某高速公路桥头段路基整体滑移事故分析与整治

某高速公路桥头段处治方案为真空联合堆载预压,在路基填筑至设计标高时,突然发生整体滑移。事故发生后立即对现场的地质情况进行勘察,结合有关资料分析滑坡产生的原因,探讨事故发生的各种因素,为滑坡整治处理提供了对策。     

饱和盐溶液湿度发生器原理与不确定度评定

本文简要介绍了饱和盐溶液湿度发生器的原理,提出了不确定度的评定方案,并给出实验数据加以详细说明.     

沉淀方式对沉淀法制备Co_3O_4催化N_2O直接分解性能的影响

以Co(NO_3)_2·6H_2O为钴源,K_2CO_3为沉淀剂,采用沉淀法制备Co_3O_4催化剂,用于催化N_2O直接分解反应。利用N_2~-物理吸附、XRD、FT-IR、TEM、TPR和ICP等对其进行表征,考察沉淀方式对Co_3O_4催化剂结构及其催化性能的影响。结果表明,沉淀方式对制备的Co_3O_4催化剂织构性质、物相组成和晶粒尺寸等影响不大,但显著影响其K残留量和还原性能,进而决定催化剂直接催化分解N_2O的催化性能。反加法制得的催化剂中K残留量为1.43%,明显高于正加法,同时催化剂中Co~(3+)较正加法更易还原,因而表现出更高的催化性能。在空速10 000 h~(-1)和N_2O体积分数0.1%的条件下,反加法制备的催化剂可在280℃催化N_2O完全分解,较正加法低20℃。     

温度和含湿量对建筑材料导热系数的影响

导热系数是建筑材料最重要的热湿物性参数之一,温度和含湿量均能够对其产生影响。当温度和含湿量中的一个因素被确定后,一元线性函数通常被用来描述另一个因素对导热系数的影响。然而,实际情况下二者对导热系数的影响是同时存在的。采用防护热板法对聚苯乙烯泡沫(EPS)、岩棉、混凝土、胶粘剂和抹面胶等5种典型建筑材料在不同温度和含湿量下的导热系数进行测试。结果表明,对上述材料而言,二元线性函数可以用来描述温度和含湿量对导热系数的影响,且温度和含湿量之间的交互作用可以被忽略。对于EPS和岩棉等弱吸湿弱毛细材料而言,可以将二元线性函数简化为仅与温度相关的一元线性函数。     

乳化沥青橡胶混凝土的力学性能

对用乳化沥青(Emulsified asphalt,EA)改善橡胶混凝土(Crumb rubber concrete,CRC)的力学性能进行了研究。通过抗压、抗折、劈裂抗拉和三点弯曲试验,研究了5%、10%和15% 3种橡胶掺量(等体积取代细骨料)下,EA理论计算成膜覆盖橡胶颗粒表面4层、6层和8层膜对应不同EA掺量对CRC力学性能的影响。试验结果发现,对比未预处理CRC和NaOH预处理CRC两个对照组:掺入不同掺量EA后,不同橡胶掺量的CRC的抗压强度和劈裂抗拉强度均有较大提高,CRC的峰值位移显著增大,弯曲弹性模量E_b明显降低;乳化沥青与橡胶质量比为0.15(6层EA膜)时,3种橡胶掺量下CRC较未预处理组相比抗压强度平均提高3.5%,峰值位移提高27.6%,E_b降低21.8%,乳化沥青橡胶混凝土具有较突出的力学性能复合效应。      

根皮素的微生物转化筛选及消耗率的测定

利用反相高效液相色谱法从24种真菌中筛选出对根皮素具有转化作用的菌种并进行底物消耗率的测定。色谱条件:Welchrom C_(18)色谱柱(4.6 mm×250 mm,5μm);流动相A相:冰醋酸∶水=2∶98(体积比),B相∶乙腈∶水∶冰醋酸=80∶19.6∶0.4(体积比),梯度洗脱;流速:1.0 m L/min;检测波长:280 nm。根皮素质量浓度在0.067 1 mg/m L~1.073 6 mg/m L内线性关系良好,回归方程为Y=3.5×10~7 X+1.5×10~6(R~2=0.999 9)。经HPLC检测4种真菌对根皮素有转化作用,当液体培养基中根皮素质量浓度为0.3 mg/m L时,测得培养后底物消耗率分别为60.46%、43.67%、91.63%、40.32%。该法简便、准确、重现性好,可适用于根皮素微生物转化研究中非单一转化产物的定性和定量分析。     

论“发展”视角下高校青年教师思想政治工作创新

高校青年教师思想政治工作是高校师资队伍建设的重要组成部分.高校青年教师思政工作要在实效性上取得新突破,必须坚持"以人为本"的理念,进一步遵循人才发展规律,引导青年教师努力构建社会主义核心价值体系,全面提升他们的思想素质,全面认识"内外因综合作用成才"规律,有针对性地做好青年教师发展过程中的思想政治工作,加强校园文化建设,发挥高校和谐文化在青年教师思想政治工作中的育人功能.     

融合注意力和裁剪机制的通用文本分类模型

针对当前分类模型通常仅对一种长度文本有效，而在实际场景中长短文本大量混合存在的问题，提出了一种基于混合神经网络的通用型长短文本分类模型（GLSTCM-HNN）。首先，利用BERT(Bidirectional Encoder Representations from Transformers)对文本进行动态编码；然后，使用卷积操作提取局部语义信息，并构建双通道注意力机制（DCATT）对关键文本区域增强；同时，使用循环神经网络（RNN）捕获全局语义信息，并建立长文本裁剪机制（LTCM）来筛选重要文本；最后，将提取到的局部和全局特征进行融合降维，并输入到Softmax函数里以得到类别输出。在4个公开数据集上的对比实验中，与基线模型（BERT-TextCNN）和性能最优的对比模型（BERT）相比，GLSTCMHNN的F1分数至多分别提升了3.87和5.86个百分点；在混合文本上的两组通用性实验中，GLSTCM-HNN的F1分数较已有研究提出的通用型模型——基于Attention的改进CNN-BiLSTM/BiGRU混联文本分类模型（CBLGA）分别提升了6.63和37.22个百分点。实验结果表...