美国海军舰艇命名体系研究

美国海军舰艇命名体系由任命前缀、舰艇名称、分类代号、舷号4类要素构成,首先分析了每类要素对于命名体系的贡献,然后基于美国海军舰艇命名体系,以美国海军舰艇名册为数据源,通过要素提取、规则建立等步骤分析美国海军现役舰艇组成。经过分析,美国现役715艘舰艇分为战斗舰、辅助舰、战斗艇、支援艇、未在分类代号中定义等5大类67类型177级别,通过对比基于类型与级别规则、基于任命前缀规则的结果挖掘出美国海军现役舰艇组成规律。     

Florisil柱层析与GC-ECD测定海洋环境样品中OCPs

建立了ＧＣ－ＥＣＤ测定海洋环境样品中ＯＣＰs的分析方法。通过Ｆｌｏｒｉｓｉｌ柱层 析的分类分析和毛细管ＧＣ－ＥＣＤ的测定，得出了ＯＣＰs柱层析的分离点（所需正己烷 的最小淋洗体积为１５０ｍｌ）和ＯＣＰs的回收率（其范围为２１．８％～１０８．７％），给出了海洋环境样品中ＯＣＰs的含量。结果表明，本方法是可行的。     

上海市社区内影响居民垃圾分类效果的关键措施指标研究

本研究依托复旦大学意愿—习惯垃圾分类行为理论对上海市不同区域、不同类型的55个社区进行大范围调研,识别出包括设施、志愿者、保洁员、启动、定时定点、租户、管理和绿色账号在内的8个社区内影响居民垃圾分类效果的关键措施指标,并且通过指标与社区实际分类效果的相关性结果证明了该指标体系的有效性。研究结果还表明,上海市社区内影响垃圾分类效果的最主要的措施指标是硬件设施、保洁人员、“定时定点”制度和志愿者。研究结果一方面可以供上海市基层政府人员使用指标体系来进行监督,另一方面也为社区因地制宜地采取措施来提高和巩固社区垃圾分类效果提供了具体的科学支撑。     

论固体废物排放统计指标体系设计

固体废物排放统计对象应覆盖固体废物从原材料到最终处置的整个生命周期的各个环节(机构),即矿业--加工制造业--产品流通领域--用户--固体废物收运体系--固体废物中间处理厂--固体废物最终处置场.统计指标体系包括固体废物排放统计指标和排放管理指标;统计指标区分为指标、主要参数和辅助参数,既便于理解也便于管理.根据固体废物排放量和已知的固体废物资源化技术,对固体废物重新分类、统计并分类填埋,以便将来实现再利用.固体废物排放控制统计的对象主要是规模以上的污染源,实施统计的污染源的规模应当是全国统一的.     

渔业污染事故的应急监测

简述我国渔业污染现状,分析突发性污染死鱼事件的管辖权问题和一般分类,提出突发性污染死鱼事件应急监测的实施和要求.     

环境质量评价的生物方法研究

环境质量的生物评价是以生物对环境污染的表现为基础的.环境质量评价的生物方法包括环境指示生物的选择,环境质量生物评价指标的确定和环境质量分类等3个步骤.论述了环境污染的生物表现,提出了选择环境指示生物的原则,给出了环境质量生物评价的3类指标,建立了环境质量4级分类体系.     

环境污染事故危险源评级方法研究

将环境污染事故危险源分成空气污染型和水体污染型两大类,并考虑危险源自身特性和周围环境状况两个主要因素对两类危险源分别提出了评级模式,依据危险指数大小将危险源分为特大、重大、较大和一般四级;利用试点调研的63家企业的183个危险源数据,对危险源评级模式进行了参数选定和验证,证明所建议的方法和模式是可行的,可供危险源调研和建立数据库等实际工作应用。     

Fisher法确定稳定分类数

对Fisher法确定稳定分类数作了一些改进,提出利用β值指标来衡量分类的稳定程度,进而确定合理的分类个数。在实际应用中,证明了该方法是可行的。     

亚热带稻田土壤碳氮磷生态化学计量学特征

为了解稻田土壤中是否存在稳定的土壤有机碳(C)、氮(N)和磷(P)比值,基于亚热带区110个水稻土剖面和587个发生层的土壤调查数据库,在区域尺度上分析了典型水稻土C∶N∶P比值的生态化学计量学特征,并应用相关分析和冗余分析,研究水稻土C∶N∶P比值与土壤-环境因子(地形和母质、土壤发生层、土壤类型和土壤理化性质)的关系.结果显示,亚热带区稻田土壤C∶N、C∶P和N∶P的剖面加权平均值分别为12. 6、49和3. 9,C∶N∶P为38∶3. 2∶1.不同母质起源、不同土壤亚类和不同发生层的水稻土C∶N变异相对较小;但C∶P和N∶P的变异很大,两者均值也远低于全球(186和13. 1)和中国土壤(136和9. 3)的C∶P和N∶P的平均水平.尽管稻田土壤剖面的C∶N∶P相对不稳定,但由于稻田表土生物与环境相互作用强烈,表土C∶N相对稳定(14. 2).这反映长期水耕熟化作用下,稻田表土中C和N仍存在紧密的耦合作用.然而,在稻田土壤剖面上,C∶P和N∶P并不稳定,SOC与全P含量、全N与全P含量也无显著相关性,表明环境变化可能导致土壤C∶N∶P解耦.地形、土壤质地、氧化铁和容重是调控稻田土...     

基于支持向量机的地下水质量综合评价

提出基于支持向量机（SVM）机器学习算法的地下水质量评价模型。首先给出了训练样本生成和数据规范化处理的具体方法,然后采用支持向量机的多分类算法构建模型,并使用k折交叉核实方法对参数进行验证优化。最后通过实证分析,并与单因子指数法、模糊综合评价法和BP神经网络法的评价结果对比分析可知,该方法简便易行,评价结果客观且准确度较高,具有很强的实用性。