DEM格网尺度对AnnAGNPS预测山地小流域径流和物质输出的影响

为了解流域地形空间参数和其它参数的精度对农业非点源污染模型AnnAGNPS预测准确性的影响,利用三峡库区黑河小流域观测资料校准了AnnAGNPS模型,分析了1.5-12.5m格网尺度DEM对地形参数和模型负载输出的影响.结果表明,1.5～12.5m格网尺度DEM对流域径流量、洪峰流量、总N输出影响不显著,但对泥沙、总P、有机碳输出影响显著.三峡库区类似小流域宜采用5m格网尺度DEM,AnnAGNPS模型较不适合于尺度较小、坡度较大的小流域泥沙负载预测.     

φ380铝合金筒体化铣网格成形工艺的研究

针对深潜器构件的使用要求,进行了φ380网格整体加劲铝合金筒体的结构强度设计,摸索出一套切实可行的加工成形工艺.耐压实验结果表明:简体承压能力的理论计算值与实测值相当吻合;用该工艺生产的φ380化铣简体与现使用的光筒和卷焊筒相比.具有强重比大、尺寸精度好、耐压强度高等优点.     

地质封存中CO_2盐水溶液的表观摩尔体积模型

在现有CO2盐水溶液密度模型的基础上,根据CO2地下盐水溶液密度实验数据,考虑了温度、压力和CO2质量分数三个参数的影响,建立了CO2盐水溶液的表观摩尔体积模型。模型结果表明该模型能在30~50℃、10~20 MPa温压范围内准确预测CO2在盐水溶液中的表观摩尔体积,将预测结果与实验数据进行对比发现最大相对误差为0.25%,平均相对误差为0.1%,模型预测精度明显高于现有的CO2盐水溶液表观摩尔体积模型,为CO2地下盐水层封存提供了必要的基础。     

旋转直线切向流聚丙烯管式膜器环隙切剖面流场测试

实验研究了旋转直线切向流管式膜器环隙切剖面的流场特征.通过建立膜滤实验装置系统,首次采用PIV激光粒子成像测速系统定量实测了旋转直线切向流管式膜器在不同工况,即不同流体压力、不同入口流量或不同人口切向流速等操作参数下环隙切剖面的流线图和涡量图,并在环隙切剖面内测出了流体切向速度和轴向速度及其分布规律:①在非涡区域,无论操作参数如何变化,在横坐标相同时,靠近旋转切向流人口方向的速度比远离人口方向的速度要大;涡内区域流体的速度一般小于涡外部的流体速度;涡心处速度最低,而且切向速度一般为0;涡心附近的切向速度小     

管材挤压工艺分析及实验研究

对管材挤压成形进行了工艺分析及实验研究。确定了镁合金、70 75铝合金、高温合金等几种材料管材挤压成形工艺参数 ,分析了管材挤压成形时变形力的变化规律。研究结果表明 ,管材挤压成形时必须严格控制坯料温度、模具预热温度、润滑方式、挤压速度、挤压比等工艺技术参数。以上工艺参数对挤压力均有不同程度的影响。     

AERMOD模式在大气环境影响评价中的实例研究

文章以某燃气热电项目大气影响预测为例展开建设项目工程实例研究,展示了大气预测情景模式、预测网格点的设置和相应地形和气象等参数的选取,从科学性、工程性、可操作性等多方面考虑,提出了在实际预测工作中应注意的问题以及参数选取的技巧和方法。为大气影响评价的研究和实践工作提供参考和借鉴作用,为今后深入开展大气影响预测评价工作提供思路和启迪。     

地形数据对高架复合道路噪声预测结果的影响研究

在噪声预测中除了合理设置噪声源强等参数外,是否选取了合理的地形数据反映沿线地貌对声环境的影响,也会涉及到预测结果的可靠性和真实性.本次利用Noisesystem模型对某市拟建高架复合道路的声环境影响情况进行模拟,对比有无地形数据的垂向线接收点预测结果,其最大差值为5.98 dB.这表明有无地形数据对噪声预测结果影响很大,在实际高架复合道路项目中应充分考虑地形对声环境的影响.     

常压塔塔顶腐蚀关键参量相关性分析与预测

预测常压塔顶回流罐切水的关键离子浓度可以为常压塔顶系统工艺防腐提供技术指导。收集了某炼厂2014-2016年常压装置的生产实时工艺参数、原料及产品采样数据、水质分析化验参数,采用线性插值方法对不同时间尺度的数据进行补全。通过线性相关性分析获得了影响常压塔顶回流罐切水总铁离子浓度、pH的主要因素,并基于深度学习、支持向量机回归、粒子群优化方法建立了腐蚀关键参量预测模型。结果表明,pH值和总铁离子浓度的相关因素大部分重叠,与原料性质及产品馏出温度较强相关;建立的回归模型预测精度高,在训练集和预测集上,总铁离子浓度预测值与测量值最大偏差分别为4. 4%和9. 8%,pH值预测值与测量值最大偏差分别为0. 9%和1. 1%。     

机器学习在材料服役性能预测中的应用

针对材料服役性能预测存在误差大、计算复杂、适用性差等问题,提出了基于数据挖掘的机器学习预测方法。首先阐述了机器学习的应用流程,并总结了常用模型原理及其在材料性能预测中的应用。然后采用多种机器学习模型对RPV钢的辐照性能进行预测,并通过Stacking集成方法提高了模型的预测精度。结果表明,机器学习可用于材料服役性能预测,具有较高的预测精度和可靠性。根据材料服役数据的不同特征选择合适的学习模型,同时进行模型融合和参数优化,可有效提高模型的预测精度及运算速度。     

极端梯度提升与随机森林融合的天然气露点预测方法

目的 解决目前水露点数据多为人工采用测量仪器测得,时效性低且成本高昂的问题。方法 建立一种基于极端梯度提升(XGBoost)和随机森林(RF)的天然气水露点预测方法。采用XGBoost方法对所有监测工艺参数进行分析,筛选出主要影响水露点的关键工艺特征参数,以排除无关特征参数对预测的干扰。建立RF预测模型,输入关键特征集参数,实现对水露点的实时预测。以重庆气矿某脱水监测系统监测数据与生产数据为例,对所提预测方法进行对比分析验证。结果 相较于XGBoost、SVM等预测方法,RF模型具有最佳的预测性能,且经过XGBoost特征选择后,RF预测结果的MAE值降低了0.016 9 ℃,RMSE值降低了0.014 6 ℃。结论 基于极端梯度提升与随机森林融合的水露点预测方法具有更优的预测精度与鲁棒性,对指导脱水现场生产具有积极作用。