废塑料的识别和对环境无害处理及其处置的技术指导草案

前言巴塞尔会议于 1 992年开始实施并规范对发展中国家的有毒废物处理和跨界运输 ,其禁止修正案将不允许经回收和最终处置的有毒废物运输至发展中国家。废塑料的环境无害化管理与最终处置和鉴别的技术指导 ,主要为那些正在建立环境无害化和具有以有效方式处理废物的能力的国家提供指导 ;并帮助制定开发的详细程序、废物管理计划或战略。这些技术指导适用于在全国范围内产生和解决废塑料的对环境无害化处理方式 ,也包括进口废物。这些技术指导与其他指导废物处置和环境无害化回收技术指导的协同使用是很重要的。尤其是地上焚烧、特殊工程填埋…     

CDM的项目合格性识别分析

随着清洁发展机制(CDM)在全球的迅速发展,在中国也有越来越多的企业投入其中.在开发CDM项目的过程中,项目合格性的识别是第一步也是极其重要的一步,它关系到项目开发一系列步骤的顺利实施,更会对项目注册风险和减排量核证产生重大的影响.在识别项目合格性时需要考虑众多因素,其中最为重要的就是额外性分析,它是CDM项目的典型特征.另外,利益相关者的意见作为单独考虑的重要方面也需要引起足够的重视.     

飞机维修差错模式识别技术研究

飞机维修差错预防与控制是飞机维修的关键环节,其难点在于减少对分析人员知识水平的依赖有效识别维修差错。为克服传统方法有效性与通用性不足的缺点,本文提出了针对飞机维修差错模式识别框架,并构建了基于情景框架要素的飞机维修差错识别模型,主要包括情景要素构建、差错识别框架调用、关联性分析。实例仿真结果表明,该识别技术不仅能有效识别飞机维修差错,而且大幅减少分析人员自身的水平依赖,实现识别技术可视化,识别结果具有一致性,识别方法具有通用性。     

基于ISODATA算法的水上交通事故黑点识别

针对水上交通安全问题,基于ISODATA算法和水上交通事故等级综合加权平均法,构建水上交通事故黑点识别模型。结合道路交通黑点及现有水上交通多发区的研究方法,定义水上交通事故黑点;采用ISODATA算法分析水上交通事故空间分布特征,实现对水上交通事故空间的构建;对水上交通事故等级梯度赋值,以量化事故的严重程度,利用等级综合加权平均法确定黑点阈值。并以深圳西部港区水上交通事故为例进行模型应用,共识别出10处事故黑点及其边界,表明水上交通黑点识别模型能有效识别水上交通黑点的空间分布及特征,为水上交通安全状态分析提供了一种度量方法。     

查干湖汇水区面源污染风险识别及管控

面源污染是我国流域面临的主要水环境问题,为了识别面源污染高风险区和潜在风险路径,实现流域水环境保护,以查干湖水质目标为约束条件,构建4类关键“源”景观.选取高程、坡度、土地利用类型、污染强度、距居民点距离、距公路距离、距铁路距离、距水体距离等8个评价因子构建阻力面,对查干湖汇水区面源污染风险区和风险路径进行识别,提出管控分区和治理措施.结果表明:①查干湖汇水区关键“源”景观有4类,分别为面源污染单位面积高负荷区、坡度>3°区域、污染传输通道和临湖区域,面积共126.33 km2.②查干湖汇水区面源污染高风险区即面源污染重点管控区,占汇水区总面积的27.10%,主要位于乾安灌区有字泡区域、查干湖及周边泡沼沿岸.区内现有耕地不再增加,同时对坡度较大的区域退耕还湿、退耕还草,并设置污染降解设施.③查干湖汇水区面源污染较高风险区即面源污染一般管控区,占汇水区总面积的20.23%.该区鼓励开展有机农业,发展生态旅游.④查干湖北岸和东南岸、库里泡周边设置一定宽度的植被缓冲带,汇水区设置生态降解渠道333.41 km,生态湿地节点9个.研究显示,污染排放强度是查干湖汇水区面源污染风险的主要威胁因素,需要重点加强查干湖汇水区乾安灌区有字泡、湖区北岸及东南岸的面源污染管控.      

基于RBF神经网络的矿井突水水源识别方法研究

采用Na++K+、Ca2+、Mg2+、Cl-、SO42-和HCO3-六种常规水化学指标作为矿井突水水源识别的依据,利用Piper三线图分析了各充水水源水化学特征,筛选出适用于模型构建的样本。运用SPSS软件构建RBF神经网络,对6组待测样本进行识别。结果表明:RBF神经网络对孔隙水、地表水和奥灰水的判别正确率均为100%,对于砂岩水和太灰水的判别正确率分别为91.7%和50%;经过待判检验,RBF神经网络待判检验正确率为92.3%。     

基于PCA-BP神经网络的多股铜导线 熔痕定量金相识别方法研究

为实现火灾现场中多股铜导线熔痕的自动识别,采用主成分分析(PCA)和反向传播(BP)神经网络算法对四种多股铜导线熔痕(一次短路熔痕、二次短路熔痕、过负荷熔痕和火烧熔痕)的金相组织进行了识别研究。利用Image-Pro Plus 6.0和Axio-Imaging软件获取每种熔痕30组17维金相组织参数数据,采用PCA对四种熔痕共120组数据降维,获得前6个主成分得分矩阵,建立具有6个输入层节点,10个隐层节点和4个输出节点的神经网络模式识别模型。随机抽取每种熔痕的20组样品的主成分得分矩阵作为训练集,将每种熔痕的剩余10组主成分得分为测试数据,输入最终训练完成的模型进行识别,其识别准确率达到92.5%。实验结果表明采用PCA+BP神经网络的算法,可以较好地实现多股铜导线熔痕识别,为火灾物证鉴定工作提供了有力的工具。     

智能视觉视角下DCS高危现场意外状况的识别方法研究

DCS分布式控制系统的高危现场意外状况仅仅以传感信号进行识别,很难保证识别过程的抗干扰性。为解决这一问题,提出基于智能视觉的DCS高危现场意外状况识别方法。采用计算机视觉特征方法采集DCS高危现场视觉图像,对视觉图像实施小波降噪预处理,提取降噪后DCS高危现场视觉图像边缘轮廓特征,根据该特征采用关键点帧扫描技术判断DCS高危现场关键点,完成DCS高危现场意外状况识别。实验结果表明,所提方法能够准确识别DCS高危现场的意外状况,具有效率高、抗干扰性强的优势。     

基于智能手机采集数据的施工活动识别

施工人员的活动监控对施工安全管理及预防职业疾病至关重要。为提升施工安全的智能化管理水平,对楼板钢筋工程施工中的8个主要活动进行识别。为弥补单一传感技术采集维度不足的缺陷和集成传感技术对系统灵活性的限制,采用智能手机内置加速度传感器和陀螺仪采集试验人员模拟施工人员活动时的加速度和倾角数据,并提取平均值、标准差、协方差、四分位距(IQR)为活动的特征矢量。通过决策树中的CART算法建立分类训练模型,采用“交叉验证法”对模型进行评估和验证。测试结果表明:对于样本个体的平均分类准确率为95.28%,预测准确率为92.86%;样本总体的分类准确率为89.67%,预测准确率为94.82%。研究表明,基于智能手机采集数据的决策树模型可以用于施工人员的活动识别。