大数据技术在智慧机场中的应用

在信息技术持续深入发展的背景下，大数据技术在公共服务中的教育、交通、医疗等领域实现了广泛应用，其中也包含机场。对于智慧机场而言，智慧地球、城市理念是其核心，这要求机场陆侧、空侧与航站均实现自动化，并能为广大旅客提供各种智能化服务。在建设智慧机场时，借助大数据，自动化运维可以拥有海量数据的支撑，为旅客提供更具个性化的服务，并推动智慧机场持续、稳定地发展。文中探究了大数据技术在智慧机场中的应用途径，以此来促进智慧机场的建设。     

针式中心加热卷烟抽吸后烟丝中烟碱和雾化剂的径向变化

为探讨针式中心加热卷烟抽吸过程中烟碱和雾化剂在烟丝中的径向变化规律, 通过自主设计的烟丝分层剥离装置, 对抽吸前后的烟丝进行分层, 研究了1, 2-丙二醇、丙三醇和烟碱在烟丝各层中的浓度分布、释放效率及逐口抽吸情况, 并建立化合物含量(质量分数)与径向距离之间的线性方程。结果表明:①抽吸后烟丝中烟碱和雾化剂的含量由内层到外层逐渐递增。②烟碱和雾化剂在烟丝中的加热释放效率为1, 2-丙二醇＞烟碱＞丙三醇, 与其沸点具有明显的相关性。③抽吸时1, 2-丙二醇主要释放来源为中层和外层烟丝, 丙三醇和烟碱的主要释放来源为内层烟丝。④抽吸后烟碱和雾化剂在烟丝中的径向分布与径向距离和物质沸点显著相关, 其中, 丙三醇受径向距离影响最为明显。⑤适当减小烟支直径, 可减少烟丝用量, 同时保持烟气浓度和生理满足感基本不变。      

POSS改性邻苯二甲腈树脂制备及性能

为探究不同结构笼型聚倍半硅氧烷(POSS)对邻苯二甲腈(PN)树脂综合性能的影响，以PN树脂为基体，分别添加了三硅烷醇苯基POSS、氨基丙基异丁基POSS、缩水甘油基异丁基POSS、三硅醇异丁基POSS及环氧环己基异丁基POSS 5种POSS，利用溶液共混法制备了改性PN浇铸体试样，并制备了PN/石英布复合材料。开展了热重分析、动态热机械分析、透波率测试、介电性能测试等多种试验，研究了不同结构POSS对PN树脂热稳定性以及复合材料透波性能和介电性能的影响。结果表明，POSS的引入提升了PN树脂的耐热性能及热分解起始温度，同时，POSS的引入提高了PN树脂的玻璃化转变温度，提高了材料的可用温度范围，也提升了PN复合材料在12～18 GHz及26.5～40GHz两个波段下的透波性能。除环氧环己基异丁基POSS使PN复合材料的介电损耗有所增大外，其余4种POSS对复合材料的介电性能影响较小。综合分析5种改性后的试样表明，使用三硅醇异丁基POSS改性的PN树脂及复合材料具有最优的综合性能。该改性PN复合材料在12～18 GHZ频率下的平均透波率可达74.21%，在26.5～40 GHz频率下的...     

管式反应器内三甲基氯硅烷连续氨化制备六甲基二硅氮烷研究

针对三甲基氯硅烷半连续氨化反应生产效率低下，反应装置容积效率低的问题，设计并制作了三甲基氯硅烷连续氨化生产六甲基二硅氮烷的管式反应装置，探究了液相进料流量和浓度、气液比、循环流量等操作参数对反应装置运行效果的影响。结果表明：在液相进料总流量为9 m L/min，三甲基氯硅烷体积分数为20%，气液物质的量比为1.8，以及循环流量为240 L/h的条件下运行效果较佳，三甲基氯硅烷转化率达到94.91%，生产强度达到348.93 kg/(m³·h)。该反应装置的顺利操作运行为三甲基氯硅烷氨化制备六甲基二硅氮烷提供了新型连续化生产工艺。     

不同硅质原料水热合成水化硅酸钙物相及其反应效率的研究

为探究不同硅质原料对水热合成水化硅酸钙物相的影响，研究了温度和硅钙比对产物的影响。采用X射线衍射(XRD)分析了水化硅酸钙物相，并探究了不同硅质原料与Ca(OH)₂的反应效率。结果表明，不同硅质原料与Ca(OH)₂的反应效率由高到低依次为硅藻土、石英、珍珠岩；在硅藻土-石灰体系中，硅藻土中非晶态二氧化硅的Si—O更易被破坏，具有不稳定性，致使硅藻土反应效率更高。在石英-石灰体系中，随着钙硅比的提高，空气中的CO₂参与反应，生成碳硅钙石与片柱钙石，且托贝莫来石与硬硅钙石会逐渐消失，通过合理调控硅钙比和水热温度可有效地控制反应产物，这对于不同硅质原料的选择、水热合成水化硅酸钙中产物的控制及水热合成水化硅酸钙应用领域具有重大意义。     

基于Apriori算法的大学生体测项目关联规则挖掘

大学生身体素质是力量、速度、耐力、柔韧和灵敏的综合表现，为了测量大学生的身体素质情况并分析改善大学生的身体素质，本文分别测量了大学生中男生的各项指标（引体向上、50 m、1000 m、坐位体前屈和跳远）和女生的各项指标（一分钟仰卧起坐、50 m、800 m、坐位体前屈和跳远）。本文使用Apriori算法分别做了3组实验，即在最小支持度为50%和最小置信度为70%，最小支持度为60%和最小置信度为70%，最小支持度为70%和最小置信度为70%的前提下对某大学近5年的男生和女生的各项指标进行关联规则挖掘。实验结果表明：体重正常的学生每项体测分别及格的最小置信度都为70%以上，在所有关联项结果中最高的最小置信度为肺活量及格与体重正常的最小置信度为87.7%，而体重异常的学生体测分别及格的最小置信度都不大于70%。在所有关联项结果中身高与各项体测之间的最小置信度差异不明显。这验证了Apriori算法在大学生身体素质关联规则挖掘中发挥着重要的作用，利用挖掘出来的频繁项集，能够很好地辅助各大高校改善大学生的身体素质。