基于SPSS的电力需求与行业发展之间的规律研究

对地区全社会用电量进行需求分析,找出全社会总用电量与行业用电量之间的关系。通过SPSS软件用主成分分析法对某地区行业用电量指标进行主成分分析,找出若干个重点行业用电量(若干个个变量)的主成分因子,然后再通过回归分析法对主成分因子和全社会用电量进行回归分析,建立电力需求模型。实例分析证明,这种由少数几个行业用电量来预测全社会总用电量的方法,可得到较好的预测效果。     

基于UG二次开发的下摆式递纸机构的系列化设计

对共轭凸轮下摆式递纸机构的工作原理进行了分析,并对其进行了参数化设计;为了方便设计开发人员,加快产品的设计开发周期,根据参数化设计的基本原理,对共轭凸轮下摆式递纸机构进行了基于UG的系列化设计。     

一种环保型缓蚀剂的合成及缓蚀性能评价

以松香和二乙烯三胺(DETA)为主要原料合成松香咪唑啉中间体,然后加入N,N-二甲基乙酰胺合成松香咪唑啉乙脒,最后通入CO2得到松香咪唑啉乙脒盐。采用红外光谱分析仪对产物的结构进行表征,运用静态失重法评价了缓蚀剂加量、矿化度、时间和盐酸加量对缓蚀性能的影响,通过电镜扫描法对腐蚀产物膜表面进行了分析。     

超临界CO2处理对长庆原油添加降凝剂效果的影响

利用超临界CO2(scCO2)与原油混相处理装置,模拟地层条件对长庆原油进行超临界CO2混相处理,通过对处理前后油样的四组分(SARA)、沥青质稳定性、蜡析出曲线、凝点、流变性分析及微观显微观察,从沥青质缔合状态与蜡结晶层面分析了超临界CO2处理对乙烯 醋酸乙烯共聚物(EVA)降凝剂添加到长庆原油作用效果的影响。结果表明,超临界CO2处理加剂原油相比未处理加剂原油具有更好的低温流动性能。超临界CO2处理会增加未加剂原油体系极性,增强沥青质缔合程度,使低温下蜡晶形貌更细小,恶化原油低温流动性,而超临界CO2处理后添加EVA降凝剂却使得蜡晶形貌向更加紧密的团簇转化。由于超临界CO2处理有利于EVA降凝剂进一步改善蜡晶形貌,故超临界CO2处理可以促进EVA降凝剂对长庆原油低温流动性的改善效果。     

生物基微乳捕收剂的制备及其在煤泥浮选中的应用

针对传统煤泥浮选捕收剂用量大的问题,本文以生物可降解的腰果酚衍生物(CDS-1)、正构醇、柴油、水为原料制备微乳捕收剂(DCMC).拟三元相图研究表明：正戊醇是此微乳体系的最佳助表面活性剂.采用混料设计试验法确定了微乳捕收剂中CDS-1、正戊醇、柴油和水的最佳配比为20.25∶16.88∶29.11∶33.76,平均粒径为37.28 nm,离心后其粒径几乎没有变化,且保持澄清透明.DCMC在水中分散的粒径范围为0～10.50μm,远小于柴油.在精煤产率和灰分相近的情况下,DCMC的用量比柴油节省83.33%,且不需添加起泡剂,简化了浮选药剂制度.浮选动力学研究表明：DCMC的浮选过程符合一级矩阵分布模型.     

乙酰苯胺的合成方法

乙酰苯胺是重要的化学试剂和常用的化工原料,被广泛用作香料、制药原料和化工中间体。随着合成技术的进步,乙酰苯胺的合成方法也在逐渐向高效、绿色环保的方向发展。查阅了近年来乙酰苯胺合成方面的文献资料,通过对不同合成方法的分析比较,阐述了目前乙酰苯胺新的合成方法与合成工艺,并对未来的发展方向提出展望。     

溶气原油乳状液的溶气特性与稳定性研究

利用带压溶气原油乳化装置在不同溶气环境（CO2、CH4、N2）下对长庆原油进行带压乳化,并通过溶解度测定装置、溶气原油乳液稳定性分析装置、界面张力仪、高压流变仪测得不同气体的溶解度Rs、分水率fv、界面张力γ、界面膜弹性模量εd、溶气原油黏度μ,溶气原油乳状液表观黏度μap。结果表明,油水界面膜的存在会在一定程度上抑制气体从外相向内相的迁移,使溶气原油乳状液的溶解度小于内外相各自的溶解度之和;在溶CO2的环境下,由于其油/水界面张力最小,使其乳化效果最好,形成的带压W/O型乳状液乳滴最为细密,同时由于其油水界面弹性模量最大,形成的带压乳液体系最为稳定,乳液体系较原油体系的增黏率最明显;与之相反,在溶N2的环境下,带压乳液体系的稳定性较差,易于破乳。     

基于Matlab和ADAMS的共轭凸轮下摆式递纸机构的设计

本文根据共轭凸轮下摆式递纸机构的工作原理,选择符合的从动件运动规律进行递纸机构的设计。基于Matlab软件得到了共轭凸轮和开闭牙凸轮的理论轮廓和实际轮廓,以及对共轭凸轮组的安装角进行了计算。运用UG软件对共轭凸轮下摆式递纸机构进行了建模和装配,并运用ADAMS软件对设计的机构进行了运动学仿真,通过运动学仿真验证了机构的可行性。     

基于多任务学习的多模态命名实体识别方法

针对传统多模态命名实体识别方法无法有效融合图文模态信息且不能区分易混淆实体等问题，提出一种基于多任务学习的多模态命名实体识别方法，通过对比融合辅助任务促进图文模态信息的融合，通过实体聚类辅助任务提升模型对易混淆实体的判断能力。利用BERT预训练语言模型和ResNet模型分别对原始文本和图片进行特征映射获得相应的特征向量，并利用跨模态Transformer结构融合图文模态信息。在多模态命名实体识别任务基础上，增加对比融合辅助任务促进图文模态信息融合，增加实体聚类辅助任务学习实体类别之间的差异，提升模型对易混淆实体的区分能力。最后，利用条件随机场层学习上下文转移概率，并输出最优预测结果。实验结果显示，在国际公开数据集Twitter-2017上，所提方法相较于基线方法取得了更高的准确率、召回率和F1值，其中F1值可达85.59%，表明对比融合辅助任务和实体聚类辅助任务能够促进模型对实体的识别效果。