多阶段优化规划模型在天津应急资源基站优化规划中的应用

利用多阶段优化选址规划模型对天津市进行应急资源基站的选址规划研究.首先,利用集合覆盖模型(LSCP)确定满足需求的最小应急物流基站数,然后利用最大覆盖模型(MCLP),在备选位置中,根据不同的应急时间标准确定满足需求的合适位置作为应急物流基站的选址.通过计算,分别得到在30 min、45 min和60 min的不同应急时间标准下覆盖天津市全境所需的应急资源基站数以及合理的选址规划方案.研究表明,多阶段选址规划模型将选址规划问题分步骤解决,使问题简化,可以应用于不同的城市安全规划过程,为城市应急管理提供了应急决策依据,有效提高了城市应急管理能力.     

广义最大覆盖模型在消防站优化选址中的应用

针对目前我国城市消防站建设存在的数量不足、责任区面积过大、选址缺乏科学性等问题,引入广义最大覆盖模型,探讨城市消防站的优化选址方法.广义最大覆盖模型很好地解决了传统最大覆盖模型中假设覆盖度为二元值的缺陷,通过分段递减函数,将覆盖度表示为0～1之间的连续值,实现了供应点对所有需求点的覆盖.同时,本研究还考虑不同区域的火灾风险等级并设定了相应响应时间限值,通过对最短响应时间和响应时间限值的比较,得出候选消防站点对各个需求点的覆盖度水平.通过实例对广义最大覆盖模型的有效性进行验证,并利用LINGO软件进行求解.研究表明,广义最大覆盖模型可实现供应点以不同程度覆盖所有需求点,更适用于消防站类应急设施的选址问题.     

"参考声级校准法"研究初探

如何解决环境噪声监测系统的自动校准问题,是困扰现阶段我国环境噪声自动监测工作走向实用化的难题.文章首次提出"参考声级校准法"的概念,并利用数字校准的方式实现了自动声级校准,对"参考声级校准法"实现方法作了简要的说明与阐述.     

黔江区饮用水源地水质模糊综合评价研究

采用模糊综合评价模型的最大隶属及加权平均原则对黔江城区饮用水水源地(小南海水库、城北水库和洞塘水库)水质进行评价,并将评价结果与常规单因素分析法、富营养化评价的结果作对比分析。研究表明,采用最大隶属原则评价显示3个水源地的水质基本保持在Ⅱ类以上,采用隶属度加权平均原则评价水质结果为1.47级,而单因子评价结果显示3个水源地水质结果均为Ⅲ类以上。另外,模糊综合评价结果与富营养化评价结果相一致,说明模糊综合评价模型评价结果更直观、连续。     

降雨影响噪声自动监测数据的有效性判定分析

选取北京市近5年夏半年（4—9月）夜间的降雨数据及相关噪声自动监测小时等效声级,对小时雨量与噪声自动监测数据进行数学统计分析,找出影响噪声监测数据的小时雨量值及不同声级受雨噪声影响的雨量限值,作为降雨对噪声自动监测小时等效声级的有效性判定条件。     

燃放烟花爆竹对声环境评价的影响

噪声自动监测系统可以对噪声进行长期连续监测。通过对连续两年的北京市自动噪声监测数据进行分析表明,烟花爆竹燃放噪声能够对声功能区环境评价参数昼间等效声级、夜间等效声级及其达标率产生较大影响。尤其是1、2类声功能区影响可使等效声级提高10dB,达标率降低3%。提示有必要把节日的燃放噪声与其他噪声分开,单独分析。     

基于MERIS数据的太湖悬浮物与叶绿素a遥感估算研究

基于MERIS数据,采用最大叶绿素指数算法,分别建立太湖悬浮物浓度与叶绿素a浓度的估算模型。经误差分析证明,该模型适宜检测悬浮物与叶绿素a质量浓度范围分别为15 g/m3～80 g/m3与10 mg/m3～20 mg/m3的水域,可用于太湖水体悬浮物与叶绿素a的MERIS遥感估算。     

情绪对驾驶行为影响研究北大核心CSCD

不良情绪是引发交通事故的因素之一。为预防由驾驶员情绪引发的交通事故,利用3层因果分解(驾驶员神经兴奋一驾驶员原始反应—车辆状态)深入分析情绪对驾驶行为的影响。设计并完成模拟驾驶试验,采集驾驶员高兴、悲伤、愤怒和恐惧4种情绪状态下的心电信号和行车数据;采用基线信号消除方法,分析驾驶员心跳间期、转向角和最大车道偏离在不同情绪下的变化值。结果表明:驾驶员在所有情绪状态下都有明显的交感神经兴奋并伴随着转向角度值增加。在高兴和愤怒情绪状态下,会产生更明显的车道偏离,驾驶员趋向更危险的驾驶行为;在悲伤和恐惧情绪状态下,产生较小范围的车道偏离,驾驶员趋向相对安全的驾驶行为。     

塑料污染的“危险”

我的老家尹村是个体工厂的集聚地,尤其以生产塑料的小工厂最多。近几年老家的环境越来越差,老乡们很少能呼吸到新鲜的空气。可是这个村的人们为了牟取暴力不惜伤害自己的身体。真是村里人们事业蒸蒸日上,赚取的利润越来越多,可身体是越来越差。调查结果显示:食用水受污染的程度最大,家家户户几乎每天都在精挑细选买水和实物。     

沙漠化遥感分类方法对比分析——以新疆塔河下游为例

新疆是我国受沙漠化危害最严重的省区,而沙漠化信息提取是遥感专题信息提取的难点之一,探索合适的沙漠化遥感分类方法可以为相关部门提供决策支持.本文利用TM&ETM遥感影像对比分析了现有主要应用的最大似然、最小距离、决策树等几大分类方法在沙漠化分类中的应用,结果显示:①传统的最大似然方法分类精度及出图效果等各方面优于SVM、最小距离及决策树方法.最大似然的分类总精度以及Kappa系数分别达到96.43％和0.95,分类精度随先验概率的增大而减小,混淆程度小,结果图清晰,能反应真实的沙漠化分布情况.②SVM径向基函数分类可以达到分类目的,当γ逐渐增大时精度增高,混分较稍严重,可以反应真实的沙漠化分布情况.③最小距离精度较低,有严重的漏分现象,能一定程度上反应沙漠化的分布情况.④决策树分类法的精度低,分类指数筛选复杂,分类结果图并不能很好的反应真实的沙漠化分布情况.