论法律大数据“领域”的构建
法治日报 2020-08-19
□ 王禄生
一、问题的提出：法律大数据“领域理论”的现状与不足
（一）法律大数据领域本体论有待构建
由于对法律大数据的领域本体论反思还较为缺乏，因此学界一般认为，法律大数据就是在法律领域中使用的具备“4V特征”的数据集。在实践中，出现了片面强调大体量、全样本、高速度、实时性、多种类的观点，甚至人为设定标准来固化地区分“大数据”与“小数据”，如PB量级才是法律大数据、没有全样本不是法律大数据等。实际上，“4V特征”并不完全适用于法律领域。因此，要推动法律大数据的研究与应用，必须构建法律大数据领域本体论，挖掘属于法律的“领域特征”。
（二）法律大数据领域认识论有待更新
由于缺乏对领域认识论的充分反思，当前法律大数据应用较多采取基于大数据分析的知识发现范式。具体而言，就是借助数据挖掘技术从大量判决书、案件卷宗等非结构化、半结构化数据中发现法律规律并加以应用的过程。此种认识论在大数据与大算力的支撑之下取得了一定的成效，但却与法律领域的特殊需求不完全匹配。这体现在：其一，演绎思维冲突；其二，因果思维冲突；其三，说理思维冲突。可见，为了避免在法律大数据应用中方法论与法律思维的冲突，就势必需要更新法律大数据领域认识论。
（三）法律大数据领域方法论有待优化
由于在本体论与认识论上套用了大数据的一般分析框架，当前法律大数据在方法论上表现为“通用技术+通用流程”的特点，也就是在数据获取、预处理、训练、解释、应用等的常见步骤中使用通用的大数据分析技术、算法与模型，没有考虑技术在法律领域的兼容性，更没有针对法律“领域知识壁垒”而进行专门的技术与流程优化。
二、领域本体论的构建：法律大数据的“3A特征”
（一）本体论视角下法律大数据概念的厘清
“法律大数据”本体论的构建首先需要实现“法律领域中大数据”（big data in law）向“法律领域的大数据”（legal big data）转变。换言之，在本体论的视角下，“法律大数据”是指在立法、执法、司法等法律过程中形成或依法获取的，既在一定程度上具备大数据的通用特征，又满足适配性、正确性和易变性的领域需求，必须结合法律领域的特定算法与模型来实现辅助法律决策、优化法律过程目标的数据集。上述概念有三个关键点：其一，法律大数据是“领域大数据”而非“领域中的大数据”；其二，除了通用领域的部分特征之外，法律的特殊性使得法律大数据具有特定的领域特征；其三，法律大数据的领域特征决定了通用大数据分析工具也需要结合法律领域进行优化。
（二）本体论视角下法律大数据的领域特征
法律领域的特殊性决定了法律大数据除了部分具有通用大数据的“4V特征”之外，还具备从属于法律领域“3A特征”。
第一，法律大数据的适配性（Adaptability）。与其他领域强调样本的“大与全”相比，法律大数据特别强调样本的适配性，而并不必然要求大量的全样本。第二，法律大数据的正确性（Accuracy）。在通用领域中，样本大数据质量的高低判断标准通常是纯技术的形式判断，比如数据缺失、数据重复、数据格式不统一等。一般而言，研发者并不需要对样本数据进行“对”与“错”的实质价值判断。与之形成鲜明对比的是，在法律领域中，作为各种算法训练基础的法院判决则很可能存在对错之分，法律大数据训练样本质量的高低判断除了借助技术逻辑进行形式审查之外，还需要依托专业逻辑——基于法学知识的专业判断。第三，法律大数据的易变性（Astability）。对于通用领域而言，数据的价值是相对稳定的，可以通过多次挖掘进行深度的运用，而对于法律领域而言，部分数据具有易变性，情境一经调整，原有数据将失去挖掘价值。
三、领域认识论的更新：法律大数据的知识发现逻辑
（一）“轻量级理论驱动”的法律大数据认识论
大数据认识论排除理论预设、以数据分析为前置，相信只要拥有足够数据，数据本身就能够说明问题。然而，数据产生于更广泛的知识生产操作，每个学科都有自己数据想象的规范和标准，就像每个领域都有自己被接受的方法和实践的演进结构一样。完全脱离理论的大数据挖掘势必会在数据到结构化知识再到因果推断之间形成鸿沟。作为对原有大数据认识论的反思，科学界提出了“轻量级理论驱动”（lightweight theory-driven）的认识论，优化单纯以数据驱动的认识论。
法学是社会科学的重要领域，具有鲜明的领域特殊性。考虑到通用大数据认识论与法律领域因果思维、演绎思维等方面的不相兼容性所造成的负面影响，结合法律领域特殊性的法律大数据认识论反思就显得至关重要。这就需要更新通用大数据数据驱动的经验主义认识论，构建结合法律领域特殊性的“轻量级理论驱动”法律大数据认识论，将法学理论结构映射到法律大数据的知识发现过程中。具体而言，可以从三个方面展开：首先，通过法学理论构建法学领域知识本体，明确法律大数据挖掘的结构、关系和边界；其次，通过法学理论确定适合特定目标的法律大数据子集；最后，将法学理论作为法律大数据挖掘结果的解释性框架。
（二）新认识论驱动下的法律大数据知识发现逻辑
在“轻量级理论驱动”的法律大数据认识论的指导下，法律大数据知识发现的逻辑也会产生相应的调整。“轻量级理论驱动”认识论指导下的法律大数据知识发现就是结合法学理论，对符合“3A特征”需求的法律大数据进行知识表示、知识抽取和知识输出的过程。具体而言，就是针对不同的主题（如类案推荐、办案证据辅助）进行知识本体构建，在知识本体构建的基础之上从各类大数据集抽取信息、训练模型、形成法律知识、装载到法律大数据仓库中并根据用户需求输出的过程。因此，法律大数据应用通常就是一个从某种法律数据中获取实质性的、有意义的知识（见解）的文本、数据挖掘过程。
四、领域方法论的优化：法律大数据的知识壁垒及其应对
法律大数据的“3A特征”以及“轻量级理论驱动”的知识发现方式相结合，形成了法律大数据在方法论上面临的“领域知识壁垒”。因此，在法律大数据“领域理论”的构建过程中，就必须充分了解“领域知识壁垒”的成因，进而有针对性地提出应对之策。
（一）法律大数据“领域知识壁垒”的表现
在技术进步话语所凸显的技术瓶颈之外，法律大数据分析的每个环节还面临明显的“领域知识壁垒”。
首先，在法律知识表示中法律领域本体的构建需要大量法律专业知识的支撑。对此，我们可以从三个方面展开：其一，法律大数据的知识表示通常是在法律专家的知识之上建立的专家规则；其二，不同主题的知识本体有着不同程度的差异；其三，法律的领域本体还具有维度多、属性多、要素多的复杂性特点。
其次，在法律知识发现的数据获取和数据标注环节也离不开专业知识。通用大数据领域，常人使用常识就可以实现高质量、高效率的样本标注。而在法律场景中，标注者不仅要有扎实的专业知识积累，还需要了解案件的整体事实和法律背景，从而做出准确的标注。更为重要的在于法律领域的标注还面临标准统一性的难题。不同标注人员，即使都具备深厚的法学专业知识，其对同一标注对象也可能会形成不同的判断。可见，法律领域的特殊性使得数据的获取难度和成本要大大高于通用场景。
最后，在法律知识应用环节也存在着专业知识障碍。一方面，法律人，尤其是实务部门一线工作人员由于技术知识背景的缺乏，对技术逻辑十分陌生，不清楚技术能够解决哪些业务问题，也就无法向研发主体提出准确的大数据需求；另一方面，法律人提出的同案同判、财产保全风险预警等诸多业务需求对于技术人员而言也往往具有一定的理解障碍。横亘在法律大数据技术研发人员面前的鸿沟往往并非技术的瓶颈而恰恰可能是法律人的“常识”。
（二）法律大数据“领域知识壁垒”的应对
面对法律大数据的“领域知识壁垒”，需要在领域方法论上予以应对，通过推动法学与技术的有机融合，提升法律人在法律大数据研发中的地位。与此同时，结合法律大数据的领域特征，开展专有的法律大数据技术创新，而不是把法律大数据视作通用大数据技术在法律领域的平移运用。更为重要的还在于，要转变法学人才培养的模式，打造法律知识工程师的培养体系，以形成破除法律大数据“领域知识壁垒”的有生力量。
法治日报 2020-08-19
□ 王禄生
一、问题的提出：法律大数据“领域理论”的现状与不足
（一）法律大数据领域本体论有待构建
由于对法律大数据的领域本体论反思还较为缺乏，因此学界一般认为，法律大数据就是在法律领域中使用的具备“4V特征”的数据集。在实践中，出现了片面强调大体量、全样本、高速度、实时性、多种类的观点，甚至人为设定标准来固化地区分“大数据”与“小数据”，如PB量级才是法律大数据、没有全样本不是法律大数据等。实际上，“4V特征”并不完全适用于法律领域。因此，要推动法律大数据的研究与应用，必须构建法律大数据领域本体论，挖掘属于法律的“领域特征”。
（二）法律大数据领域认识论有待更新
由于缺乏对领域认识论的充分反思，当前法律大数据应用较多采取基于大数据分析的知识发现范式。具体而言，就是借助数据挖掘技术从大量判决书、案件卷宗等非结构化、半结构化数据中发现法律规律并加以应用的过程。此种认识论在大数据与大算力的支撑之下取得了一定的成效，但却与法律领域的特殊需求不完全匹配。这体现在：其一，演绎思维冲突；其二，因果思维冲突；其三，说理思维冲突。可见，为了避免在法律大数据应用中方法论与法律思维的冲突，就势必需要更新法律大数据领域认识论。
（三）法律大数据领域方法论有待优化
由于在本体论与认识论上套用了大数据的一般分析框架，当前法律大数据在方法论上表现为“通用技术+通用流程”的特点，也就是在数据获取、预处理、训练、解释、应用等的常见步骤中使用通用的大数据分析技术、算法与模型，没有考虑技术在法律领域的兼容性，更没有针对法律“领域知识壁垒”而进行专门的技术与流程优化。
二、领域本体论的构建：法律大数据的“3A特征”
（一）本体论视角下法律大数据概念的厘清
“法律大数据”本体论的构建首先需要实现“法律领域中大数据”（big data in law）向“法律领域的大数据”（legal big data）转变。换言之，在本体论的视角下，“法律大数据”是指在立法、执法、司法等法律过程中形成或依法获取的，既在一定程度上具备大数据的通用特征，又满足适配性、正确性和易变性的领域需求，必须结合法律领域的特定算法与模型来实现辅助法律决策、优化法律过程目标的数据集。上述概念有三个关键点：其一，法律大数据是“领域大数据”而非“领域中的大数据”；其二，除了通用领域的部分特征之外，法律的特殊性使得法律大数据具有特定的领域特征；其三，法律大数据的领域特征决定了通用大数据分析工具也需要结合法律领域进行优化。
（二）本体论视角下法律大数据的领域特征
法律领域的特殊性决定了法律大数据除了部分具有通用大数据的“4V特征”之外，还具备从属于法律领域“3A特征”。
第一，法律大数据的适配性（Adaptability）。与其他领域强调样本的“大与全”相比，法律大数据特别强调样本的适配性，而并不必然要求大量的全样本。第二，法律大数据的正确性（Accuracy）。在通用领域中，样本大数据质量的高低判断标准通常是纯技术的形式判断，比如数据缺失、数据重复、数据格式不统一等。一般而言，研发者并不需要对样本数据进行“对”与“错”的实质价值判断。与之形成鲜明对比的是，在法律领域中，作为各种算法训练基础的法院判决则很可能存在对错之分，法律大数据训练样本质量的高低判断除了借助技术逻辑进行形式审查之外，还需要依托专业逻辑——基于法学知识的专业判断。第三，法律大数据的易变性（Astability）。对于通用领域而言，数据的价值是相对稳定的，可以通过多次挖掘进行深度的运用，而对于法律领域而言，部分数据具有易变性，情境一经调整，原有数据将失去挖掘价值。
三、领域认识论的更新：法律大数据的知识发现逻辑
（一）“轻量级理论驱动”的法律大数据认识论
大数据认识论排除理论预设、以数据分析为前置，相信只要拥有足够数据，数据本身就能够说明问题。然而，数据产生于更广泛的知识生产操作，每个学科都有自己数据想象的规范和标准，就像每个领域都有自己被接受的方法和实践的演进结构一样。完全脱离理论的大数据挖掘势必会在数据到结构化知识再到因果推断之间形成鸿沟。作为对原有大数据认识论的反思，科学界提出了“轻量级理论驱动”（lightweight theory-driven）的认识论，优化单纯以数据驱动的认识论。
法学是社会科学的重要领域，具有鲜明的领域特殊性。考虑到通用大数据认识论与法律领域因果思维、演绎思维等方面的不相兼容性所造成的负面影响，结合法律领域特殊性的法律大数据认识论反思就显得至关重要。这就需要更新通用大数据数据驱动的经验主义认识论，构建结合法律领域特殊性的“轻量级理论驱动”法律大数据认识论，将法学理论结构映射到法律大数据的知识发现过程中。具体而言，可以从三个方面展开：首先，通过法学理论构建法学领域知识本体，明确法律大数据挖掘的结构、关系和边界；其次，通过法学理论确定适合特定目标的法律大数据子集；最后，将法学理论作为法律大数据挖掘结果的解释性框架。
（二）新认识论驱动下的法律大数据知识发现逻辑
在“轻量级理论驱动”的法律大数据认识论的指导下，法律大数据知识发现的逻辑也会产生相应的调整。“轻量级理论驱动”认识论指导下的法律大数据知识发现就是结合法学理论，对符合“3A特征”需求的法律大数据进行知识表示、知识抽取和知识输出的过程。具体而言，就是针对不同的主题（如类案推荐、办案证据辅助）进行知识本体构建，在知识本体构建的基础之上从各类大数据集抽取信息、训练模型、形成法律知识、装载到法律大数据仓库中并根据用户需求输出的过程。因此，法律大数据应用通常就是一个从某种法律数据中获取实质性的、有意义的知识（见解）的文本、数据挖掘过程。
四、领域方法论的优化：法律大数据的知识壁垒及其应对
法律大数据的“3A特征”以及“轻量级理论驱动”的知识发现方式相结合，形成了法律大数据在方法论上面临的“领域知识壁垒”。因此，在法律大数据“领域理论”的构建过程中，就必须充分了解“领域知识壁垒”的成因，进而有针对性地提出应对之策。
（一）法律大数据“领域知识壁垒”的表现
在技术进步话语所凸显的技术瓶颈之外，法律大数据分析的每个环节还面临明显的“领域知识壁垒”。
首先，在法律知识表示中法律领域本体的构建需要大量法律专业知识的支撑。对此，我们可以从三个方面展开：其一，法律大数据的知识表示通常是在法律专家的知识之上建立的专家规则；其二，不同主题的知识本体有着不同程度的差异；其三，法律的领域本体还具有维度多、属性多、要素多的复杂性特点。
其次，在法律知识发现的数据获取和数据标注环节也离不开专业知识。通用大数据领域，常人使用常识就可以实现高质量、高效率的样本标注。而在法律场景中，标注者不仅要有扎实的专业知识积累，还需要了解案件的整体事实和法律背景，从而做出准确的标注。更为重要的在于法律领域的标注还面临标准统一性的难题。不同标注人员，即使都具备深厚的法学专业知识，其对同一标注对象也可能会形成不同的判断。可见，法律领域的特殊性使得数据的获取难度和成本要大大高于通用场景。
最后，在法律知识应用环节也存在着专业知识障碍。一方面，法律人，尤其是实务部门一线工作人员由于技术知识背景的缺乏，对技术逻辑十分陌生，不清楚技术能够解决哪些业务问题，也就无法向研发主体提出准确的大数据需求；另一方面，法律人提出的同案同判、财产保全风险预警等诸多业务需求对于技术人员而言也往往具有一定的理解障碍。横亘在法律大数据技术研发人员面前的鸿沟往往并非技术的瓶颈而恰恰可能是法律人的“常识”。
（二）法律大数据“领域知识壁垒”的应对
面对法律大数据的“领域知识壁垒”，需要在领域方法论上予以应对，通过推动法学与技术的有机融合，提升法律人在法律大数据研发中的地位。与此同时，结合法律大数据的领域特征，开展专有的法律大数据技术创新，而不是把法律大数据视作通用大数据技术在法律领域的平移运用。更为重要的还在于，要转变法学人才培养的模式，打造法律知识工程师的培养体系，以形成破除法律大数据“领域知识壁垒”的有生力量。
、土工膜的焊接
1.热锲焊机焊接工序分为：调节压力——设定温度——设定速度——焊缝搭接检查——装膜入机——启动马达——加压焊接。
2.接缝处不得有油污、灰尘，HDPE土工膜的搭接段面不应夹有泥沙等杂物，当有杂物时必须在焊接前清理干净。
3.每天焊接开始时，必须在现场先试焊一条0.9mm×0.3mm的试样,搭接宽度不小于10cm,并用拉力机现场进行剥离和剪切试验,试样合格后,便可用当时调整好的速度、压力、温度进行正是焊接。试样上需标明日期、时刻、环境温度。热锲焊机在焊接过程中，需随时注意焊机的运行情况，要根据现场的实际情况对速度和温度进行微调。
4.焊缝要求整齐、美观、不得有滑焊、跳走现象。
5.在遇上土工膜长度不够时，需要长向拼接，应先把横向焊缝焊好，再焊纵缝，横向焊缝相距大于50cm应成T字型，不得十字交叉。
6.相邻土工膜焊缝应尽量错缝搭接，膜块间形成的结点，应为T字型，尽量减少十字型，纵模向焊缝交点处应用挤压焊机加强。
7.焊膜时不许压出死折，铺设HDPE土工膜时，根据当地气温变化幅度和HDPE土工膜性能要求，预留出温度变化引起的伸缩变形量。
8.当手提焊机的温度控制所指示的焊机温度低于200℃时，要用干净的布或棉纱掸掉再焊，必要时应重新打磨，切忌用手擦试。
9.当接缝处有结露、潮湿、泥沙等影响时，处理后再进行焊接。
10.在下雨期间或接缝有潮气、露水、或者大沙的情况下不能进行焊接，但采取防护措施是除外。
11.温度低于5℃时，按照规范要求不应施工，如果必须施工的话，焊接前应对焊机进行预热处理。
12.挤压焊接机在焊接过程中，应该经常检查枪头的滑块，磨损较严重时应及时更换滑块，以免损伤膜面。
13.土工膜在焊接时应该采用稳压性能好的发电机供电，在特殊情况下采用当地用电时，必须使用稳压器。
2/4
三、HDPE土工膜的锚固
1.锚固的方法分为三种：沟槽锚固、射钉锚固和膨胀螺栓锚固；通常情况下，采用沟槽锚固。
2.采用沟槽锚固时，视HDPE土工膜的使用条件及受力情况，其锚固沟槽宽度一般不小于0.5m-1.0m,其深度不得小于0.5m-1.0m。
3.采用射钉锚固时，压条宽度不小于2cm，厚度不得小于2mm，射钉间距不应大于400mm，压条明露处应有防腐措施。
4.采用膨胀螺栓锚固时，螺栓直径不小于4mm，其间距不大于0.5mm，施工时，先用备好的沙袋将摆好位置的膜临时固定，防止大风将HDPE膜吹动移位，然后再进行膨胀螺栓锚固。
3/4
四、土工膜施工注意事项
1.电器设备、电源线路应符合有关专业规范要求。
2.热风枪、砂轮机和焊机拖带的电源线在使用过程中，必须最大限度的远离其工作部位，以免损伤脑筋电线发生漏电。
3.除热风焊接外，热风枪的嘴部在任何情况下都不得与HDPE膜面接触，并且尽可能的远离膜面、人体、机械等物体。
4.焊机在不使用时，不得直接放置在HDPE膜面上，应放置在支架或沙袋带上。
5.裁膜刀使用完毕后，应立即将刀片收回刀盒内。
6.在现场使用的各种临时性小型工具，使用完毕，应及时放入工具箱内。
7.严禁将从挤压焊接机枪头摘下的焊料物直接丢弃在土工膜面上。
8.凡在陡坡边缘等危险场所作业时，必须佩带安全带，必须带安全帽。
9.HDPE土工膜施工现场禁止吸烟，还应配备消防设施，不得穿带铁钉的鞋或高跟硬底鞋到膜面上行走，不允许从事有可能破坏土工膜成品的一切活动。
4/4
防渗薄膜/土工膜的施工
土工膜是透水性极低的土工合成材料。为使土工膜起到应有的防渗作用，除要求土工膜自身不透水外，还需注意铺设防渗薄膜|土工膜的施工质量。（1）防渗薄膜|土工膜与支撑材料接触面应力求平整，以免薄膜被刺坡丧失其防渗作用。否则，应设细粒垫层，以保护土工膜不被损伤。（2）防渗薄膜|土工膜自身的连接。防渗薄膜的连接方式可归纳为三种，即粘结法、焊接法以及硫化法，视土工膜的原材料的不同而选择。所有连接缝的抗渗性能均应进行检查，以防接缝连接不好而渗漏。（3）防渗薄膜|土工膜与周边边界的连接。防渗薄膜与周边边界必须严密结合。施工时可在地基和岸坡开挖锚固槽连接。如果地基是浅层砂砾石透水层，则应将砂砾石开挖掉，直至基岩，然后浇筑混凝土底座，将土工膜固定在混凝土内；如果地基是不透水粘土层，可开挖深为2m，宽为4m左右的锚固槽，将土工薄膜置于槽内，然后密实回填粘土；如果地基是深厚的砂砾石透水层，可采用土工薄膜铺盖的方式进行防渗，其长度根据计算确定。铺盖部位必须整平，并铺设厚约30cm，最大粒径为20mm的过渡层。同样土工膜上也要铺设过滤层，随后加设保护层。土工膜周边应与两岸岸坡不透水层严密结合。防渗薄膜与锚固槽的连接视薄膜与混凝土的允许接触渗透坡降确定。聚氯乙烯和丁基橡胶类薄膜可用粘合剂或溶化剂很好的粘着于混凝土面上，故嵌入长度适当可短些。因聚乙烯薄膜不能粘着于混凝土面上，故嵌上混凝土的长度至少为0.8m。
1.热锲焊机焊接工序分为：调节压力——设定温度——设定速度——焊缝搭接检查——装膜入机——启动马达——加压焊接。
2.接缝处不得有油污、灰尘，HDPE土工膜的搭接段面不应夹有泥沙等杂物，当有杂物时必须在焊接前清理干净。
3.每天焊接开始时，必须在现场先试焊一条0.9mm×0.3mm的试样,搭接宽度不小于10cm,并用拉力机现场进行剥离和剪切试验,试样合格后,便可用当时调整好的速度、压力、温度进行正是焊接。试样上需标明日期、时刻、环境温度。热锲焊机在焊接过程中，需随时注意焊机的运行情况，要根据现场的实际情况对速度和温度进行微调。
4.焊缝要求整齐、美观、不得有滑焊、跳走现象。
5.在遇上土工膜长度不够时，需要长向拼接，应先把横向焊缝焊好，再焊纵缝，横向焊缝相距大于50cm应成T字型，不得十字交叉。
6.相邻土工膜焊缝应尽量错缝搭接，膜块间形成的结点，应为T字型，尽量减少十字型，纵模向焊缝交点处应用挤压焊机加强。
7.焊膜时不许压出死折，铺设HDPE土工膜时，根据当地气温变化幅度和HDPE土工膜性能要求，预留出温度变化引起的伸缩变形量。
8.当手提焊机的温度控制所指示的焊机温度低于200℃时，要用干净的布或棉纱掸掉再焊，必要时应重新打磨，切忌用手擦试。
9.当接缝处有结露、潮湿、泥沙等影响时，处理后再进行焊接。
10.在下雨期间或接缝有潮气、露水、或者大沙的情况下不能进行焊接，但采取防护措施是除外。
11.温度低于5℃时，按照规范要求不应施工，如果必须施工的话，焊接前应对焊机进行预热处理。
12.挤压焊接机在焊接过程中，应该经常检查枪头的滑块，磨损较严重时应及时更换滑块，以免损伤膜面。
13.土工膜在焊接时应该采用稳压性能好的发电机供电，在特殊情况下采用当地用电时，必须使用稳压器。
2/4
三、HDPE土工膜的锚固
1.锚固的方法分为三种：沟槽锚固、射钉锚固和膨胀螺栓锚固；通常情况下，采用沟槽锚固。
2.采用沟槽锚固时，视HDPE土工膜的使用条件及受力情况，其锚固沟槽宽度一般不小于0.5m-1.0m,其深度不得小于0.5m-1.0m。
3.采用射钉锚固时，压条宽度不小于2cm，厚度不得小于2mm，射钉间距不应大于400mm，压条明露处应有防腐措施。
4.采用膨胀螺栓锚固时，螺栓直径不小于4mm，其间距不大于0.5mm，施工时，先用备好的沙袋将摆好位置的膜临时固定，防止大风将HDPE膜吹动移位，然后再进行膨胀螺栓锚固。
3/4
四、土工膜施工注意事项
1.电器设备、电源线路应符合有关专业规范要求。
2.热风枪、砂轮机和焊机拖带的电源线在使用过程中，必须最大限度的远离其工作部位，以免损伤脑筋电线发生漏电。
3.除热风焊接外，热风枪的嘴部在任何情况下都不得与HDPE膜面接触，并且尽可能的远离膜面、人体、机械等物体。
4.焊机在不使用时，不得直接放置在HDPE膜面上，应放置在支架或沙袋带上。
5.裁膜刀使用完毕后，应立即将刀片收回刀盒内。
6.在现场使用的各种临时性小型工具，使用完毕，应及时放入工具箱内。
7.严禁将从挤压焊接机枪头摘下的焊料物直接丢弃在土工膜面上。
8.凡在陡坡边缘等危险场所作业时，必须佩带安全带，必须带安全帽。
9.HDPE土工膜施工现场禁止吸烟，还应配备消防设施，不得穿带铁钉的鞋或高跟硬底鞋到膜面上行走，不允许从事有可能破坏土工膜成品的一切活动。
4/4
防渗薄膜/土工膜的施工
土工膜是透水性极低的土工合成材料。为使土工膜起到应有的防渗作用，除要求土工膜自身不透水外，还需注意铺设防渗薄膜|土工膜的施工质量。（1）防渗薄膜|土工膜与支撑材料接触面应力求平整，以免薄膜被刺坡丧失其防渗作用。否则，应设细粒垫层，以保护土工膜不被损伤。（2）防渗薄膜|土工膜自身的连接。防渗薄膜的连接方式可归纳为三种，即粘结法、焊接法以及硫化法，视土工膜的原材料的不同而选择。所有连接缝的抗渗性能均应进行检查，以防接缝连接不好而渗漏。（3）防渗薄膜|土工膜与周边边界的连接。防渗薄膜与周边边界必须严密结合。施工时可在地基和岸坡开挖锚固槽连接。如果地基是浅层砂砾石透水层，则应将砂砾石开挖掉，直至基岩，然后浇筑混凝土底座，将土工膜固定在混凝土内；如果地基是不透水粘土层，可开挖深为2m，宽为4m左右的锚固槽，将土工薄膜置于槽内，然后密实回填粘土；如果地基是深厚的砂砾石透水层，可采用土工薄膜铺盖的方式进行防渗，其长度根据计算确定。铺盖部位必须整平，并铺设厚约30cm，最大粒径为20mm的过渡层。同样土工膜上也要铺设过滤层，随后加设保护层。土工膜周边应与两岸岸坡不透水层严密结合。防渗薄膜与锚固槽的连接视薄膜与混凝土的允许接触渗透坡降确定。聚氯乙烯和丁基橡胶类薄膜可用粘合剂或溶化剂很好的粘着于混凝土面上，故嵌入长度适当可短些。因聚乙烯薄膜不能粘着于混凝土面上，故嵌上混凝土的长度至少为0.8m。
商场是公共场所这个定义是从公共安全的角度来的，因为人群密集，需要满足一系列的法定的强制的安全标准。而在法定安全义务之外，商场是百分之百商业场所、商业物权，以收入和利润为唯一依归，我的地盘我做主。
从道德层面讨论、批判商场选择和控制进入场所的人，纯属胡扯、假道学。就拿外卖这个事来说。如果外卖能提高场所的商业服务水平和收入，没有那个商场会跟钱作对！这是最简单的商业原则。反之，商场肯定不欢迎。
讨论问题，如果不能设定边界，基本上就是胡扯蹭流量了。
从道德层面讨论、批判商场选择和控制进入场所的人，纯属胡扯、假道学。就拿外卖这个事来说。如果外卖能提高场所的商业服务水平和收入，没有那个商场会跟钱作对！这是最简单的商业原则。反之，商场肯定不欢迎。
讨论问题，如果不能设定边界，基本上就是胡扯蹭流量了。
✋热门推荐