高级氧化技术在焦化废水处理中的应用研究

焦化废水属有毒有害高浓度有机废水,用传统方法处理难度很大,在有效降解此类废水方面,高级氧化法技术获得巨大进展,已成为研究的热点,并且在国外已成功的应用于部分工业水处理行业.本文主要就发展前景广阔的几种高级氧化技术的原理、主要特点和其在焦化废水处理中的应用分别加以评述,为焦化废水治理工艺选择提供借鉴和参考.     

高级氧化技术在焦化废水处理中的应用研究

<正>焦化废水属有毒有害高浓度有机废水,用传统方法处理难度很大,在有效降解此类废水方面,高级氧化法技术获得巨大进展,已成为研究的热点,并且在国外已成功的应用于部分工业水处理行业。本文主要就发展前景广阔的几种高级氧化技术的原理、主要特点和其在焦化废水处理中的应用分别加以评述,为焦化废水治理工艺选择提供借鉴和参考。     

基于深度CNN的改进弱监督学习方法设计与验证

针对包含目标、尺度和平移变化较强的空间信息难以获取大量训练样本的问题,提出一种基于深度卷积神经网络(deep convolutional neural network,DCCN)的弱监督学习方法,从3个层面对当前卷积神经网络进行扩展。为了提取分辨率更高的局部特征,同时考虑到全卷积网络(full convolution network,FCN)在全监督式学习下的高效性能,使用FCN作为后端模块;为了获取更多的通用特征,增加一个多映射弱监督学习的传输层,对与补充性类模态相关的多个局部特征进行显式学习;为了优化训练过程,改进了池化层,使用全局图像标签进行训练,将空间得分聚合为全局预测。使用图像分类、弱监督逐点目标定位和图像分割3种常用的机器视觉任务进行评估。多个公开数据库的实验结果表明,所提方法能够有效地学习强局部特征,具有良好的分类和定位效果。