下载排行
SOR理论框架下施工人员安全行为研究——情绪智力与具身认知视角
陈伟珂;刘国义;将SOR理论引入个体安全行为研究领域,探讨了情绪智力与具身认知对施工人员安全行为的影响机制和效应。分别从企业、组织及领导者3个层面选取安全氛围、非权变惩罚及道德领导作为外在刺激变量,以情绪智力及具身认知为中介变量,对来自建筑业施工人员的357份问卷进行分析。结果表明:安全氛围和道德领导对施工人员情绪智力与具身认知有显著的正向影响作用,非权变惩罚则有显著的负向影响作用;施工人员情绪智力与具身认知对其安全行为有显著的正向影响作用,两者在SOR模型中发挥着完全中介作用。研究结果不仅证实了 SOR理论是一种行之有效的行为预测理论,还弥补了以往研究中忽视个体情绪与认知双重作用对施工人员安全行为影响的缺陷,进而为施工企业提出了具有针对性的人员安全管理建议。
健康风险评价中中国人皮肤暴露面积的估算
王喆;刘少卿;陈晓民;林春野;为更加科学地开展我国健康风险评价,基于中国人身高与体重的统计资料,根据美国环保局、Gehan和George、Haycock等的模型,计算了中国人皮肤总表面积、不同部位皮肤的表面积和不同暴露环境下的皮肤暴露面积。结果表明(美国环保局模型),中国成年男性和女性的平均皮肤表面积分别为1.69 m2和1.53 m2,比美国成年男性和女性的平均皮肤表面积分别低13%和10%;2~12岁年龄段的男性和女性的平均皮肤表面积分别为0.840.91 m2和0.820.89 m2;12~20岁年龄段的男性和女性的平均皮肤表面积为1.481.57 m2和1.421.47 m2。研究表明,我国居民的平均皮肤表面积低于美国居民,因此建议在开展健康风险评估时尽量使用我国居民的人体参数值。此外,不同的暴露情景和季节,人体暴露的皮肤面积也不同,可根据具体情况确定暴露的皮肤表面积。
不溶性腐殖酸对重金属离子的吸附研究
马明广;周敏;蒋煜峰;吴应琴;张媛;陈慧;讨论了不溶性腐殖酸(IHA)对水中重金属Pb、Cd、Cu的吸附去除作用。将可溶性腐殖酸进行改性处理,制备了不溶性腐殖酸,并应用差热分析(TGDTA)、扫描电镜(SEM)等测试手段对其热性能及微观形貌进行了分析表征。研究了不溶性腐殖酸对水溶液中的Pb、Cd、Cu等重金属离子的吸附特征。吸附等温线分别以Linear,Frendlich和Langmuir方程进行拟合,结果显示吸附的最佳模型为Frendlich方程。利用该方程拟合的数据,由ClausiusClaperyon’s方程计算出的Pb2+、Cd2+、Cu2+吸附焓变值说明,重金属在不溶性腐殖酸上的吸附以物理吸附为主。同时考察了温度、酸度及吸附时间对吸附的影响。结果表明,随着温度的升高和pH值的增大,不溶性腐殖酸对Pb2+、Cd2+、Cu2+的吸附量增加。随着pH的增加,在近中性条件下不溶性腐殖酸对重金属离子的吸附率高且稳定。当pH=7时,在实验浓度范围内Pb2+、Cd2+、Cu2+在不溶性腐殖酸中的吸附率分别为98.73%,97.86%,99.25%。吸附进行12h以后,吸附作用基本达到平衡。不溶性腐殖酸对重金属离子具有强烈的吸附作用且吸附率稳定,可以广泛用于去除污水中的重金属离子。
基于XGBoost-ARIMA方法的PM2.5质量浓度预测模型的研究及应用
刘拥民;罗皓懿;谢铁强;针对PM2.5时间序列的非线性、高噪声、不平稳与波动性的特征，提出一种基于分解集成框架以及相关性去噪的新型XGBoost-ARIMA混合预测模型。以石家庄市为例，选择PM10、SO2等4个影响因子，PM2.5为目标因子，构建混合预测模型以合理区分与处理时间序列中高频、低频数据，并通过Pearson相关性去噪方法对时间序列中的噪声因子进行去除。实例验证及与经典预测模型的对比研究表明，提出的新型XGBoost-ARIMA混合预测模型适用于大气污染治理以及环境政策制定所需的PM2.5质量浓度日均数据预测，实现了针对大气污染物日均质量浓度的准确预测，能够为污染治理与政策制定提供科学的数据支撑；该方法与经典预测模型相比，具有更优的预测性能(平均绝对误差仅为10.465 18,且希尔不等系数低至0.085 89)。
酸碱度对玉米秸秆酶解液光合生物产氢动力学的影响
路朝阳;王毅;曹明;李昌明;杨达飞;张全国;主要研究p H值对玉米秸秆酶解液光合生物产氢动力学的影响,以生物量干重为指标研究p H值对光合产氢细菌生长的影响,以产氢速率和产氢量为指标研究p H值对光合细菌产氢的影响。利用Logistic模型和MMF模型分别对光合细菌生长和玉米秸秆酶解液光合生物产氢进行了回归模拟,提出了p H值对光合细菌生长动力学和玉米秸秆酶解液产氢动力学的影响规律。结果表明:p H值对光合细菌生长及产氢过程都有显著影响,随碱性增强,光合细菌生物量逐渐增大,当p H值为8时,光合细菌生物量达到最大,为0.543 7 g/L,最佳接种时间为84~96 h;光合细菌产氢量随p H值增加同样呈现先递增再递减的趋势,当p H值为6时,产氢速率和产氢量达到最大,分别为29.72 m L/(L·h)、168.96 m L。
道路交通事故发生机理研究现状与趋势分析
李淑庆;彭囿朗;肖莉英;孟思梦;王鹏;徐继鹏;为了揭示道路交通事故发生的本质规律,完善预防与治理道路交通事故发生的理论体系,针对全世界交通事故频发、交通安全问题日益突出的现状,以道路交通事故发生机理为研究对象,综述了5种目前国内外典型的道路交通事故发生机理,包括"感知—判断—操作"机理、"流量分布、超速与速度差"机理、"驾驶能力与行车需求"机理、"差错性与突变性"耦合机理、"事件树"机理,并对其进行了评价。基于现状分析,提出了未来道路交通事故发生机理研究的趋势,即探寻道路交通事故影响因素的新颖分类方法,透析道路交通事故影响因素间的耦合关联,寻求导致道路交通事故发生的决定性因素(可量化指标),建立关键决定性因素耦合作用对道路交通安全性影响的系统理论关系模型及定量化研究模型,开展基于人因工程理论的道路交通事故发生机理研究,探索基于事故数据的道路交通事故发生机理研究等。
基于社会认知理论的事故体验对矿工不安全行为影响研究
杨振宏;李盼;王文杰;为了研究事故体验对矿工不安全行为的余效效应,基于社会认知理论框架,建立了安全氛围调节作用下的事故体验对矿工不安全行为的假设模型,收集308名陕西和甘肃等地矿山企业一线工作人员有效调查问卷,采用结构方程(SEM)和层次回归的方法对假设模型进行了验证。结果表明:个体的事故体验通过风险感知和安全态度的中介作用负向影响矿工的不安全行为;组织安全氛围在风险感知对不安全行为的影响中有负向增强的调节作用,在风险感知和事故体验对安全态度的影响中具有正向增强的调节作用。
粤港澳大湾区内地城市群路网韧性的贝叶斯网络评估
赵荣国;杨锦琛;李洁;周苏华;随着我国城市化进程的推进，城市路网的韧性问题愈发凸显。构建了一种基于贝叶斯网络模型的城市路网韧性评价模型，并以粤港澳大湾区内地城市群为例，评估了2000—2019年该地区9个城市的路网韧性。基于韧性功能函数从容灾性、稳定性、重构性、恢复性4个方面建立功能层，选取稳定性、可变性、可维护性、可靠性、服务性、安全性、鲁棒性、可修性、适应性9个因素建立性能层，选取客运量、公共汽车数量、道路面积率、出租车数量、交通事故死亡人数、公共交通投资、每万人公共汽车数、道路运输从业人数、人均道路面积9个因素建立因素层。研究结果表明：路网韧性指数最高的为深圳(60%),而最低的为中山(43%);广州、深圳、珠海、东莞的路网韧性一直稳定增长，其余城市的路网韧性浮动较小；路网韧性并非总是随着城市GDP的增长而提高，还与人均GDP有关；敏感性分析表明，路网重构性、路网可靠性、交通事故死亡人数分别为各自所在层中对路网韧性影响最大的因素；加强中心城市与其他城市之间的联系可以提高城市路网韧性。研究成果可为粤港澳大湾区城市群交通路网功能完善与韧性提升提供技术参考。
黄河流域经济-能源-生态-科技耦合协调发展时空格局及其影响因素
张雪薇;杜凤莲;申晓燕;宗刚;推动黄河流域生态保护和高质量发展具有重要的战略意义。基于高质量发展理念构建经济-能源-生态-科技综合评价指标体系，运用熵值法对综合指数进行衡量，引入耦合协调模型测度2005—2019年黄河流域地区经济-能源-生态-科技耦合协调度，借助ArcGIS方法分析耦合协调度时空格局，并构建空间计量模型进一步揭示其影响因素。研究结果显示：1)从综合评价结果来看，黄河流域多数省份经济-能源-生态-科技发展水平呈现波动上升趋势，其中河南、四川综合发展水平上升幅度大于其他省份；2)从耦合协调度来看，黄河流域经济-能源-生态-科技耦合协调度处于中高水平，大多数省份耦合协调程度呈现波动上升趋势；3)在空间权重下黄河流域经济-能源-生态-科技耦合协调度存在显著的正向空间溢出效应，目标层指标中生态和能源是影响黄河流域耦合协调发展的重要因素，其中一级指标中经济质量、能源消费、环境治理、环境破坏和科技产出对耦合协调度影响相对较大。
基于XGBoost与SHAP的绵阳空气质量预测与因素分析
魏佳芳;魏荣升;赵天赐;樊新建;纪鹏辉;曾俊翔;张仪文;随着城市化进程的加快，空气污染问题日益突出，准确预测空气质量指数(Air Quality Index, AQI)对污染预警和科学治理具有重要意义。构建一种高精度、可解释的AQI预测模型，以识别空气污染的关键驱动因子，可为环境管理提供决策支持。研究基于2013—2024年绵阳市空气质量日平均尺度监测数据，分析各污染物浓度的时序变化趋势，并利用斯皮尔曼相关性分析揭示指标因变量与自变量之间的定量关系。采用极端梯度提升(Extreme Gradient Boosting, XGBoost)算法建立AQI预测模型，并引入夏普利加性解释(Shapley Additive Explanations, SHAP)法对模型输出进行可解释性分析，以量化各污染因子对AQI的贡献。研究对比了XGBoost模型与其他模型的性能。结果显示：XGBoost模型在训练集与测试集上的决定系数(R2)分别为0.99和0.96,均方误差(MSE)为50.47,预测性能优于其他机器学习模型。SHAP分析进一步表明，臭氧(O3)、细颗粒物(PM2.5)和可吸入颗粒物(PM10)是影响AQI变化的主要因素，三者累计贡献超过80%。此外，不同污染物在污染高发期和空气良好期的影响权重存在明显差异，污染物间的协同效应在高浓度场景下更为显著。XGBoost-SHAP模型能够有效提升空气质量预测精度，并实现对污染成因的深入解析。研究结果可为城市空气污染的精准治理与分时段调控提供科学依据。