水喷淋作用下建筑通道烟气蔓延特性模拟研究

采用数值模拟研究在单喷淋作用下建筑通道内烟气的蔓延特性,并对不同喷淋压力条件下烟气质量流量、温度及CO体积分数随时间的变化进行对比,对引起喷淋作用下烟气蔓延速度及烟气成分浓度变化的主要原因进行了分析。结果表明,增加喷淋压力对烟气的降温作用增强,降低了烟气在通道内的蔓延速度;同时,喷淋引起的烟气拥塞增加了流出喷淋覆盖区的烟气的CO体积分数,使得烟气毒性加大。     

基于模糊聚类的国防工程电磁脉冲防护策略探讨

为实现对国防工程内部众多电气设备进行有效合理的防护,达到国防工程对电磁脉冲的整体防护要求;以人防工程为例,分析人防工程内部电气设备的功能特点,确定其评估指标体系,利用模糊聚类的方法,对人防工程内部的电气设备进行模糊聚类,通过对模糊聚类结果的分析,探讨对不同种类的电气设备的防护策略。通过模糊聚类模型而实现的分类防护,可以提高人防工程对电磁脉冲的整体防护效率。采用的方法也可以应用到其他国防工程的电磁脉冲分类防护中去。     

湖南省工业领域碳减排与空气质量改善协同

气候变暖和空气污染是我国当前面临的主要环境问题.综合使用中国碳核算数据库、能源经济模型和空气质量模型,研究我国湖南省工业领域潜在碳达峰路径及其空气质量协同改善增益.基于中国碳核算数据库和相关工业/能源统计年鉴分析指出,湖南省2019年CO₂排放总量为310.6 Mt,其中工业领域排放占比超70%,主要来自于电力、蒸汽、热力的生产和供应业,非金属矿物制品业及黑色金属的冶炼和压延业等行业.综合考虑未来各工业行业经济增长速率、能源技术进步程度和能源结构优化调整等因素,使用LEAP能源经济模型设置并分析了3种潜在的工业碳达峰情景,包括趋势照常情景（2030年达峰）、中度减排情景（2028年达峰）和强化减排情景（2025年达峰）.进一步结合人为源大气污染物排放清单和区域空气质量模型WRF-Chem,以排放行业-部门的同源对应关系为桥梁,模拟分析不同碳达峰路径下空气质量改善响应.结果指出,在3种碳达峰情景中,主要大气污染物浓度均有所降低,长株潭地区尤为显著;强化减排情景力度最大,中度减排情景次之,趋势照常情景相对最弱.制造业减污降碳的协同效果最佳,在不同情景实现碳达峰时,可分别减少ρ（PM_2.5）和ρ（PM₁₀）年均值0.6~1.8 μg·m^-3和1.8~8.9 μg·m^-3.研究可为国家和区域的减污降碳协同实践提供参考和决策依据.     

京津冀地区重点耗煤行业大气污染物排放清单研究

本研究通过京津冀地区各行业的年度煤炭消费量确定火电行业、钢铁行业和焦化行业为重点耗煤行业,以在线监测数据、污染源调查(现场调研、环评、验收)数据、排放因子数据为基础,自下而上建立了2013年京津冀地区重点耗煤行业大气污染物排放清单,分析研究了SO_2、NO_x和PM_(10)的排放量与污染贡献分布情况,掌握了京津冀地区重点耗煤行业大气污染物排放现状,为大气污染物减排提供数据基础。研究表明,2013年京津冀火电、钢铁焦化行业共排放SO_2 72.35万t、NO_x 131.99万t、PM_(10) 30.36万t。     

交通领域减污降碳协同控制研究回顾及展望

交通运输行业是二氧化碳和空气污染物排放的主要贡献者之一,开展交通领域的减污降碳协同控制政策是实现“双碳”目标和空气污染防治的迫切需要。本研究追溯了交通领域减污降碳协同控制的起源及发展,回顾了交通领域协同减污降碳的主要路径,具体包括交通基础信息协同、交通排放清单编制协同、交通减排目标设定与减排情景分析协同、交通减排技术及措施工具箱协同,以及交通减排保障措施协同。然后,从研究范围、研究方法、协同度评价体系构建、污染相关健康协同效应、研究区域等方面对交通领域减污降碳协同控制的研究实践及特点进行了分析,并相应提出了对未来研究的展望。     

基于贝叶斯网络的航空器看错落错跑道事件研究

目前,航空器看错、落错跑道事件在国际上是一个相当突出的安全问题,这个问题在我国近年也突显出来。导致航空器看错落错跑道的原因十分复杂,且此类事件及易引发严重的后果,造成人、财、物等多方面的损失,本文特对此类问题开展了一系列的研究。为了预防航空器看错、落错跑道事故的发生,查找诱发该类事故的因素,针对航空器看错、落错跑道事故的形成特点,笔者运用贝叶斯网络探讨其各影响因素间的关系和相互作用,该网络强大的逻辑推理能力,克服了不完备样本空间带来的不足,揭示了人、机、环境与管理因素相互作用的内在规律。为改善机场安全管理的科学性、可靠性,进一步降低事故率,提供了可靠的技术支持。     

长江流域近50年来的气温变化特征

分析了1951~2000年长江流域（上、中、下游）的平均气温、平均日最低气温、平均日最高气温随时间的变化趋势特征。结果表明：长江流域近50年来年平均气温、年平均日最低气温、年平均日最高气温在20世纪50年代明显偏高,60~80年代波动下降,80年代中后期以后有所上升,90年代较80年代增温0.3℃~0.6℃之间;同时不同季节、不同区域气温呈现不同的态势,冬季平均气温、平均日最低气温在60年代以后呈上升趋势,而平均日最高气温呈下降趋势,夏季平均气温、平均日最低气温、平均日最高气温均以降温为主。     

釜溪河自贡城区段季节性低氧成因研究

釜溪河为沱江一级支流,在自贡城区段设有国考碳研所断面。收集碳研所断面近10年来水质自动站数据,分析溶解氧(DO)变化特征,采样调查釜溪河自贡城区段水质及河道底泥污染状况,采用相关性分析、数值模拟等,研究分析釜溪河自贡城区段溶解氧分布特征及碳研所断面季节性低氧成因。研究结果表明,碳研所断面的溶解氧质量浓度变化特征呈现春末夏初最低,白天高晚上低的特征。釜溪河碳研所断面河水耗氧类污染物质量浓度较沱江流域内其他断面高,耗氧强度较大,溶解氧质量浓度较沱江流域其他断面偏低;其次,研究河段中釜溪河污水厂以下河段受污水厂低氧水排入和金子凼堰底层低氧水下泄影响,其溶解氧水平整体较污水厂以上河段低;最后,河段底泥有机质含量较高,春夏季气温升高将导致微生物分解活性增强大量消耗溶解氧,同时,闸坝和外来水体排入的水文扰动造成污水厂以下河段水温梯度弱,表层溶解氧易受底层低氧水影响,促使断面形成季节性低氧现象。溶解氧预测模型结果也进一步证实了温度变化和垂向温度梯度弱是碳研所断面溶解氧质量浓度季节性偏低的主要因素。     

基于深度学习的大数据空气污染预报

为了更好地反映环境污染变化趋势,为环境管理决策提供及时、全面的环境质量信息,预防严重污染事件发生,开展城市空气质量预报研究是十分必要的.本文针对环境大数据时代下的城市空气质量预报,提出了一种基于深度学习的新方法.该方法通过模拟人类大脑的神经连接结构,将数据在原空间的特征表示转换到具有语义特征的新特征空间,自动地学习得到层次化的特征表示,从而提高预报性能.得益于这种方式,新方法与传统方法相比,不仅可以利用空气质量监测、气象监测及预报等环境大数据,充分考虑污染物的时空变化、空间分布,得到语义性的污染物变化规律,还可以基于其他空气污染预测方法的结果(如数值预报模式),自动分析其适用范围、优势劣势.因此,新方法通过模拟人脑思考过程实现更充分的大数据集成,一定程度上克服了现有方法的缺陷,应用上更加具有灵活性和可操作性.最后,通过实验证明新方法可以提高空气污染预报性能.     

Near-term forecasts of stream temperature using deep learning and data assimilation in support of management decisions

Deep learning (DL) models are increasingly used to make accurate hindcasts of management-relevant variables, but they are less commonly used in forecasting applications. Data assimilation (DA) can be used for forecasts to leverage real-time observations, where the difference between model predictions and observations today is used to adjust the model to make better predictions tomorrow. In this use case, we developed a process-guided DL and DA approach to make 7-day probabilistic forecasts of daily maximum water temperature in the Delaware River Basin in support of water management decisions. Our modeling system produced forecasts of daily maximum water temperature with an average root mean squared error (RMSE) from 1.1 to 1.4°C for 1-day-ahead and 1.4 to 1.9°C for 7-day-ahead forecasts across all sites. The DA algorithm marginally improved forecast performance when compared with forecasts produced using the process-guided DL model alone (0%–14% lower RMSE with the DA algorithm). Across all sites and lead times, 65%–82% of observations were within 90% forecast confidence intervals, which allowed managers to anticipate probability of exceedances of ecologically relevant thresholds and aid in decisions about releasing reservoir water downstream. The flexibility of DL models shows promise for forecasting other important environmental variables and aid in decision-making.