南宁地铁3号线车站偏压深基坑变形规律研究

以南宁地铁3号线青秀山站明挖站厅为研究背景,通过监测数据分析与模拟分析相结合的方法,分析基坑在大偏压作用下围护桩体水平位移的变化。     

高效液相色谱法测定维生素K胶囊中维生素K2含量不确定度评估

目的评估高效液相色谱法测定维生素K胶囊中的维生素K_2含量的不确定度。方法采用高效液相色谱法测定维生素K胶囊中的维生素K_2含量,建立数学模型,对测定过程的主要不确定度分量进行计算,得出合成不确定度和扩展不确定度。结果维生素K胶囊中维生素K_2的含量为181.2μg/g时,在置信区间95%下,其扩展不确定度为7.5μg/g(k=2)。结论不确定度的主要来源为标准曲线配制的过程,该评估模型为维生素K胶囊中维生素K_2的含量测定的准确性提供了参考依据。     

克雷伯杆菌O852产反式二氢香芹酮关键酶转化条件及超声提取工艺优化

本研究以Klebsiella sp. O852为研究对象,使用超声提取的方法对其进行细胞破碎,对其转化柠檬烯生成反式二氢香芹酮的关键酶所在位置及转化条件进行了研究。通过单因素实验研究了超声时间、料液比、振幅对细胞破碎的效果的影响。最终设计Box-Behnken中心组合试验确定了最优提取条件。结果表明,该酶是一种胞内酶。最佳培养时间为8 h,此时为细胞生长的对数中期。转化时间为4 h时,在磷酸盐缓冲液中获得的酶活最高。通过单因素及响应面试验,获得提取该酶的最优条件为,超声时间21 min,料液比1:13,振幅36%,在此条件下,得到的酶活为(40.97±2.02) U/g。本研究为进一步研究该酶的纯化及酶学性质的探究提供了参考。     

泡叶藻的营养成分分析及评价

为评估泡叶藻的营养价值，对泡叶藻的主要营养成分、氨基酸组成、脂肪酸组成、无机元素、重金属、褐藻胶和甘露醇等含量进行检测和分析。结果表明，泡叶藻的主要成分为总膳食纤维，含量为40.68%，其中可溶性膳食纤维含量8.54%；粗蛋白含量9.66%，检测出18种氨基酸，氨基酸总含量为7.99 g/100 g，其中必需氨基酸占氨基酸总量的为37.90%，呈味氨基酸占氨基酸总量的40.25%，第一限制性氨基酸为苏氨酸，氨基酸评分134.98，氨基酸组成比例均衡；粗脂肪含量1.53%，其中不饱和脂肪酸占总脂肪酸总量的43.92%；灰分含量39.43%，常量元素K、Na、Ca和微量元素Fe、Zn、Sn等含量丰富；褐藻胶和甘露醇含量高。综上，泡叶藻是一种高膳食纤维、高蛋白、低脂肪的藻类，在食品、海藻化工和饲料领域具有较高开发利用价值。     

基于聚类方法的运动气泡声发射信号分析

利用自行开发的采集处理程序采集3 mm喷嘴释放的连续气泡上升阶段的声发射信号,提取声信号波包并计算声信号参数。基于k-均值聚类分析方法对孔口气速1.42 m/s时的声信号波包进行分类处理,分析各分类声信号参数统计规律。通过快速傅里叶变换和小波分析方法分析各分类声信号的时频特征,结合气泡运动图像对声信号进行有效识别,研究了多个气速下的分类规律。结果表明,基于k-均值聚类分析的时频分析方法得到的各分类声信号具有一定的相似度,结合高速摄像技术,可以有效分析气泡上升运动声信号,识别气泡振荡、破碎、聚并等运动形态。     

余热回收利用类项目节能量审核方法探索

对余热回收利用类项目的节能量核算方法进行探索,并以某企业该类项目为例,细致介绍审核边界、审核方法及审核效果,为此类项目节能量审核方法的确定提供借鉴。     

超声处理增强生物吸附剂去除废水中铅的研究

利用海藻酸钠包埋碳化核桃壳粉作为生物吸附剂,经超声处理,增强废水中铅离子去除。通过静态吸附实验方法对p H、吸附剂量、反应时间、温度和初始浓度进行优化研究,以获得最优参数。结果表明,最优吸附条件是:p H为6,吸附剂量0.1 g,25℃和铅离子质量浓度100 mg/L。超声处理120 min即可达到吸附平衡;同等条件下,铅离子吸附容量也提高约30%。准二级动力学模型和Langmuir吸附等温模型可以很好地拟合吸附实验,其中R2分别达到0.999 2和0.982 6。扫描电子显微镜和傅里叶变换红外光谱仪对生物吸附剂进行表征后,观察到吸附后的含铅结晶和测得羟基、氨基、酰胺基和羧基是起吸附作用的官能团。实际废水处理结果表明了该种方法对于处理低浓度的工业废水具有潜在的应用前景。     

基于多注意力长短时记忆的实体属性情感分析

属性情感分析是细粒度的情感分类任务。针对传统神经网络模型无法准确构建属性情感特征的问题，提出了一种融合多注意力和属性上下文的长短时记忆（LSTM-MATT-AC）神经网络模型。在双向长短时记忆（LSTM）的不同位置加入不同类型的注意力机制，充分利用多注意力机制的优势，让模型能够从不同的角度关注句子中特定属性的情感信息，弥补了单一注意力机制的不足；同时，融合双向LSTM独立编码的属性上下文语义信息，获取更深层次的情感特征，有效识别特定属性的情感极性；最后在SemEval2014 Task4和Twitter数据集上进行实验，验证了不同注意力机制和独立上下文处理方式对属性情感分析模型的有效性。实验结果表明，模型在Restaurant、Laptop和Twitter领域数据集上的准确率分别达到了80.6%、75.1%和71.1%，较之前基于神经网络的情感分析模型在准确率上有了进一步的提高。