天普太阳能示范楼

概述 天普太阳楼座落在北京市大兴区天普工业园内．建筑面积8000m^2．是一座综合利用新能源的生态建筑，整幢建筑由太阳能提供采暖空调、热水和部分电力．达到低能耗．零排污的效果：1200m^2太阳能集热器和50KWP太阳电池组件与建筑一体化结合：控制系统自动化、网络化、无人值守．并实现远程数据采集．监控。建筑室内环境舒适健康．室内光环境、声环境和空气质量得以改善。     

酸奶自然发酵剂"西藏灵菇"菌体微观丝状物的培养与鉴定

对西藏灵菇菌体研磨液进行了分离及纯化培养,发现西藏灵菇菌体是由酵母菌、乳酸杆菌、乳酸球菌、醋酸菌等共同构成的共生菌系,是一种自然的微生物固定化现象产生的菌胶团.西藏灵菇菌的菌悬液在显微镜下可观察到数目众多的不规则丝状物,经形态学特征和培养性鉴定,该丝状物是由假丝酵母菌产生的假菌丝,且可分离培养.     

莫力庙水库的管理工作

莫力庙水库为防洪、灌溉和发展水产等综合利用的水库。水库工程管理工作大体上分为绿化库区、稳固坝体和开展多种经营3个方面。     

传统分金工艺环保的改造与实践

针对传统分金工艺排放废氯气环保现状，提出了优化参数、密闭反应、变废为宝的改进方案，通过实践，取得了较好的节能减排效果。     

标准硅球直径精密测量中光束对准误差分析

单晶硅球直径的准确测量是阿伏加德罗常数测量中一项重要内容,并决定着最终的测量不确定度。针对高精度硅球直径测量系统双光路的特点,在不考虑图像圆心提取误差的情况下,运用几何关系推导,分别就平行光束垂直于标准板和以一定角度斜入射标准板条件下引入的测量误差进行了研究,分析了直径测量误差随光束对准误差的变化。结果表明在保证一定的光束对准精度条件下,其对测量系统最终的精度影响是可以忽略的。     

方酸衍生物与对二乙烯苯共聚物的合成及光电性质

利用H eck偶联反应首次制备了两种主链含方酸基团的PPV型共聚物,其结构均经1H-NM R,FT-IR,元素分析确证。聚合物在常用有机溶剂中有良好的溶解性。DSC和TGA测试表明聚合物具有较好的热稳定性。首次将这两种聚合物应用于聚合物太阳电池,在1.5 AM照度下,开路电压0.50 V~0.55V,短路电流0.15 mA/cm2~0.11 mA/cm2。填充因子0.269~0.267,能量转换效率0.145%~0.098%。     

6xxx系铝合金挤压棒材表面气泡成因分析及解决措施

对6xxx系铝合金挤压棒材热处理后产生的表面气泡进行实验分析。实验结果表明,生成的连续气泡直径为1mm～4mm,内部存在黄褐色附着物的气泡类型为夹杂气泡。从铸锭熔铸、模具结构、挤压生产工艺以及固溶热处理4个方面分析气泡产生的机理,从而提出减少和避免6xxx系铝合金挤压棒产品出现气泡的措施。     

改进模拟退火遗传算法的3D NoC低功耗映射

功耗优化是NoC设计的重要部分,针对将IP (intellectual property)核合理映射NoC的问题,提出一种初始种群优化的模拟退火遗传映射算法.首先以功耗优化为主要目标,通过对初始种群选取方法进行改进来获取功耗更低的映射方案,并针对遗传算法局部最优问题,在遗传算法交叉操作阶段结合模拟退火算法,得到全局最优方案.实验在Windows系统下采用C++语言实现,结果显示,与传统的遗传算法相比,该算法具有较好的收敛性,能快速搜索到较优解,在124个IP核的情况下,采用改进的模拟退火遗传算法进行映射产生的平均功耗比使用遗传算法时降低了32.0%.     

基于三态信号的测试数据相容压缩方法

针对超大规模集成电路（VLSL）的发展过程中测试数据量增加的问题，提出了一种基于三态信号的测试数据压缩方法。首先，对测试集进行优化预处理操作，即对测试集进行部分输入精简和测试向量重排序操作，在提高测试集中无关位X的比例的同时，使各测试向量之间的相容性提高；随后，对预处理后的测试集进行三态信号编码压缩，即利用三态信号的特性将测试集划分为多个扫描切片，并对扫描切片进行相容编码压缩，考虑多种相容规则使得测试集的压缩率得到提高。实验结果表明，与同类压缩方法相比，所提的方法取得了较高的压缩率，平均测试压缩率达到76.17%，同时测试功耗和面积开销也没有明显增加。     

基于主题模型的微博评论方面观点褒贬态度挖掘

在新浪微博中,原创微博下存在着很多用户评论。这些评论能反映原创微博的内容,用户的态度以及与其相关的一些话题。因此,对这些评论进行细粒度信息的提取与褒贬态度的分类很有必要。基于上述原因,该文首先提出与原创无关的评论判别方法,通过三个相似度方法得到原创微博与评论之间的相关度,从而判断评论对象是否为原创微博。其次,提出一种用于评论集褒贬态度和方面观点挖掘的新模型,该模型在LDA中加入了表情符号层与文本情感层,实现评论集方面和褒贬态度的同步检测。实验表明: 表情符号情感层的融入能提高新模型褒贬态度识别能力。