放清单对于区域空气质量预报预警、减排方案模拟研究及大气污染防治等具有重要的科学意义.本文以兰州和白银为主要研究区域,基于研究区域污染源排放及统计年鉴等数据资料,建立了兰(2015年)-白(2016年)城市群7种(类)主要大...