基于SVG的线路开关状态图的设计

本文通过讲述线路开关状态图对于电力系统线路调度的重要性,分析了传统的开关状态图设计与使用的局限性,提出了基于SVG的供电线路开关状态图的设计思路和研究成果。这种状态图可以在WEB上进行浏览,可以结合AJAX和数据库技术进行在线方式的状态修改和状态更新,从而保证调度运行人员可以及时有效的获取线路的开关状态。     

锚梁网索联合支护在复合顶板煤巷中的试验应用

通过对复合顶板煤巷锚梁网索联合支护的作用机理分析 ,介绍了锚梁网索联合支护的基本结构及其在淮南潘一矿11槽皮带机下山中的使用情况。应用该项技术有效地控制了巷道围岩变形 ,取得了显著的经济效益     

食品中爱德万甜检测方法比较研究

目的建立准确、适用食品中爱德万甜的检测方法并比较。方法研究检测食品中爱德万甜的高效液相色谱-二级管阵列(HPLC-DAD)法、高效液相色谱-荧光(HPLC-FLD)法和液相色谱-串联质谱(LC-MS/MS)法的准确度和精密度,并对3种方法的检出限进行比较。结果 HPLC-DAD法定量限较高(0.8 mg/kg),不满足食品中爱德万甜限量值检测需求;HPLC-FLD和LC-MS/MS法的定量限分别为80.0和0.8μg/kg,满足食品中爱德万甜检测需求。HPLC-FLD和LC-MS/MS法在检测浓度范围内线性关系良好,在方法相应的1倍定量限、2倍定量限及常用限量值水平下的加标回收率在85.0%～103.1%,相对标准偏差为2.5%～9.5%。结论 HPLC-FLD和LC-MS/MS法准确度高、精密度好,能够满足对食品中爱德万甜快速准确的检测要求。     

基于标签权重的协同过滤推荐算法

针对传统协同过滤推荐算法中由于相似度计算导致推荐精度不足的问题,提出一种基于标签权重相似度量方法的协同过滤推荐算法。首先,通过改进当前算法中标签权重的计算,并构成用户-标签权重矩阵和物品-标签权重矩阵;其次,考虑到推荐系统是以用户为中心进行推荐,继而通过构建用户-物品关联矩阵来获取用户对物品最准确的评价和需求;最后,根据用户-物品的二部图,利用物质扩散算法计算基于标签权重的用户间相似度,并为目标用户生成推荐列表。实验结果表明,与一种基于"用户-项目-用户兴趣标签图"的协同好友推荐算法（UITGCF）相比,在稀疏度环境为0.1时该算法的召回率、准确率和F1值分别提高了14.69%、9.44%、17.23%。当推荐项目数量为10时,三个指标分别提高了17.99%、8.98%、16.27%。结果表明基于标签权重的协同过滤推荐算法可有效提高推荐结果。     

南阳凹陷白秋地区测井相识别模式及沉积微相研究

南阳凹陷白秋地区目的层沉积亚相主要为辫状河三角洲和浅湖-半深湖,但沉积微相类型及展布特征尚不明确,需要进一步识别。根据测井曲线形态建立了白秋地区的测井相识别模式,在此基础上对白秋地区沉积微相进行初步研究,明确了各沉积微相类型及其展布特征,为油田下一步开发调整和剩余油挖潜提供了参考资料。     

基于注意力机制的卷积-双向长短期记忆模型跨领域情感分类方法

针对现有跨领域情感分类方法中文本表示特征忽略了重要单词的情感信息，且在迁移过程中存在负迁移的问题，提出一种基于注意力机制的卷积-双向长短期记忆（AC-BiLSTM）模型的知识迁移方法。首先，利用低维稠密的词向量对文本进行向量表示；其次，采用卷积操作获取局部上下文特征之后，通过双向长短期记忆（BiLSTM）网络充分考虑特征之间的长期依赖关系；然后，通过引入注意力机制考虑不同词汇对文本的贡献程度，同时为了避免迁移过程中出现负迁移现象，在目标函数中引入正则项约束；最后，将在源领域产品评论训练得到的模型参数迁移到目标领域产品评论中，并在少量目标领域有标注数据上进行微调。实验结果表明，与AE-SCL-SR方法和对抗记忆网络（AMN）方法相比，AC-BiLSTM方法的平均准确率分别提高了6.5%和2.2%，AC-BiLSTM方法可以有效地提高跨领域情感分类性能。     

高普面围岩附加应力测试与分析

根据安徽淮北刘桥二矿655高普面围岩附加应力现场测试结果，分析了高普面由采动引起的围岩附加应力沿工作面倾向的分布规律，为高普面沿空掘巷煤柱尺寸及掘巷时间的确定提供了依据。     

基于引力模型的多标签分类算法

针对多标签分类算法不能充分利用标签相关性的问题,通过建立标签的正、负相关性矩阵来挖掘标签间不同的相关关系,提出一种基于引力模型的多标签分类算法（MLBGM）。首先,遍历训练集中所有样本并分别求取每个训练样本的k个近邻样本,组成该样本的近邻集合;其次,根据每个样本的近邻集合中所有近邻样本的标签分布情况,分别为每个训练样本建立正、负相关矩阵来获取标签间的相关性;然后,为每个训练样本的近邻集合计算其近邻密度和近邻权重;最后,采用计算数据粒子间相互作用力的方式构建多标签分类模型。实验结果显示,MLBGM与5种未考虑标签负相关的对比算法相比,汉明损失（HammingLoss）平均降低了15.62%,微平均F1值（MicroF1）平均提升了7.12%,子集准确率（SubsetAccurary）平均提升了14.88%。MLBGM充分利用了标签间不同的相关性,获得了有效的实验结果且分类效果优于未考虑标签负相关的对比算法。     

花生蛋白酶解液的活性炭脱色工艺研究

水酶法工艺可以同时提取浓香花生油和花生水解蛋白,但由此得到的蛋白酶解液色泽较深.分别使用颗粒和粉末活性炭对花生蛋白酶解液进行脱色处理,发现粉末活性炭更适合于蛋白酶解液的脱色,其脱色最佳条件为:活性炭用量(g/mL)8%,温度55℃,时间30 m in,pH3.2.在此条件下酶解液的脱色率可以达到79.38%,而蛋白损失率为20.86%.