湖泊富营养化评价方法及分级标准

由于人类活动的影响 ,湖泊富营养化引起的环境问题日益突出。而目前现有的富营养化评价方法和分级标准混乱 ,因此有必要统一评价方法和分级标准 ,以便加强对湖泊的管理 ,保护湖泊生态环境     

基于梅尔倒谱系数的矿山复杂微震信号自动识别分类方法

为了实现矿山复杂微震信号的自动高效识别与分类,保证后续微震分析的时效性和准确性,运用梅尔倒谱系数法,将原始的4种微震信号(岩体破裂、爆破振动、电磁干扰和钻机凿岩)转化为梅尔标度上的非线性频谱,再转换到倒谱域上,结合其在时域上的差分得到1组24维的特征参数向量,利用这些特征参数向量训练构建各类事件对应的混合高斯隐马尔可夫识别模型,进而实现对微震信号的自动识别分类。研究结果表明:运用基于梅尔倒谱系数的微震信号识别分类方法对矿山实际微震数据进行测试,微震事件的识别分类准确率达到92.46%,具有较高的准确性,为实现微震监测系统的实时性分析提供了技术支持。     

基于事故发展与控制的隐患分级方法

为使隐患管理工作更加科学,对隐患与事故的关系进行研讨,提出隐患的根本属性是能够促使事故发生或发展。通过预估促使和控制(阻碍)事故发展的因素,来揭示隐患在事故过程中的作用机制。根据发生作用的时间将隐患分为第1类隐患和第2类隐患。在风险评估过程中,解决了具体隐患风险分级的问题,提出隐患暴露频率、其他条件的可能性、隐患纠正系数、事故后果初始分值、人员防护修正系数、人员暴露修正系数、应急处理与事故控制修正系数和财产损失修正系数等评价指标。通过隐患致因事故风险的计算,评估隐患的最终风险。     

沿海城市自然灾害损失分类与评估

在系统总结国内外沿海城市自然灾害损失评估研究现状的基础上,对现有的自然灾害损失评估方法进行了探讨。针对当前研究中出现的灾害损失类型划分界定不清晰,对次生灾害损失和间接损失无法进行有效的定量评估等问题作了比较明确的阐述,从社会损失和经济损失两个方面建立了沿海城市自然灾害损失分类体系。在此基础上,提出了人员损失、直接损失和间接损失的评估方法。最后,提出了未来自然灾害损失评估研究中有待继续完善和开展的工作。     

基于模糊模式识别理论的灾害损失等级划分

从模糊模式识别理论的角度,探讨了自然灾害的等级划分方法。介绍了模糊综合评判法,并以新疆“９６．７”洪水灾度等级划分为例进行实例分析,计算了新疆“９６．７”洪水灾害中部分地州市模糊灾度等级序列及其隶属度。结果表明,在自然灾害等级划分中,模糊综合评判是一种科学、实用的灾度等级划分方法。     

井下高温作业场所危害程度分级标准研究

对我国热害分级相关标准进行了简要总结分析,表明我国尚未制定综合考虑温湿度条件和体力劳动强度从而对井下高温作业场所的热害程度实施有效分级的相关标准.由井下现场管理人员、企业劳资(人事)管理人员、研究人员等3类共30名相关专家对井下62类主要工种劳动强度进行主观分级,通过对其结果的统计分析,研究制定了井下高温作业场所不同工种最高体力劳动强度级别建议表.通过定性和定量分析,确定了井下作业场所不同劳动强度级别下 WBGT指数限值,将结果与南非井下热害分级标准限值进行了对比.最终制订了基于井下高温作业场所最高体力劳动强度级别和WBGT指数的井下高温作业场所危害程度分级标准,提出了标准的宣传贯彻建议及分级监管策略.     

利用焦炉烟道气废热对煤进行气力分级与调湿一体化机组及应用

介绍炼焦煤气力分级与调湿一体化机组的原理和特点。研究分析及工业应用表明,该机组具有分级效率高、调湿效果好、安全可靠性高、投资运行费用低、占地少、余热利用率高等优点,有显著的节能、环保和经济效益。     

基于水面反射率光谱分类的太湖藻蓝蛋白浓度反演

藻蓝蛋白是蓝藻的标志性色素,利用遥感反演藻蓝蛋白浓度的时空分布对于蓝藻水华监测和预警具有重要意义.太湖水体光学特性时空差异较大,传统的藻蓝蛋白遥感反演方法在太湖各湖区各季节的适用性有限.因此,本文采用先分类再反演的策略,基于水面反射率光谱分类进行太湖藻蓝蛋白浓度反演建模.首先采用逐步迭代的K均值聚类方法实现光谱分类;然后分别利用每一类的训练样本光谱数据建立最适用于该类的藻蓝蛋白反演模型;最后利用每一类的检验样本光谱数据进行反演模型精度评价.为了对比,同时采用不分类的传统方法进行反演建模和精度评价.检验结果表明:基于不分类的传统建模方法得到的均方根误差RMSE=14.14μg·L-1,平均相对误差σ=59.1%,反演结果和实测数据可决系数为0.46;基于光谱分类的建模方法得到RMSE=8.47μg·L-1,σ=31.3%,反演结果和实测数据可决系数为0.87.因此,基于光谱分类的藻类蛋白反演方法有效地提高了反演精度,可以为其它水体的藻蓝蛋白浓度反演提供借鉴.     

A CFD-based empirical model for hazardous area extent prediction including wind effects

Hazardous extent predictions that ensure process safety while avoiding overestimation have been a challenge for hazardous area classification. Specific leak scenarios can be addressed to build rapid empirical models to accurately determine hazardous extent considering several factors that are not included in general approaches. In view of that, this work aims to propose a novel CFD-based empirical model for gas emissions in open and unobstructed areas. It considers a wide range of variables such as storage temperature and pressure, orifice diameter, molecular weight, gas concentration, and wind velocity. A sensitivity analysis was performed to evaluate each variable's contribution to the gas cloud extent. The linear regression model resulting from the combination of all variables contribution was coupled with Ewan and Moddie's model to minimize the prediction errors due to the non-monotonic wind effects. The suggested algorithm accurately calculates the hazardous extent with a coefficient of determination equals to 0.9842 and a RMSE of 0.0151 for a dataset of 600 cases of generic gases release. The proposed model was also validated for 60 cases of hydrogen releases under different storage conditions, giving a coefficient of determination equal to 0.9829 and a RMSE of 0.0680, indicating a good agreement with the data.