展望未来看纸箱包装的发展

纸箱包装的低成本、高质量、规模化、集约化的特证,符合我国产业结构的调整。据统计,纸包装产量95年占包装产品总量约37％,占出口包装量的80％左右。愈趋显示出其活力和强劲的发展势头。展望纸箱包装的未来,前程似锦,业、将会在以下五方面有所发展: 一、合理而又独特的设计 1、定规格适用托盘和集装化运输 托盘包装具有强化产品包装,提高运输效率,保证货物安全,便于实现“门到门”运输等特点,若再使用拉伸膜缠绕固定一更具有良好的耐撕性能及良好的拉伸强度和粘着性。托盘包装已成为当今国际上通行的包装形式。因此设计纸箱规格、型式时,应适应在托盘上堆垛,与托盘包装匹配。 2、推广叠粘式全封闭瓦楞纸箱设计技术 传统技术生产的瓦楞纸箱,易出现散箱、漏底、破损、封闭性差等质量问题。据中国人民保险公司统计,我国每年出口商品,尤其是轻工、工艺、丝绸、服装等出口商品,运抵国外因纸箱包装破损造成偷窃货缺,占整个索赔案例的40—60％。因此推广这种无钉、无缝、全封闭、防尘防潮气侵入、不易散箱漏底、防盗防伪性好的叠粘式全封闭瓦楞纸箱.无疑是提高包装质量.增强我国出口商品档次和竞争能力的一种促进。 3、采用开启式连接件锁紧瓦楞纸板和内村缓冲材料的包装新工艺。     

出口商品纸箱包装质量呈好转趋势

出口商品纸箱包装质量呈好转趋势上海进出口商品检验局罗雄１９９６年对于上海出口纸箱生产企业说来，是充满机遇和挑战的一年。一方面，外商看好上海的纸箱包装，近几年大量外资涌入，兴办合作、合资、独资企业近三十家，上海地区已有先进的生产流水线近四十条，比原八五...     

催化裂化装置动态机理模型 Ⅱ.再生器部分

建立了前置烧焦罐式高效再生器动态机理模型。烧焦罐再生段采用轴向扩散模型，包括催化剂上碳含量、氢含量和再生温度动态分布参数方程、气体中氧含量拟稳态分布参数方程和催化剂藏量动态方程。二密相床气速低，采用气固全返混模型，并考虑了气体外扩散对烧碳速率的影响。二密相床数学模型包括再生剂碳含量和催化剂藏量的动态集中参数方程和烟气中氧含量的拟稳态代数方程。     

催化裂化装置动态机理模型Ⅳ.模型求解与仿真软件平台

在对提升管反应器和烧焦罐分布参数模型进行空间离散化处理后，采用变步长Ｒｕｎｇｅ－Ｋｕｔａ法对常微分方程集中参数模型进行数值积分，即仿真。为了在仿真过程中随时观察到仿真中间结果、改变输入变量和调整控制参数等，以ＶｉｓｕａｌＣ＋＋面向对象开发工具开发了微机上应用的Ｗｉｎｄｏｗｓ工作平台ＨＥＲＳ，界面友好，使用方便。     

上海出口商品纸箱包装质量下降的原因及其对策

上海现有大小纸箱生产企业400多家,其中合资合作企业28家,具有先进的流水线33条,获市经委颁发的一类生产许可证57家,二类149家,经商检局考核获商检质量许可证45家。上海地区外销纸箱占整个出口包装约87.6％。随着以纸代塑,以纸代木的环保呼声日趋高涨,纸包装呈连年上升势头,可上海的纸箱包装质量却不尽如人意,物理及运输性能质量下滑。据反映,某外贸公司出口坯布100余箱,用纸箱包装,     

概率主题模型综述

主题模型是当下文本挖掘中最主要的技术之一,广泛应用于数据挖掘、文本分类以及社区发现等.由于其出色的降维能力和灵活的易扩展性,成为自然语言处理领域的一个热门研究方向.Blei等人提出了以Latent Dirichlet Allocation(LDA)为代表的概率主题建模方法,在该模型中主题可以看作是单词的概率分布,主题模型通过单词项在文档级的共现信息提取出与文档语义相关的主题,实现将高维的单词空间映射到低维的主题空间,进而完成对目标文本数据的降维处理,开创了文本挖掘研究的新方向.其中LDA作为一种概率生成模型很容易被扩展为其它各种形式的模型,鉴于概率主题模型的应用价值、理论意义和未来的发展潜力,本文首先系统性地对LDA模型进行介绍,进而对基于LDA模型的各类扩展模型进行详细分类,并对其中各类的典型代表进行详细介绍,指出了各个概率主题模型被提出的原因以及其模型的具体形式、所具有的优缺点、适宜解决的问题等,进而又指出近年来主题模型典型应用场景;此外,本文还对目前概率主题模型常用的几个公认的数据集、评测方法以及典型实验结果进行详细介绍,并在最后指明了概率主题模型在进一步研究中需要解决的问题以及未来可能的发展方向.     

基于小波变换的超声信号自适应消噪方法研究

超声检测中，特定的缺陷回波信号一般都有一定的相关性，因而可利用自适应噪声抵消来增强缺陷回波信号。针对最小均方（LMS）算法自适应噪声抵消的缺点，提出了基于小波变换的自适应噪声抵消方法，通过Matlab软件将该算法应用于超声缺陷信号的仿真处理。结果表明，该算法大大提高了缺陷回波信号的信噪比，且具有较高的缺陷定位精度和纵向分辨率。     

域自适应学习研究进展

传统的机器学习假设测试样本和训练样本来自同一概率分布. 但当前很多学习场景下训练样本和测试样本可能来自不同的概率分布. 域自 适应学习能够有效地解决训练样本和测试样本概率分布不一致的学习问题,作为 机器学习新出现的研究领域在近几年受到了广泛的关注. 鉴于域自适应学习技术 的重要性,综述了域自适应学习的研究进展. 首先概述了域自适应学习的基本问 题,并总结了近几年出现的重要的域自适应学习方法. 接着介绍了近几年提出的 较为经典的域自适应学习理论和当下域自适应学习的热门研究方向,包括样例加 权域自适应学习、特征表示域自适应学习、参数和特征分解域自适应学习和多 源域自适应学习. 然后对域自适应学习进行了相关的理论分析,讨论了高效的度 量判据,并给出了相应的误差界. 接着对当前域自适应学习在算法、模型结构和 实际应用这三个方面的研究新进展进行了综述. 最后分别探讨了域自适应学习在 特征变换和假设、训练优化、模型和数据表示、NLP 研究中存在的问题这四个方面 的有待进一步解决的问题.