Injury risk functions for frontal oblique collisions

Objective: The objective of this article was the construction of injury risk functions (IRFs) for front row occupants in oblique frontal crashes and a comparison to IRF of nonoblique frontal crashes from the same data set.

Method: Crashes of modern vehicles from GIDAS (German In-Depth Accident Study) were used as the basis for the construction of a logistic injury risk model. Static deformation, measured via displaced voxels on the postcrash vehicles, was used to calculate the energy dissipated in the crash. This measure of accident severity was termed objective equivalent speed (oEES) because it does not depend on the accident reconstruction and thus eliminates reconstruction biases like impact direction and vehicle model year. Imputation from property damage cases was used to describe underrepresented low-severity crashes―a known shortcoming of GIDAS. Binary logistic regression was used to relate the stimuli (oEES) to the binary outcome variable (injured or not injured).

Results: IRFs for the oblique frontal impact and nonoblique frontal impact were computed for the Maximum Abbreviated Injury Scale (MAIS) 2+ and 3+ levels for adults (18–64 years). For a given stimulus, the probability of injury for a belted driver was higher in oblique crashes than in nonoblique frontal crashes. For the 25% injury risk at MAIS 2+ level, the corresponding stimulus for oblique crashes was 40 km/h but it was 64 km/h for nonoblique frontal crashes.

Conclusions: The risk of obtaining MAIS 2+ injuries is significantly higher in oblique crashes than in nonoblique crashes. In the real world, most MAIS 2+ injuries occur in an oEES range from 30 to 60 km/h.     

供水管网震后流量监测点的动态分级优化布局研究

为了提高管网地震监测点布局的准确性和合理性,基于管网微观水力计算模型和动态分级法,提出供水管网震后流量监测点的动态分级优化布局模型。首先,利用管网微观水力计算模型计算管段流量的影响系数,构建管段的影响系数矩阵,并利用信息熵确定管段权重;其次,标准化处理影响系数矩阵,通过聚类迭代提出供水管网地震流量监测点优化布局的动态分级方法,对供水管网震后流量监测点进行优化布置分级评定;最后,根据工程实例进行方法实践,结果表明:供水管网中的管线分类较为科学合理,地震监测点在供水管网上分布也比较均匀,而且该模型在一定程度上消除了人为因素的影响,保障了震时管网的监控效果和日常建设的合理性。     

走滑断层作用下X80管道设计应变规律和神经网络预测

走滑断层是埋地管道常见的地质灾害威胁,断层作用下管道会发生较大的拉压应变而失效。为得到X80管道的设计应变,基于有限元方法建立了走滑断层作用下管道的应变响应数值计算模型,模型使用壳单元模拟管道,非线性弹簧单元模拟土壤约束,采用西二线实际工程的管道应变影响参数范围,计算了管道的设计应变;为预测管道的设计应变值,基于以上参数化分析得到的4 817组设计应变结果,采用人工神经网络建立了管道设计应变预测模型。结果表明:该神经网络模型预测结果的最大相对误差小于10%,预测准确性良好,且该方法具有较高的计算效率,可以为断层作用下埋地管道的应变设计与评估提供参考。     

基于情感思维的安全管理模式研究

为促进安全管理,提高效率与效果,对基于情感思维的安全管理进行研究,将情感思维融于安全管理,基于情感思维的定义、内涵及功能,具体分析安全管理中情感思维的功能及其功能综合作用,建立安全管理中情感思维功能作用理论模型;根据该理论模型分析情感思维驱动力及强化作用及其对安全目标实现的影响;建立基于情感思维的安全管理设计模式,最后提出优化安全管理的措施与方法,以促进安全管理的实施。研究表明:基于情感思维的安全管理研究,能较好地体现安全管理人本原理,发挥情感的能动作用,将理性融入其中与情感进行平衡,实现安全管理的优化。     

基于ACF-AMDF的气井环空液面回波特征提取方法

为了精确有效地提取声波法检测气井环空液位的回波周期,在分析环空中测试波的传播特征及基音周期检测的基础上,提出1种基于检测信号短时自相关函数(ACF)及平均幅度差函数(AMDF)的液面回波周期提取方法;利用自主搭建的室内模拟实验系统开展了不同初始环空压力下环空液位检测实验;对检测信号进行中心削波处理并计算ACF/AMDF,提取出液面回波周期并与理论计算值对比分析;同时分析了现场环空液位检测信号,提取其回波周期。研究结果表明:提出的新方法能有效地用于提取环空液面回波周期;室内实验中,该方法最大误差绝对值为1.54%;该方法能够有效抑制液面回波信号中的随机噪声及接箍反射波等,处理后的信号曲线在回波周期处峰值更加突出、集中,而在其他位置更加平滑,提高了对液面回波周期特征的辨识能力。     

我国居住建筑室内PM_(2.5)研究现状及进展

分析了我国居住建筑室内PM_(2.5)污染水平,总结了现阶段PM_(2.5)的研究方法,主要包括理论分析法、数值模拟法和实验测试法。指出室外源是室内PM_(2.5)的主要污染来源,而室内烟草烟雾、烹饪及人员活动也会严重影响室内PM_(2.5)浓度。针对目前研究中存在的问题,提出了标定典型建筑在不同影响因素下的I/O比范围、研究家具和家电的颗粒物释放状况、加强农村室内外空气颗粒物污染调查等建议。     

江苏省太湖流域水生态健康评估的初步实践及展望

阐述了水生态健康的内涵与意义,从江苏省率先在太湖流域开展水生态环境功能分区管理的顶层设计,构建以水生态健康指标为核心的水生态健康评估技术体系,地方对照水生态环境功能区划的水生态分级管控目标开展的应用与实践结果等3个方面,回顾了江苏省太湖流域水生态健康评估工作的主要进展,提出了完善水生态健康评估技术体系和推进流域水生态健康评估工作的建议。     

《环境监测 分析方法标准制修订技术导则》(HJ 168—2010)对土壤环境监测标准制修订适用性探讨

针对土壤环境监测的复杂性和特殊性,从空白试验、检出限、方法验证、质量控制和标准文本等方面,指出了《环境监测分析方法标准制修订技术导则》《HJ 168—2010》对土壤环境监测标准制修订工作的适用性和执行中存在的问题。提出,为保证土壤标准制修订质量和标准执行质量,应研究适宜土壤监测方法标准的质量控制指标体系和评价体系,及时修订《HJ 168—2010》或发布补充要求;对现有土壤监测方法标准进行技术评估,加强对于土壤标准制修订工作的指导和监管。     

我国环境监测方法标准体系的现状与发展构想

综述了我国环境监测方法标准体系的发展历程和现状,分析了环境监测方法标准在数量和内容及技术水平等方面不能满足环境管理需要、方法标准体系不健全、科学性有待提高等问题,提出加强环境监测方法标准的顶层设计、构建天地一体化的环境监测方法标准体系、实行动态管理并加强质控、加强监测科研借鉴国际经验等发展构想。     

GCMS法测定大气醛类恶臭物质的采样袋适用性研究

采用气袋采样-GCMS分析法测定大气中丙醛等5种醛类恶臭物质,对Tedler等5种不同材质采样袋进行适用性研究。结果表明,Tedler 2号采样袋对低浓度醛类回收率影响最小,低浓度醛类在其中能稳定存放12 h,在PVDFs采样袋中低浓度醛类须在6 h内测定,高浓度醛类在Tedler 2号采样袋和PVDFs采样袋中能较稳定地保存24 h,24 h内的回收率在78%以上。