单过硫酸氢钾复合粉在饮用水消毒过程中的副产物生成特性及遗传毒性变化

以北京田村山净水厂原水和炭后出水作为试验用水,对新型消毒剂单过硫酸氢钾复合粉消毒后生成的消毒副产物(disinfection by-products,DBPs)进行定性分析.向受试水样中分别投加单过硫酸氢钾复合粉和次氯酸钠,比较了复合粉消毒和氯消毒的DBPs生成量,并通过umu试验对水样消毒后的遗传毒性变化进行测试.结果表明,测试水样投加单过硫酸氢钾复合粉消毒前后的有机物种类变化不大,但仍有新的卤代烃和卤代物生成.与氯消毒相比,单过硫酸氢钾复合粉消毒后生成的三卤甲烷(THMs)和卤乙酸(HAAs)的含量更低.另外,根据umu测试的结果,经单过硫酸氢钾复合粉消毒后原水和炭后水的遗传毒性均明显低于氯消毒.然而在水中有机物较多和消毒剂投加量较大时,单过硫酸氢钾复合粉用于消毒仍有一定安全风险.     

基于遗传-BP算法的煤矿安全监控系统测试研究

针对煤矿监控系统的测试要求,提出了一种自动生成测试用例数据的方法用于煤矿监控系统的测试任务。该方法利用遗传算法和BP算法对要测试的功能模块和逻辑结构进行分析解读,通过全局寻优得出最佳测试路径和测试数据,对于提高测试的精准性和有效性有很大优势,而且相对与人工测试更加安全。新的测试用例生成算法结合遗传算法和BP算法,能充分发挥遗传算法的全局寻优能力和BP算法学习能力强的优势,使得数据生成更快捷可靠。选取煤矿监控系统的部分功能测试作为实验材料,与人工测试方法和利用遗传该算法生成测试数据进行了比较。结果表明,该新方法能够更好的检测出煤矿监控系统中的错误,发现错误的数量和时间都较人工测试要好,对于提高煤矿安全监控系统的准确性和稳定性有较好的帮助。     

湖泊水面温度遥感定量反演研究综述

湖泊水面温度与藻类生长密切相关,通过获取水体表层温度信息来监测湖泊水面温度时空动态变化,对于蓝藻水华预警监控具有重要意义。湖泊水面温度遥感定量反演的理论方法与反演地表、海洋表面温度基本相同。本文在介绍遥感反演地表温度原理的基础上,总结了国内外基于热红外波段反演水体表面温度的单窗算法、劈窗算法、多通道算法等几种常用方法,重点分析了各算法的优缺点和反演的主要难点,并对今后在内陆水体藻华预测顸警等方面的应用趋势进行了展望。     

基于分子结构的链烷烃辛烷值预测研究

基于定量结构-性质相关(QSPR)原理,研究化学物质的结构与性能之间的关系,应用遗传-偏最小二乘(GA -PLS)方法从大量结构参数中筛选出与链烷烃马达法辛烷值最相关的5个分子描述符,采用多元线性回归方法,建立了根据分子结构预测链烷烃马达法辛烷值的数学模型.结果表明,模型具有较高的稳定性以及预测能力.为工程上提供了一种...     

牛眼虹膜定位算法研究及其在肉食品追溯系统中的应用

为实现动物个体的精确鉴别,提高肉食品的安全性,将动物虹膜识别技术引入到肉食品供应链中,构建了基于虹膜识别的肉食品安全可追溯系统业务流程,实现了肉食品"从农场到餐桌"的安全保障;并以牛眼虹膜为例,根据其非同心椭圆的结构特征和图像仿射变换不变特征的原理,提出了一种牛眼虹膜快速定位方法。将牛眼虹膜内、外边界分别转化为圆形,对内边界采用灰度均值法粗定位与"三点定圆"精定位相结合的方法实现,对外边界设计了一种逐点扫描分层圆环算法来精确拟合。实验结果表明:该方法避免了虹膜信息丢失,减少了空间参数的选择运算。     

基于人工蜂群算法的边坡最危险滑动面搜索

将用于连续数值优化问题的人工蜂群算法引入边坡稳定分析临界滑动面搜索领域.该方法模拟了蜂群的群体协作采蜜过程,具有自适应收敛的特点,克服了传统方法容易陷入局部最优的缺点,是一种全局优化算法.为进一步改善其在复杂边坡搜索中的效果,将Hooke-Jeeves模式搜索操作引入人工蜂群算法,提出一种用于边坡临界滑动面搜索的模式搜...     

复合多管除尘器在湿法水泥回转窑除尘中的应用

把具有惯性沉降除尘、旋风子除尘两级一体功能的复合多管除尘器用于带湿式蒸发器的湿法水泥回转窑尾气除尘，替换原“旋风除尘器＋电除尘器”除尘系统中的多筒旋风器。运行测试表明，它的除尘效率达到９４６％，确保了窑尾排放烟尘浓度达到国家标准。     

Planning for robust reserve networks using uncertainty analysis

Planning land-use for biodiversity conservation frequently involves computer-assisted reserve selection algorithms. Typically such algorithms operate on matrices of species presence–absence in sites, or on species-specific distributions of model predicted probabilities of occurrence in grid cells. There are practically always errors in input data—erroneous species presence–absence data, structural and parametric uncertainty in predictive habitat models, and lack of correspondence between temporal presence and long-run persistence. Despite these uncertainties, typical reserve selection methods proceed as if there is no uncertainty in the data or models. Having two conservation options of apparently equal biological value, one would prefer the option whose value is relatively insensitive to errors in planning inputs. In this work we show how uncertainty analysis for reserve planning can be implemented within a framework of information-gap decision theory, generating reserve designs that are robust to uncertainty. Consideration of uncertainty involves modifications to the typical objective functions used in reserve selection. Search for robust-optimal reserve structures can still be implemented via typical reserve selection optimization techniques, including stepwise heuristics, integer-programming and stochastic global search.