脱卤拟球菌(CBDB1)脱氯途径的构效关系

运用密度泛函理论在B3LYP/6-31G(d)水平下对多氯二苯并-对-二噁英(PCDDs)、氯苯和氯苯酚等分子进行计算,找到了一个可指示脱卤拟球菌Dehalococcoides sp.CBDB1降解转化PCDDs、氯苯和氯苯酚等有机氯污染物的脱氯途径和中间产物的参数氯原子电荷QCl(n)·以QCl(n)作为理论探针可准确指示PCDDs、氯苯和氯苯酚被菌株CBDB1转化的主要脱氯中间产物,脱氯反应主要发生在含有最大QCl(n)的位置上.对于同一系列化合物,根据不同分子的最大QCl(n)数值,可判断该分子发生脱氯反应可能性的大小,QCl(n)过大或过小都不利于脱氯反应的进行.另外还可利用同一分子内不同氯原子间电荷大小的差异△QCl(n)推断存在第二种脱氯产物可能性的大小,△QCl(n)越小则同时存在两种脱氯中间产物的可能性越大.     

实行年度目标考核是促进监测工作发展的有效方法

实行年度目标责任制考核 ,为监测站的改革和发展找到了一条有效途径。文章通过对年度目标考核责任制的方式、方法及实施后所取得成效的介绍 ,为监测站的改革与发展提供了借鉴     

电化学还原-氧化工艺降解4-氯酚的毒性研究

采用紫外光还原法制备了Pd-Fe/石墨烯催化阴极,并以Ti/IrO_2/RuO_2为阳极,构成三电极体系(双阴极)和两电极体系(单阴极)的电化学还原-氧化降解工艺,分别对4-氯酚进行降解.采用离子色谱、高效液相色谱、TOC仪对4-氯酚降解过程中中间产物及其浓度进行测定.根据公式计算降解过程中理论计算毒性值,应用发光细菌法测定降解过程中的实际毒性值,对理论计算毒性值与实际毒性值进行比较,分析不同体系下降解过程中毒性的变化规律.结果表明,两种工艺体系在最佳降解条件下,阴极室毒性均呈下降的趋势,由于降解过程中在阳极室生成高毒性的苯醌,阳极室毒性均先升高后降低.通过相关性分析得到,两种体系理论计算毒性与实际毒性在P=0.01水平下,相关性系数均为1,显著相关,表明降解过程中实际毒性的测定结果真实可靠.降解至120 min时,三电极体系毒性小于两电极体系,表明三电极体系优于两电极体系.据此提出实际毒性测定方法在电化学还原-氧化工艺降解氯酚类有机废水毒性测试的工业应用中有着广泛的前景.     

农村突发公共卫生事件应急医疗设施选址研究

为提高农村突发公共卫生事件应急医疗设施选址决策的科学性,基于新冠肺炎(COVID-19)疫情传播迅速,危害性强的突发公共卫生事件特征,依据应急医疗设施设计标准并兼顾农村医疗预算少、应急道路崎岖的特点,首先,选取设施备选地工程地质条件、单位成本、传染率、抵达时间、场所规模以及服务覆盖区域6项影响因素,将熵值法(EVM)和层次分析法(AHP)有效结合确定影响因素权重;其次,建立考虑患者到应急医疗设施的距离之和最小以及所选择应急医疗设施的综合评价值最优的多目标选址模型;然后,设计改进的粒子群优化(IPSO)算法求解模型,得到选址决策;最后,选取天门市部分村庄进行实证分析,以验证模型算法的有效性。结果表明：传染率和单位成本是建设应急医疗设施主要影响因素,IPSO算法选取3个应急医疗设施,能够满足8个村庄患者的治疗需求,并保证患者在4～7 min内就医,为高效开展疫情防控活动提供保障。     

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...     

改进YOLOv3算法下通航机场场面运动目标检测

为获得更好的检测精度和更快的检测速度,保障通航机场场面运行安全,提出一种改进的YOLOv3算法,分别从网络结构和损失函数2方面进行改进。首先,在主干网络中使用深度可分离卷积代替原卷积,构建基于距离交并比(DIoU)的目标框回归损失函数;然后,以某通航机场为研究对象,搭建通航机场场面目标检测场景,采用迁移学习和冻结训练相结合的训练方法,以提升场面目标检测的速度;最后,比较分析所提算法与传统的YOLOv3、YOLOv4算法的识别效果。结果表明：飞机目标的检测效果明显优于车辆和人员目标,改进的YOLOv3算法对目标的检测精度、召回率、全类平均精度(mAP)分别达到92.96%、80.51%、91.96%,图形处理器处理速度高达74帧/s,较传统的YOLOv3、YOLOv4算法性能均有明显提升,可实现通航机场场面运动目标的有效检测。