地下水原位修复渗透性反应墙反应介质的改良与展望

渗透性反应墙(PRBs)是倍受关注的地下水原位修复技术之一,具有高效廉价、安装简便、维护简单等优点。详细总结了零价铁、活性炭、无机矿物材料和生物质材料等PRBs反应介质的结构、性能、适用范围、改良方法及增强吸附机制,介绍了PRBs技术在国内外地下水原位修复领域的工程应用实例,指出研发可再生型反应介质、深入研究复杂体系的污染物去除主导机制以及开展多介质混合、多种原位修复技术集成应用研究将是今后PRBs的主要研究方向。     

基于连通法的甲烷简化机理构筑研究

采用连通法,针对甲烷复杂反应机理,成功地进行了不同水平的机理简化研究。通过建立组分依赖关系的正规化Jacobian矩阵,精确地查明了燃烧组分之间的耦合关系,分别构造出仅包含重要化学路径的两个动力学简化模型,获得的简化机理分别包含227和138个反应,分别涉及39和26种组分。通过对层流预混火焰结构的模拟,所得简化机理和原详细反应动力学机理关于火焰结构的计算吻合很好,计算结果显示,两个简化机理具有较高的模拟精度。     

复杂地质矿山深部巷道U型钢支护优化

为分析深部复杂地质巷道U型钢支护的优化问题,以山东某矿-550中段为工程背景,利用ANSYS有限元法,建立深部巷道支护力学三维模型,分析深部巷道围岩稳定性;运用正交试验法对U型钢支护间距、侧应力系数和监测点影响因子进行正交试验;结合现场爆破测振试验,验证数值模拟及正交试验的有效性。研究结果表明:当侧应力系数小于等于1时,垂直应力起主导作用;U型钢支护的最佳间距为1 m,可满足IV级围岩稳定性要求。     

新型凹凸棒土颗粒吸附剂对亚甲基蓝和刚果红的吸附研究

利用海藻酸钠和氯化钙的凝胶化,包埋制备有机凹凸棒土颗粒(GOAT)吸附剂,通过批量实验考察了制备的吸附剂对水中亚甲基蓝(MB)、刚果红(CR)的吸附行为。实验结果表明,GOAT对MB和CR的吸附行为都更符合准二级吸附动力学方程,吸附等温线符合Langumir方程。吸附量的大小与溶液的初始p H值有关,且增加盐浓度,GOAT的吸附能力增加。     

数据样本有限的交通恐怖袭击行为识别*

为解决交通恐怖袭击行为识别时数据样本有限,难以满足深度神经网络(DNN)对海量训练数据的需求,提出数据增强深度学习的样本有限条件下交通恐怖袭击行为识别方法。首先,设计数据增强策略与方法,获得足够的训练样本;其次,在训练时使用原训练样本和增强训练样本计算代价函数,以抑制过拟合,提高鲁棒性;然后,堆栈多个稀疏自编码(SAE)并添加分类层,构建DNN,对增强后的训练样本进行逐层自学习和有监督反向微调,将特征提取与模式识别融为一体,准确识别袭击行为;最后,通过全球恐怖主义数据库(GTD)数据进行算例分析。结果表明:在有限交通恐怖袭击事件数据样本下,数据增强深度学习算法的特征提取能力和识别结果较对比算法得以提升,识别的平均准确率可达98.75%。     

基于改进YOLOv5s算法的隧道初期火灾检测模型

为提升公路隧道初期火灾的检出率与检测精度,考虑初期烟火特征量小且不易侦测的特点,提出一种基于改进YOLOv5s算法的公路隧道初期火灾检测模型。首先,在YOLOv5s特征检测层并入变压器预测头,在原有3个特征检测头的基础上新增第4个160×160尺度的特征检测头,以增强多尺度识别能力;同时,引入加权双向特征金字塔网络(BiFPN)结构,用于融合高低层火焰和烟雾的语义信息;然后,采用完全交并比(CIoU)替换距离交并比(DIoU),并在置信度损失中采用Focal Loss改进YOLOv5s的损失函数,从而提升新模型整体的训练效果和检测精确度;最后,在真实隧道内开展初期火灾模拟试验,获取50 000幅训练集样本,并结合2022年3月1日江苏镇江观音山隧道真实火灾视频数据,对比分析YOLOv5s-Opt和YOLOv5s算法模型。结果表明:YOLOv5s-Opt对初期火灾的平均检测精度达到90.38%,比YOLOv5s提高2.06%;对于同一段火灾实测视频,YOLOv5s-Opt的检出率比YOLOv5s高出3.63%。YOLOv5s-Opt算法模型更擅长初期火灾小目标的检测和识别,在检测精度和检出率方面更具有优势,检测效果明显,满足实际火灾检测需要。     

基于视频分析的空管员违规行为识别方法*

为利用视频数据对空管员违规行为进行智能化分析,降低不安全事件发生率,提出2阶段的违规行为识别模型（AR-ResNeXt）,基于实地调研构建空管员视频数据集,利用最小化动态多实例学习损失函数和中心损失函数,获得违规行为检测的判别特征表示,结合异常回归网络和ResNeXt网络,完成对空管员违规行为的时序区间检测与动作分类。研究结果表明:AR-ResNeXt模型在自制数据集中,其帧级AUC达到82.9%,分类准确率达到87.8%,可准确识别空管员发生违规行为的时序区间并进行分类,研究结果可为保障空中交通安全奠定基础。     

河床演变影响下桥区水域通航安全研究

为了科学地设定滩槽易变河段处的桥梁跨径布置方案,针对荆州长江大桥桥区水域河床演变影响通航安全的问题,采用实例调研及历史资料分析的方法,指出滩槽易变河段选址建设的桥梁,其最大风险是滩槽移位导致船舶从通航孔位置移动到非通航孔位置,提出新建桥梁通航孔布置应覆盖深泓和可能成为航道的深槽的摆动范围;根据提出的原则研究拟建的李埠桥区水域的河床演变机制,选定最低通航水位下3.5 m深槽和深泓的摆动范围作为桥跨布置的依据;最终确定的 1 120 m 桥跨布置方案能够保障河床影响下拟建李埠长江大桥的通航安全。     

上软下硬地层深基坑结构变形监测及分析*

为探究在上软下硬地层中进行深基坑开挖时围护结构水平位移与内支撑轴力的变化规律,以广州地区某上软下硬地层盾构井深基坑开挖项目为依托,基于现场监测数据进行分析并运用MIDAS/GTS软件开展深基坑开挖全过程的有限元模拟。将围护结构水平位移模拟值与监测值进行对比,验证模型的准确性;改变围护结构嵌固深度、主体结构厚度等工况,研究上述因素对结构水平位移变化产生的影响。研究结果表明:实测围护结构最大水平位移值11.78 mm,位于长边0.7倍基坑深度附近,坑角处位移值最小;改变结构嵌固深度对坑深15 m以下围护结构位移值影响较大,本工程最佳嵌固深度为1.5~3 m;围护结构水平位移会随着结构主体厚度的增加而减小,但最大位移间差值逐渐减小,结构主体厚度设计值宜为0.8~1 m。     

基于深度学习的不安全因素识别和交互分析

为解决行为安全领域不安全因素识别和交互分析困难的问题,构建基于深度学习的不安全因素识别和交互分析模型。首先,从“人-机-环”3方面构建不安全因素识别层,分别采用不同的深度学习结构识别作业人员行为属性、工作环境场景和操作设备工作状态的不安全因素;然后,通过因素交互层,采用关联和回归多值算法完成对不安全因素的交互分析;最后,通过输出显示层实现分析结果的表征。以某煤矿综采、掘进、通风3个生产活动类别的视频音频数据为例,通过Matlab操作平台选取最优深度学习结构,进行模型交互分析。结果表明,用该模型能实现对采煤面空顶作业、喷浆机故障仍然加料、主要通风机异常响动未停机检查等不安全因素的识别和交互分析,完成不安全行为的描述以及风险分级、行为痕迹的分类。