掺蒸汽加热工艺装置控制系统设计

采用原油处理站现有锅炉提供的蒸汽,进行掺蒸汽直接加热稠油处理的新工艺,整个流程掺蒸汽量的大小采用可编程控制器（PLC）控制系统发出指令自动控制,可使蒸汽与原油达到最佳混合,同时降低成本,提高可靠性和安全性。本文介绍该装置的可编程控制器（PLC）控制系统I/O接线图、梯形图。     

用响应面法优化灰树花菌丝体多糖微波提取工艺的研究

在单因素试验的基础上,利用响应面法分析优化了微波提取灰树花菌丝体多糖的工艺条件,并与直接水提法进行了比较.结果表明,微波辅助提取灰树花菌丝体多糖的最佳工艺条件为:微波功率570.21 W、提取时间6.91 min、液料比(mL/g)40.29∶1,提取两次,预测最大提取率为11.33%,验证试验的实际提取率为11.30%,与理论预测值的相对误差仅为0.26%,和直接水提法相比,多糖提取率提高了4倍.     

星际软着陆机动能力评估方法研究

针对软着陆过程中自主选取安全着陆点的需要,研究了探测器机动能力的评估方法.首先根据软着陆制导律,建立加速度模型积分结果与剩余燃料可生成速度增量之间的数学关系,推导出探测器机动能力的数值计算方法;其次,将软着陆过程中抵消重力作用与位置机动看作两个独立的过程,并假设位置机动过程为理想两脉冲机动,推导出解析的软着陆机动能力表达式;最后,通过数值仿真表明两种分析方法能够得到相近的结果,解析的机动能力分析方法可以实时的对探测器可能着陆区域进行预测,能够为探测器自主的选定着陆点提供重要依据.     

复合絮凝剂-SBR工艺处理市政污水中试研究

采用复合絮凝剂-序批式活性污泥法(SBR)工艺对北京某污水厂初沉池出水进行中试处理,研究了该工艺的出水水质和污泥性能。结果表明,在水处理量为0.75 m~3/h、复合絮凝剂投加量为20μL/L的情况下,出水COD和TP、NH_4~+-N、TN的质量浓度平均分别为20.5 mg/L和0.3、0.5、14 mg/L,均可达到GB 18918-2002一级A标准。在长期投加复合絮凝剂的条件下,污泥沉降性能提升明显,胞外聚合物凝聚性变强,整体性能已十分接近好氧颗粒污泥。复合絮凝剂-SBR工艺继承在好氧颗粒污泥技术大部分优点的同时,更能保证污泥颗粒和出水水质稳定,可用于污水处理厂提标改造。     

计算机应用课程理实一体化教学法研究

针对传统教学法的弊端,文章介绍了理实一体化教学法的概念、特点,结合计算机课程,提出了使用此方法进行教学时应把握的要点,在操作性较强的课程教学中采用这种方法将会收到意想不到的效果。     

褐煤成型的研究

由于褐煤具有含水率高，灰份大，易风化，发热值低等特点，使得成型难度很大．本文重点研究水份粒度、添加剂、成型压力等对褐煤成型的影响．最佳条件：粒度＜１ｍｍ，水份１４～１６％，压力＞５０Ｔｆ，添加剂１０～２０％．     

遥感反演蒸散发在灌溉用水管理中的应用综述

农田灌溉高效用水管理对农业生产及水资源可持续利用至关重要。气候变暖和社会经济发展对农业水资源的可持续利用带来重大挑战,农业生产集约化、标准化和信息化对发展高效节水灌溉、实现灌溉用水精细化管理提出了更高的要求。蒸散发可反映地表与大气的水分和能量交换以及作物耗水,在灌溉用水管理中发挥着关键作用。过去20年来随着遥感对地观测技术不断发展,蒸散发遥感反演和数据融合理论方法不断成熟,数据的时空分辨率和精度不断提升,显著扩展了遥感蒸散发在灌溉用水管理中的应用范围,在灌溉用水量估算等领域得到深度应用。本文在概述国内外蒸散发遥感反演和数据融合研究前沿及相关数据集的基础上,重点对遥感蒸散发在灌溉用水量估算、灌溉制度优化和灌溉效益评价等三个方面的应用场景,进行了系统梳理和总结,以期为农业水资源高效利用和精细化管理提供参考。     

社区尺度居民楼内涝淹没过程精细化模拟及室内财产损失评估

以西安一小区居民楼为研究对象,构建了高精度城市雨洪模型,并通过实测暴雨内涝监测数据验证了模型的可靠性;利用构建的模型模拟了6种设计降雨重现期下的居民楼室内动态淹没过程,并以西安市中等收入家庭的房屋配置为计算单元,分析了各类居民室内财产的淹没水深阈值,依此拟合得到了室内财产淹没水深-损失率关系曲线,结合居民楼在不同降雨重现期下的淹没水深,计算得到了各居民楼在不同降雨重现期下的内涝淹没财产损失数据。结果表明：不同降雨重现期下,同一居民楼一层居民房屋室内进水淹没水深随降雨重现期的增大而增大;同一降雨重现期下,各栋居民楼因高程不一致导致内涝淹没过程及最大淹没水深不一样。     

基于非均衡数据层次学习的案件案由预测方法

案件案由是对案件所涉及法律关系性质的描述,科学、完善的案由设置有利于正确适用法律,是人民法院实行案件分类管理的重要途径.案件案由预测技术指基于案件案情的文本描述由计算机自动给出案件所属类别.在案件属性预测研究中,由于低频类别的样本数量较少且难以学习相关特征,因此已有方法在数据处理部分通常会对低频类别样本进行剔除.然而,在案件案由预测问题中,关键的挑战正是如何对属于低频案由的案件做出准确预测.为此,文中提出了一种基于非均衡数据层次学习的案件案由预测方法.在案件案由预测中,根据案由层次结构将案由划分为一级案由和二级案由,二级案由中的大量尾部类别被汇聚成上层样本数较多的大类,进而通过层次学习的方式来实现二级案由的预测,使二级案由有一级案由的信息支撑.最后,引入调整数据不平衡的损失函数来实现案件案由的预测.实验结果表明,所提方法整体优于对比方法,其平均精确率比现有方法提高了4.81％,这表明通过层次学习和引入非均衡数据损失函数能较好地解决案件案由预测问题.