店坪煤矿掘进工作面降尘技术应用分析

店坪煤矿二采区掘进作业时,工作面粉尘浓度较大,对安全生产及人员健康有极大影响;通过对掘进面及巷道进行粉尘浓度检测分析,得出粉尘主要是由于掘进机破岩工作以及皮带输送环节产生,并在巷道内风流作用下造成粉尘聚集、浓度升高;掘进工作面采用高压喷雾降尘、皮带输送机喷雾降尘、回风巷喷雾降尘等降尘技术,实现全方位除尘措施;采用改进的降尘方案后,掘进工作面粉尘降尘率达到80%以上,治理效果良好;实现了矿工安全健康作业,保证了施工作业顺利进行。     

基于空气质量模拟的江苏省大气污染物排放清单比较研究

大气污染物排放清单是空气质量模拟和空气污染治理的重要依据.本研究比较分析了两套覆盖江苏省的2017年大气污染物排放清单，即分别由上海市环境科学研究院、江苏省环境科学研究院编制的"长三角清单"和"江苏省清单"，并结合区域空气质量模型CMAQ评估不同清单对长三角地区2017年1、4、7、10月的空气质量模拟的影响.清单比较结果表明，除二氧化硫（SO₂）以外，江苏省清单估算的各污染物排放量较长三角清单低.通过与观测数据比较，发现两套清单对SO₂、氮氧化物（NO_x）、臭氧（O₃）和细颗粒物（PM_2.5）的模型模拟性能均较好.江苏省清单与长三角清单两者的模拟结果空间分布接近，其中江苏省清单模拟的PM_2.5和O₃在长三角多数地区略低于长三角清单的模拟结果（1月O₃除外）.江苏省清单与长三角清单均能够用于空气质量模式模拟，可为江苏地区的细颗粒物和光化学烟雾污染的控制策略制定提供参考.     

杜邦转型的两点启示

化工行业自从进入"中国式过剩"以来,"转型"便如影随形,成为挥之不去的热词。近年来,在调结构、转方式的大趋势下,越来越多的化工企业开始走上转型之路。然而,不少化企对于转不转、何时转以及怎样转的问题颇为纠结。在不久前中国化工报社举办的"新常态、新动力、新格局"高峰论坛上,美国杜邦公司向中国同行分享了转型经验,或许对我国化企有所启迪和借鉴。     

绿色化工技术在精细化工中的应用研究

社会经济快速发展,科学技术不断进步,针对我国现代工业化工行业发展,所产生的新型化工技术应用,促进我国化工生产效率的提升。工业的发展不可避免地会带来污染物的产生,如果不能有效控制化工排放污染物,温室效应问题会更加严重。本文对绿色化工技术在精细化工中的有效应用进行研究,降低工业废气污染物排放量,维护生态环境平衡。     

工业和信息化部关于印发《2015年工业绿色发展专项行动实施方案》的通知

工信部节[2015]61号各省、自治区、直辖市及计划单列市、新疆生产建设兵团工业和信息化主管部门:为加快实施工业绿色发展战略,提高能源资源利用效率,减少污染物排放,促进工业可持续发展,我部决定2015年继续组织实施工业绿色发展专项行动。现将《2015年工业绿色发展专项行动实施方案》印发给你们,请结合实际,加强组织协调,认真贯彻落实。     

真空加料技术及应用研究

开发一种新的烟叶加料方式——真空加料技术,通过实验确定贵烟(国酒香)产品最佳的料液浓度以及工艺方式,并对加料的均匀性及加料后烟叶的致香成分进行检测,试验表明:国酒香料液最佳浓度1.96%,最佳工艺方式为进行三次加蒸汽并分别闷车2分钟,加料后车仓内上中下层烟叶吸料均匀,致香成分增加明显,烟叶感官质量明显提升。     

化工储运系统无组织排放气治理

随着科技飞速发展,化石能源的消耗大幅攀升,石化行业废气污染问题日益突显,加大节能减排工作的力度势在必行。某储运装置区在油品储存环节中产生的储罐大小呼吸以及液体装卸环节的无组织排放,造成的油品挥发损失高达916.53 t/a,在严重影响经济效益的同时,更存在着苯类等有毒气体扩散的风险。目前国内普遍采用的活性炭吸附回收工艺对芳香烃类油气的处理效果无法满足国家排放新标准≤20 mg/m~3要求。对此提出新的论点,拟在活性炭吸附技术的基础上结合冷凝技术,可极大地提高挥发油品的回收率,在提高经济效益的同时也保证了VOCS排放满足国家相关标准要求。     

核电站含硼废液中硼浓度测量方法对比研究

硼作为重要的中子吸收剂大量存在于核电站一回路中，因此在对核电站放射性废液的分析以及模拟研究中经常需要对不同硼浓度样品进行浓度测量。本文对比了4种常用的硼检测方法，分析了各自的优缺点。最终结果显示，国家标准姜黄素法仅适宜检测低浓度硼（＜1.2 mg/L）；甘露醇滴定法仅对高浓度硼（＞1 g/L）的测量有效；甲亚胺-H酸比色法适用硼浓度范围广，精确度高，但操作复杂，样品准备过程中需避光保存；利用电感耦合等离子体发射光谱仪（ICP-OES）测量溶液硼浓度操作简单快捷，适用硼浓度范围大，准确度和精密度能满足检测分析要求。      

基于粒子群优化和支持向量机的花粉浓度预测模型

为了提高花粉浓度预报的准确率，解决现有花粉浓度预报准确率不高的问题，提出了一种基于粒子群优化（PSO）算法和支持向量机（SVM）的花粉浓度预报模型。首先，综合考虑气温、气温日较差、相对湿度、降水量、风力、日照时数等多种气象要素，选择与花粉浓度相关性较强的气象要素构成特征向量；其次，利用特征向量与花粉浓度数据建立SVM预测模型，并使用PSO算法找出最优参数；然后利用最优参数优化花粉浓度预测模型；最后，使用优化后的模型对花粉未来24 h浓度进行预测，并与未优化的SVM、多元线性回归法（MLR）、反向神经网络（BPNN）作对比。此外使用优化后的模型对某市南郊观象台和密云两个站点进行逐日花粉浓度预测。实验结果表明，相比其他预报方法，所提方法能有效提高花粉浓度未来24 h预测精度，并具有较高的泛化能力。