危险废物焚烧设施二噁英类排放特征及周边土壤污染调查

调查了13座不同类型的危险废物焚烧设施及二噁英类排放模式及部分设施土壤的污染水平.结果表明,排放浓度同焚烧处理量没有显著的关系.4—6氯代PCDD/Fs和7—8氯代PCDD/Fs呈现出了不同的排放特征.4—6氯代PCDF/PCDD比值为60.58±1.98(95%置信区间),较通用的总PCDF/总PCDD比值更适于描述危险废物焚烧设施二噁英排放的特征.使用PCA及聚类分析方法将设施排放模式归类为3种模式.分布模式同焚烧设施炉型、处理量以及尾气处理方式等因素相关性并不显著.2,3,4,7,8PeCDF对I-TEQ的贡献为35%—45%,并与I-TEQ具有很高的相关性.厂区土壤中二噁英浓度水平约为8—14ngI-TEQ.kg-1,周边土壤浓度为1—4ngI-TEQ.kg-1左右,均处于较低水平,调查设施周边土壤的使用目前尚无明显风险.危险废物设施对周边土壤的环境风险需要进一步评估.     

衡阳市糖尿病患病现况调查分析

目的:了解衡阳市糖尿病的患病情况及其流行特征,分析有关危险因素,为制定糖尿病的控制规划提供依据.方法:采用分层随机抽样方法,对衡阳市5个区年满20岁以上的常住居民进行调查,研究内容包括问卷调查、体格检查和实验室检测.结果:糖尿病的患病率为8.08%,男女之间糖尿病患病率差异有统计学意义.糖尿病患病率随年龄增长、体重指数的增加、体力活动减少和文化程度降低等呈上升趋势.结论:衡阳市糖尿病患者多,潜在危险大,防治任务重.表5,参8.     

武汉月湖水体主要元素与浮游植物的PCA与CCA分析

通过2007年1—12月对武汉月湖不同的取样点进行监测,并选择汉江琴台段水域作为研究对照,调查了月湖水体硅藻、蓝藻与水体主要元素的种类,采用PCA、CCA分析法探讨了月湖水体硅藻、蓝藻与水体元素种类的关系。结果表明：月湖水体中所含元素全年监测出28种;汉江琴台段水域中所含元素全年监测出27种。经PCA分析表明,月湖水体中累计贡献率较大为磷（P）、砷（As）、铁（Fe）、铜（Cu）、锰（Mn）;汉江琴台段水域累计贡献率较大为硅（Si）、锑（Sb）、镉（cd）、钒（V）、钡（Ba）、Ag（银）、钼（Mo）。月湖水体中蓝藻密度大于硅藻,汉江琴台段水域硅藻密度大于蓝藻。经CCA分析表明,月湖硅藻密度与硒（Se）、锶（sr）、银（Ag）、Ba、铝（A1）呈正相关关系;月湖蓝藻密度与P、Cu、铬（Cr）呈正相关关系,月湖蓝藻密度与镁（Mg）、镍（Ni）、钙（ca）、锌（zn）、硫（S）呈负相关关系。CCA分析中,汉江琴台段硅藻密度与铅（Pb）、硼（B）、As、Cr、Zn、A1、Cu、Mn、Fe、P呈负相关关系,汉江琴台段硅藻密度与Mo、ca、钴（Co）、V、Sr、Ag呈正相关关系;汉江琴台段蓝藻密度与钠（Na）、S、Mg、Ni、钾（K）呈负相关关系。月湖水体缺乏可溶硅（dissolvedsilicon,DSi）,硅藻会提升对其他元素（Se、Sr、Ag、Ba、A1）的吸收能力,这些元素会起到缺乏元素（si）近似的作用,替代性可能出现。水中各种元素的组态是导致月湖浮游植物群落发生演变的重要原因之一。     

基于主成分分析和神经网络的事故预测方法及应用

为解决人工神经网络(ANN)对复杂系统进行事故预测建模时,易导致网络复杂,降低网络性能和增大预测误差的问题,提出一种基于主成分分析法(PCA)的ANN事故预测方法。介绍PCA法和ANN的基本理论,阐述基于PCA法的ANN事故预测模型及其预测步骤,即在利用ANN预测之前,先用PCA法分析事故影响指标,将多个指标转化为少数几个能反映原始信息的互不相关的综合变量(主成分),然后以这些变量作为输入进行ANN建模,从而达到简化模型,提高网络性能和计算精度的目的。以煤矿事故预测为例,进行应用和对比研究。结果表明:基于PCA的ANN事故预测相对误差小于3%,而直接运用ANN方法预测的相对误差达到5%。这说明,对复杂安全系统进行事故预测时,基于PCA法的ANN预测方法是更可行的。     

原油的应急处置原则有哪些？

原油即石油,是一种粘稠的、深褐色（有时有点绿色的）流动或半流动粘稠液．略轻于水。它由不同的碳氢化合物混合组成．其主要组成成分是烷烃,还含有硫、氧、氮、磷、钒等元素。可溶于多种有机溶剂,不溶于水．但可与水形成乳状液。不同油田的石油成分和外观可以有很大差别。     

马尾松凋落针叶热解燃烧烟气排放机理

使用热重一红外光谱分析仪联用（热红联用）技术棚4定了马尾松凋落针叶热解燃烧的起始温度、烟气成分、排放量及其达到峰值时的温度等。结果表明,针叶在250℃时气体排放开始大量增加,当升温至600℃左右时,有氧条件下其气体排放基本结束,而无氧条件下则继续排放气体,甚至在950℃时仍然有CO2和CO排出;针叶释放的无机烟气以CO2和CO为主,在有氧和无氧条件下,气态有机物在种类和排放量上均有较大差异,无氧条件下气态有机物的排放量最高。实验还发现,无氧条件下,CO和气态有机物排放量出现了多峰值现象,表明针叶在无氧条件发生了2—3次热解排放高峰。     

透雾低照度及运动补偿监视器在高速公路上的应用

随着中国高速公路网的快速发展,高速公路上的安防监控将面临很大的挑战,尤其是在特殊气象天气的情况下,普通的安防监控系统很难达到监控的目的。针对于雨雪、雾霭与阴霾等不利于监控的情况,我公司研发推出的透雾低照度监视器以及运动补偿监视器能够很好地解决这些问题,可以有效减少气候因素对高速公路的安防监控的影响。     

基于KPCA-GA-BP的煤矿瓦斯爆炸风险模式识别

为了能够准确识别煤矿开采中瓦斯爆炸事故的风险类别,以提升对瓦斯爆炸事故的应急防范能力,提出了一种高效准确的风险识别模型.考虑到瓦斯爆炸涉及特征指标之间并非单纯的线性关系,采取核主成分提取方法(KPCA)对涉及的煤层瓦斯含量、瓦斯涌出量、风量供需比等19种特征指标进行属性约简,从而消除信息重叠,并使用遗传算法(GA)对BP神经网络的权值和阈值进行全局寻优,避免了过拟合状况的出现,在降低模型预测损失值的同时提高模型运算准确率.采用KPCA-GA-BP模型对83组实例数据进行分析,选取其中62组数据进行训练,其余21组数据进行测试.预测结果中20组风险等级分类正确且用时较短,识别准确率为95.24％,表明模型对瓦斯爆炸灾害风险等级具有高识别精度和高效率.     

基于SKPCA与NEAT算法的煤与瓦斯突出危险性预测

针对煤与瓦斯突出预测精度不足的问题,为了减少突出灾害的危害,提出了基于稀疏核主成分分析法(SKPCA)与增强拓扑神经进化算法(NEAT)的煤与瓦斯突出危险性预测方法.通过核主成分分析法对突出非线性数据进行降维,然后对主成分数据进行稀疏化,减少原始数据中不重要元素对降维后主成分的影响.搭建增强拓扑神经进化网络(NEAT)预测模型,采用进化算法同时优化神经网络的权值和拓扑结构,得到最佳神经网络预测模型.将处理后的主成分数据输入模型预测突出危险指数,结果表明,该方法危险等级预测准确度达到98％,SKPCA-NEAT模型在煤与瓦斯突出预测上相比PCA和BP神经网络具有优势.     

基于主成分投影法的长江上游水源涵养区生态安全评价

本文基于压力--状态--响应概念模型,构建了水源涵养区生态安全评价指标体系.利用主成分投影法评价区域生态安全状况,并通过长江上游52个县的实证分析,得出大部分县的生态安全状态堪忧,只有少数县处于安全状态.主成分投影法能较好地反映区城生态安全状况,并根据当地实际情况提出了建议及措施,具有一定的推广和实用价值.