国内外储油库VOCs排放现状与标准分析

储油库大气污染物排放标准(GB 20950-2007)规定了储油库在储存和收发汽油过程中油气排放控制,不适用于原油、航空煤油和石脑油等油品.对美国和欧洲储油库油气排放标准或指令进行梳理,结合我国3个典型城市储油库油气处理装置油气排放现状分析,提出GB 20950-2007的修订建议.结果表明:①美国和欧洲储油库标准控制范围不仅包含汽油,还包含原油和其他有机液体;②GB 20950-2007的油气非甲烷总烃(NMHC)排放浓度限值分别是美国联邦标准Subpart XX、Subpart R和Subpart Y的0. 5、1. 8和8. 9倍,是美国南加州Rule 462和Rule 1142的1. 8和3. 1倍,是欧盟和德国指令的0. 7和500倍;我国一般地区油气泄漏限值是Subpart XX的0. 5倍,重点地区油气泄漏限值是Rule 462和Rule 1142的0. 7和2. 0倍.③我国3个典型城市储油库油气处理装置进口和出口NMHC排放浓度P5th～P95th数值范围分别为115～811 g·m^-3和0. 1～20. 0g·m^-3,85...     

基于面板数据的我国城市水资源水环境随机前沿面分析

科学客观的评价城市水资源利用差异、明晰造成差异的原因可以为决策部门制定适宜的用水供水政策提供科学依据.收集了全国283个城市15年的市辖区城市建设用地面积、市辖区年末总人口、市辖区供水总量、市辖区年末实有城市道路面积、市辖区地区生产总值、污水排放总量.采用基于面板数据的随机前沿面模型计算主要城市的水资源利用效率和水环境压力,结果显示我国主要地级城市水资源利用效率普遍不高,平均值为0.464,低于平均值的城市有167个,占评估城市的59.01%.城市水环境压力具有普遍性,平均水环境压力为0.347,高于平均值的城市有106个,占评估城市的37.46%.发挥区域地理优势,加强区域间技术合作,因地制宜的开展诸如调整产业结构,引进先进生产技术和设备等相关提高水资源利用效率、减小水环境压力的举措,是实现水资源利用和城市可持续发展的重要途径.     

基于ERA-Interim资料分析青藏高原“湿池”变化特征

论文利用ERA-Interim(0.5°×0.5°,简称ERA)、NCEP/NCAR2(2.5°×2.5°,简称NCEP2)两种不同分辨率的再分析资料和探空观测资料,首先分析了夏季(7月)和冬季(1月)青藏高原(以下简称高原)上大气水汽含量大值区(简称"湿池")的区域分布特征,然后基于ERA资料分析了1979—2012年间高原"湿池"的一些变化特征,发现了一些新的事实。主要结果包括:在对流层中上层,高原上无论夏、冬季都有大气水汽含量的高值中心——高原"湿池"存在。夏季7月高原"湿池"强度最强,ERA资料除了在高原南部有自西到东的连续高湿中心带外,在高原西北部还有一个高湿中心;NCEP2资料仅在高原东南部和西南部有两个高湿中心。冬季1月,两种资料均只在高原东南部有高湿中心。总体上,ERA资料与探空观测资料的高湿中心区更为接近。7月,高原南部高湿中心在1990年代中期(1994—1996年)之后持续偏强,西北部中心强度有弱—强—弱—强交替变化特征;1月,高湿中心在1980年代末期开始持续偏强。高原南部高湿中心带在7月几乎是一个连续的区域,1996年以后这一特征更为明显,在1月则是分为东西两段的高湿中心带。     

基于TRMM订正数据的横断山区降水时空分布特征

鉴于高时空变异地区降水观测的需求,论文提出了基于ISODATA动态聚类法和最大似然法分区逐月回归的TRMM数据订正方法,并以横断山区为例,利用地基台站降水数据对1998-2012 年的TRMM 3B43 V7 数据进行了实验研究,并探讨了过去15 a 横断山区的降水时空分布特征及变化趋势。结果表明,TRMM 3B43 V7 数据在横断山区的总体精度较高,单站精度较低。订正后的TRMM 3B43 数据,与实测值偏差大为减少,降水相对偏差大于10%的站点由原始数据的16 个(42.1%)减少为7 个(18.4%),有81.6%的站点年降水量相对偏差小于10%,且相对偏差大于等于20%的站点仅3 个,能够基本满足横断山区降水时空分布特征研究的精度需要,有效地弥补了有限站点观测的不足。研究区内年降水量从东南向西北递减,与东亚季风在该区域的走向一致;1998-2012 年横断山区的降水量主要呈减少趋势,减少地区主要分布在南部以及中西部地区。夏季降水减少趋势最为突出,秋季次之,冬春变化趋势不明显。横断山区大部分区域的降水量与东亚夏季风指数正相关,与东亚冬季风指数负相关;最近15 a,研究区东亚季风指数持续变小,恰好与研究结果中的降水减少趋势一致。     

生命周期评价数据库分析与建模

基于关系数据库和面向对象程序设计理论建立了生命周期评价数据库系统。通过综合分析生命周期评价数据，根据生命周期评价数据的数据类型，将数据分为产品评价数据、产品档案数据、基础材料数据和影响评价基础数据，相应的设计了4个数据库。运用关系数据库理论分别对4个数据库建立了物理结构模型。     

The BG Measurement System for Hazardous Substances (BGMG) and the Exposure Database of Hazardous Substances (MEGA)

German employers ‘ liability insurance associations or Berufsgenossenschaften (BGs)—institutions for statutoryaccident insurance—maintain a measurement system for hazardous substances, the so-called BGMG. The aimof the BGMG is to determine and document valid results of measurements of exposure primarily for preventionpurposes. The data are collected systematically, in parallel to the sampling in a company. Parameters which aresupposed to have a visible effect on exposure levels are documented. The MEGA database (documentation ofmeasurement data relating to workplace exposure to hazardous substances) holds 1,629 million measurementvalues, which have been compiled in since 1972. The database offers a host of selection possibilities forassessments depending on the evaluation strategy.     

安全生产大数据的5W2H采集法及其模式研究

为从安全生产大数据中挖掘安全规律并最终提炼安全生产基础原理,首先在对安全生产大数据的定义及其内涵进一步阐释基础上,提出安全生产大数据采集的定义,并将其分解为3个过程;然后提出安全生产大数据的5W2H采集法,并对其内涵(采集原因,使用主体、采集者及采集对象,采集数据类型,采集边界,采集时间,采集数据量及其采集方法）进行详细分析;最后以思维路径为主、过程路径和技术路径为辅,建立安全生产大数据采集的一般模式。结果表明,安全生产大数据采集模式的研究可为安全生产大数据的存储、处理及其应用提供基础。     

基于数据挖掘技术的事故隐患预警方法研究

为改良企业既有隐患排查治理方法,提高辨识效率,提升整改效果,应用并优化数据流滑动窗口模型、等价类变化算法、变化挖掘算法等数据挖掘技术,构建1种关联隐患预警方法,该方法以企业历史隐患数据为基础,通过挖掘实时隐患数据的关联规则,发布关联隐患的类型、存在可能性和变化模式等预警信息,指导企业进行针对性排查和整改。最后,以72家安全管理性质相似企业的28 957项隐患数据为例,验证该方法可行性。研究结果表明:该方法不但能挖掘关联隐患类型及其变化模式,而且预警准确率随置信度水平提升而不断提高。     

基于数据挖掘的施工危险识别注意投入与分配研究*

为分析施工情境中危险识别注意资源动态投入分配规律,基于动态时间规整算法,挖掘危险识别注视轨迹序列,以表征注意资源投入分配变化,并采用k-means聚类、注视熵、Needleman-Wunsch全局序列对齐算法和统计等方法,深入挖掘注意资源在危险目标中投入和分配等时空变化规律。研究结果表明:当事人危险识别各阶段注意资源呈现从显著目标到高危目标的投入变化趋势,危险识别注意资源分配随情境复杂因素呈现零散、均匀的空间特征,分配无序程度提高。     

Estimated Injury Risk for Specific Injuries and Body Regions in Frontal Motor Vehicle Crashes

Objective: Injury risk curves estimate motor vehicle crash (MVC) occupant injury risk from vehicle, crash, and/or occupant factors. Many vehicles are equipped with event data recorders (EDRs) that collect data including the crash speed and restraint status during a MVC. This study's goal was to use regulation-required data elements for EDRs to compute occupant injury risk for (1) specific injuries and (2) specific body regions in frontal MVCs from weighted NASS-CDS data.

Methods: Logistic regression analysis of NASS-CDS single-impact frontal MVCs involving front seat occupants with frontal airbag deployment was used to produce 23 risk curves for specific injuries and 17 risk curves for Abbreviated Injury Scale (AIS) 2+ to 5+ body region injuries. Risk curves were produced for the following body regions: head and thorax (AIS 2+, 3+, 4+, 5+), face (AIS 2+), abdomen, spine, upper extremity, and lower extremity (AIS 2+, 3+). Injury risk with 95% confidence intervals was estimated for 15–105 km/h longitudinal delta-Vs and belt status was adjusted for as a covariate.

Results: Overall, belted occupants had lower estimated risks compared to unbelted occupants and the risk of injury increased as longitudinal delta-V increased. Belt status was a significant predictor for 13 specific injuries and all body region injuries with the exception of AIS 2+ and 3+ spine injuries. Specific injuries and body region injuries that occurred more frequently in NASS-CDS also tended to carry higher risks when evaluated at a 56 km/h longitudinal delta-V. In the belted population, injury risks that ranked in the top 33% included 4 upper extremity fractures (ulna, radius, clavicle, carpus/metacarpus), 2 lower extremity fractures (fibula, metatarsal/tarsal), and a knee sprain (2.4–4.6% risk). Unbelted injury risks ranked in the top 33% included 4 lower extremity fractures (femur, fibula, metatarsal/tarsal, patella), 2 head injuries with less than one hour or unspecified prior unconsciousness, and a lung contusion (4.6–9.9% risk). The 6 body region curves with the highest risks were for AIS 2+ lower extremity, upper extremity, thorax, and head injury and AIS 3+ lower extremity and thorax injury (15.9–43.8% risk).

Conclusions: These injury risk curves can be implemented into advanced automatic crash notification (AACN) algorithms that utilize vehicle EDR measurements to predict occupant injury immediately following a MVC. Through integration with AACN, these injury risk curves can provide emergency medical services (EMS) and other patient care providers with information on suspected occupant injuries to improve injury detection and patient triage.