密云水库流域2000-2005年植被覆盖度变化监测

植被是生态系统最重要的组成部分,而植被覆盖度是衡量地表植被状况的一个最重要的指标,是生态系统健康评价的前提和必要的基础。文章利用2000和2005年2个时相的Landsat 7 ETM+遥感影像为数据源,以BP神经网络法为植被覆盖度估算模型,计算了密云水库流域内不同时期的植被覆盖度,生成了该流域2个时相内的植被覆盖度图,以此分析密云水库流域植被覆盖度的时空变化。结果表明,从2000-2005年,密云水库流域内除无植被覆盖类型外(即水域部分),其余土地利用类型的植被覆盖度都呈增加趋势,其中以沙质地和耕地最为明显,分别增长了29.5%和27.3%,并且密云水库流域的平均植被覆盖度不高,尤其西部地区植被覆盖度较差,水土流失和土地沙化情况比较严重。     

“十二五”地表水国家环境监测网络吉林省水环境国控监测点位布设的构想

根据国家环境质量监测网络,对“十二五”地表水环境质量监测断面调整工作要求,吉林省在辖区内所有水环境质量监测断面及采样点基础上,完成了松花江流域和辽河流域国控监测断面的优化调整工作。在此过程中,如何从国家尺度上,既能充分反映吉林省水环境质量状况,又能满足国家对地表水环境管理需求进行了深入思考。本文以吉林省为例,在确定国控监测断面及采样点的布设中．提出了自己的构想和建议。     

基于MATLAB的BP神经网络模型在漠阳江水质评价中的应用研究

为提高水质评价的准确性,基于MATLAB及人工神经网络理论,采用误差反向传播的BP算法建立漠阳江水质评价模型,充分利用神经网络的非线性映射特性,取7项常规地表水水质评价指标对漠阳江水质进行评价,并将BP神经网络评价结果与单因子评价法及综合指数法的评价结果进行比较,网络运行结果表明一致效果良好.同时较传统的水质评价方法,该网络具有较高的识别精度,提高了水质评价等级的准确性,使评价的结果更具有科学性.     

基于Logistic回归的燃气管网风险因素重要度分析方法研究

为确定燃气管网风险评估的关键风险因素,以A省各地市燃气管网为研究对象,基于燃气专家经验确定燃气管线风险等级,提出基于Logistic回归的燃气管网风险因素重要度分析方法。采用样本增强及随机抽样的方式,选取400个均衡样本作为管网评估数据输入,通过因子分析方法对其进行降维,得到3个公共因子并作为一级指标反向构建燃气管网风险评估指标体系;利用有序多分类Logistic回归方法,根据回归系数绝对值大小对风险因素进行重要度排序。研究结果表明：外界环境对燃气管网风险的贡献程度相对较高,管道自身因素和巡检养护次之。研究结果可为城市燃气风险防控提供理论依据和方法参考。     

基于大数据挖掘技术的地震舆情感知研究

对地震舆情信息的深入感知和有效管理,能够保障社会和谐发展.提出一个基于大数据技术和深度学习的地震舆情感知平台,基于Hadoop和MongoDB大数据技术实现对海量实时地震舆情数据的处理和存储.基于Word2vec和LSTM的融合模型能够有效实现震后网民的情感识别,为舆情预警提供支持.以台湾5.8级地震舆情数据为例,对该...     

某储罐区火灾多米诺效应场景推演

化工园区中危险源众多,一旦发生事故很容易在整个园区内蔓延和发展.针对化工园区内储罐密集,容易引发连锁反应导致事故扩大的特点,利用FDS软件对储罐火灾场景进行数值模拟,根据储罐所受热辐射确定化工园区内储罐火灾最可能的事故发生序列,并引入基于设备失效前时间的机械设备故障概率模型对罐区内单个储罐的火灾风险进行研究,得到储罐区...     

活塞风影响下地铁火灾烟气运动规律的数值模拟研究

地铁车站及地铁列车为人流密集的公众聚集场所,一旦发生火灾事故伤亡损失往往非常惨重,因此深入开展地铁火灾安全的研究有助于地铁安全管理工作。在合理分析地铁站台和列车火灾荷载的基础上,采用数值模拟方法对活塞风情况下地铁区间隧道火灾问题进行了模拟计算和分析,研究了在活塞风影响下的烟气蔓延规律和温度分布情况,其结果有助于提高地铁车站的运营的安全管理和发生火灾后的疏散指挥能力。     

某复合型地铁车站站台防排烟方案研究

在地铁站台火灾中,机械排烟和补风对于有效排出站台烟气至关重要,地铁设计规范要求采用正压送风方式来防止烟气经扶梯和楼梯流入站厅层。对于复合型地铁站台而言,站厅层可能与其它建筑共用,建筑面积较大,难以提供足够的风压进行正压送风。本文利用性能化防火设计方法对多种站台防排烟方案进行研究,并提出了分析流程。本文还针对某实际工程案例验证了这一流程的可行性,并据此选择了一种将机械排烟和补风有机结合的防排烟方案。本文的研究工作对其它类型地铁站台防排烟方案具有参考价值。     

Application of dynamic risk analysis in offshore drilling processes

Process safety is the common global language used to communicate the strategies of hazard identification, risk assessment and safety management. Process safety is identified as an integral part of process development and focuses on preventing and mitigating major process accidents such as fires, explosions, and toxic releases in process industries. Accident probability estimation is the most vital step to all quantitative risk assessment methods. Drilling process for oil is a hazardous operation and hence safety is one of the major concerns and is often measured in terms of risk. Dynamic risk assessment method is meant to reassess risk in terms of updating initial failure probabilities of events and safety barriers, as new information are made available during a specific operation. In this study, a Bayesian network model is developed to represent a well kick scenario. The concept of dynamic environment is incorporated by feeding the real-time failure probability values (observed at different time intervals) of safety barriers to the Bayesian network in order to obtain the corresponding time-dependent variations in kick consequences. This study reveals the importance of real-time monitoring of safety barrier performances and quantitatively shows the effect of deterioration of barrier performance on kick consequence probabilities. The Macondo blowout incident is used to demonstrate how early warnings in barrier probability variations could have been observed and adequately managed to prevent escalation to severe consequences.     

基于BP神经网络的受限空间火灾联合探测方法

针对航空受限空间火灾探测高误报的问题,在现有技术成果基础上对多种火灾探测方式进行研讨,并提出1种基于BP神经网络技术的飞机机身内部受限空间火灾联合探测报警方法。该方法结合现有烟雾感应、气体传感器探测等常用火灾探测技术,以红外热成像探测为辅助手段,采用神经网络实现数据融合,对模拟实验舱火灾烟雾进行联合探测,在单一火灾探测方式基础上提高了探测准确率。