模糊综合评价法在钢铁企业安全投资合理性评价中的应用

为了对钢铁企业安全投资进行模糊综合评价,建立了钢铁企业安全投资的评价体系,确定各因素的权重。得出模糊综合评价矩阵,可对各因素进行评价分析;得出某钢铁企业安全投资现状分数为83.9分,等级为较好,需着重加强安全培训、劳保品、工业卫生等人因素方面的投资;在环境方面的投资较合理。     

COMPARISON OF STOCHASTIC AND DETERMINISTIC DYNAMIC PROGRAMMING FOR RESERVOIR OPERATING RULE GENERATION1

ABSTRACT: Two dynamic programming models — one deterministic and one stochastic — that may be used to generate reservoir operating rules are compared. The deterministic model (DPR) consists of an algorithm that cycles through three components: a dynamic program, a regression analysis, and a simulation. In this model, the correlation between the general operating rules, defined by the regression analysis and evaluated in the simulation, and the optimal deterministic operation defined by the dynamic program is increased through an iterative process. The stochastic dynamic program (SDP) describes streamflows with a discrete lag-one Markov process. To test the usefulness of both models in generating reservoir operating rules, real-time reservoir operation simulation models are constructed for three hydrologically different sites. The rules generated by DPR and SDP are then applied in the operation simulation model and their performance is evaluated. For the test cases, the DPR generated rules are more effective in the operation of medium to very large reservoirs and the SDP generated rules are more effective for the operation of small reservoirs.     

中国可持续社会养老保险的综合评价体系和实证分析

我国可持续社会养老保险的综合评价指标体系包括四个层次和三级子系统，内容涉及养老保险人数、机构设置、基金管理和代际平衡四个子目标。应用因子分析模糊综合评价方法对我国1990-2001年养老保险建设状况进行评价，本文认为基金管理，行政管理和代际失衡是影响我国可持续养老保险发展的主要因素。     

黄河三角洲土地质量模糊综合评价

针对土地复杂性、模糊性的特征,本文采用模糊数学中“多级模糊综合评判”的方法进行了黄河三角洲土地质量评价,并对其科学性和可行性作了探讨。     

太湖北部小流域沉积物重金属污染特征与评价

近几十年来重金属的沉积记录、来源及污染水平受到了广泛关注.为探明太湖北部小流域重金属的污染来源和环境质量状况,本研究分析了柱状沉积物中8种重金属（Mn、Cr、Zn、Cu、As、Pb、Ni和Co）含量.运用主成分分析法判定污染源,富集因子法表征重金属富集特征,通过熵权模糊模型对沉积物中重金属污染状况进行评价.结果显示,所有重金属含量均较高,高低依次为Mn > Cr > Zn > Cu > As > Pb > Ni > Co.其中Mn含量最高,为380.06~767.69μg/g.沉积物重金属污染的主要贡献因子为交通排放、农业污染和煤炭燃烧.As的富集指数最大（2.89~15.61）.其中77.59%的沉积层属于显著富集,受人类活动影响最为显著.熵权模糊综合评价结果表明,Cu（0.483）和As（0.352）的权重值最大,是沉积物中的首要污染物,且65.52%的沉积层重金属含量处于中度污染水平.     

基于边介数的省域生态廊道构建方法优化

我国城市建设和生态保护工作均对土地资源有大量需求,二者之间的矛盾在经济优先发展区表现尤为明显.为了有效地改善生态环境,管控土地利用并引导其变化发展,需要建设具备不可替代特征的省域生态廊道.最小累积阻力模型（minimum cumulative resistance,MCR）是识别生态廊道最常用、有效的模型,但在应用于省域尺度时,MCR模型识别的潜在廊道路由存在冗余的问题.因此,通过引入网络科学中的边介数指数（edge-betweenness）对MCR模型进行优化,计算潜在廊道路由的边介数指数值,选取出其中最为重要和简明的结构来连通生态源地,即提取潜在路由中的骨干路由（backbone route）和关键战略点（key strategic point）作为不可替代的结构来指导省域生态廊道建设.将优化后的MCR模型应用于广东省,构建了全长5 493 km的省域生态廊道,其中包含生态源地20处,关键战略点11个,骨干生态廊道29条.骨干路由与关键战略点构成的不可替代省域生态廊道（irreplaceable provincial corridor）能够实现"廊道数量和占地面积最少、连通性基本不变"的目标.研究显示,边介数能够对潜在路由进行优化筛选,识别出维护省域生态安全的关键结构;不可替代生态廊道能够指导省域生态规划和土地空间的发展利用,并为更高水平的生态安全环境提供了演进的基础;同时也为土地资源紧张的地区提供了建设生态廊道的参考与依据.      

我国燃煤电厂大气汞控制技术综合评估与对策探讨

采用模糊综合评价法与层次分析法或专家判定法相结合,对我国燃煤电厂非常规污染物大气汞控制技术进行了综合评估,以筛选出最佳控制技术.建立了环境、经济和技术为一级指标的三层指标体系,共22个评价指标;初步筛选出洗选煤+烟气净化协同脱除技术、烟气净化协同脱除技术、烟气净化协同脱除技术+活性炭吸附技术等七项技术及技术组合并对其开展评估.结果表明:强调环境因素的层次分析法综合评估结果表明,超低排放协同脱除技术+活性炭吸附技术得分最高（0.797 0）,为最佳控制技术.而专家判定法与强调经济因素的层次分析法的综合评估结果一致,洗选煤+烟气净化协同脱除技术最具经济优势,是专家认可的最佳可用技术（BAT）和最佳环境实践（BEP）.研究显示,我国现阶段可采用洗选煤+超低排放协同脱除技术对燃煤电厂的大气汞污染进行控制,但为达到发达国家的严格排放标准,必须采用超低排放协同脱除技术+活性炭吸附技术.      

基于模糊PI控制的瞬态高温控制策略研究

目的通过地面环境试验研究气动热引起的瞬态高温环境对飞行器结构的影响。方法设计基于石英灯和离心机的瞬态高温-加速度复合试验系统,研究温度和加速度同步控制系统的结构和原理,分析无制冷装置环境下瞬态高温控制的难点,提出基于模糊PI控制器的温度控制策略。结果通过MATLAB仿真验证,设计的模糊PI控制器相比传统的PI控制器能够有效提高温度控制的动态性能与精确性。结论将基于模糊PI控制的瞬态加热控制策略应用于瞬态高温控制是可行、有效的,能为地面气动热模拟环境试验提供技术保障。     

应用S-T模型对沉积物中PAHs的生态风险分级评价

本文构建S-T模型,运用集对分析理论（set pair analysis）构建基本模型,采用层次分析法并参考毒性当量因子确定各指标权重,应用三角模糊数（triangular fuzzy number）对差异度系数进行改进,基于加拿大沉积物环境质量标准,对沉积物中多环芳烃进行生态风险分级评价.结果表明,该模型考虑到化合物之间的相互作用因素并做模糊处理,对差异度系数进行改进体现沉积物中多环芳烃生态风险等级标准的模糊性,为持久性有机污染物生态风险分级评价提供了一种简便客观有效的方法.     

Analysis of pollutant levels in central Hong Kong applying neural network method with particle swarm optimization

Air pollution has emerged as an imminent issue in modernsociety. Prediction of pollutant levels is an importantresearch topic in atmospheric environment today. For fulfillingsuch prediction, the use of neural network (NN), and inparticular the multi-layer perceptrons, has presented to be acost-effective technique superior to traditional statisticalmethods. But their training, usually with back-propagation (BP)algorithm or other gradient algorithms, is often with certaindrawbacks, such as: 1) very slow convergence, and 2) easilygetting stuck in a local minimum. In this paper, a newlydeveloped method, particle swarm optimization (PSO) model, isadopted to train perceptrons, to predict pollutant levels, andas a result, a PSO-based neural network approach is presented. The approach is demonstrated to be feasible and effective bypredicting some real air-quality problems.