基于煤矿安全生产标准化的双控机制APP系统研究

针对我国煤矿安全生产标准化工作中数据采集的时效性差、数据录入工作量繁琐、数据汇总分析不明确的问题,利用易安卓编程语言与SQLite数据库技术,采用瀑布生命周期模型的软件开发方法,以《煤矿安全生产标准化考核定级办法》中双控机制的基本内容为依据,设计包括个人信息管理、法律知识库检索、安全风险分级管控、事故隐患排查治理、数据可视化分析、其他6大功能模块的APP系统。结果表明:该系统可提供适合相关管理人员使用的可视化界面,减少了复杂繁琐的工作量,为标准化工作的定点巡检与数据的完整性提供了良好的技术支持,也为非煤矿山、冶金、石油化工等行业的标准化工作实现信息化管理提供了较好的应用模式。     

不同农业利用方式下湘南第四纪红壤的粘粒矿物学组成与表面电荷特性

用X-射线衍射分析技术和化学方法研究不同农业利用方式对湘南第四纪红粘土及其发育土壤的粘粒矿物学组成和表面电荷特性的影响．结果表明：湘南第四纪红壤的粘粒矿物组成以高岭石为主，其次是1．4nm过渡矿物．经过人为耕种尤其在水田条件下，蛭石和水云母的含量增加，铁的活化度增大．土壤表面电荷数量（CECpH3.2、CECp、CECv、AEC）和电荷零点（pH）的值也发生相应的改变．     

Variance estimation in the EMAP strategy for sampling discrete ecological resources

The United States Environmental Protection Agency's Environmental Monitoring and Assessment Program (EMAP) is designed to describe status, trends and spatial pattern of indicators of condition of the nation's ecological resources. The proposed sampling design for EMAP is based on a triangular systematic grid and employs both variable probability and double sampling. The Horvitz-Thompson estimator provides the foundation of the design-based estimation strategy used in EMAP. However, special features of EMAP designed to accommodate the complexity of sampling environmental resources on a national scale require modifications of standard variance estimation procedures as well as development of new techniques. An overview of variance estimation methods proposed for application to EMAP's sampling strategy for discrete resources is presented.     

唐菖蒲原球茎培养的研究

以唐菖蒲球茎芽切段为外植体在含有2，4-D的脱分化培养基上诱导的愈伤组织，可分化出具有双极性的原球茎．通过继代培养，选择了合适的培养条件：激素配比ρ（2，4-D）＋ρ（NAA）＝1mm／L＋0．5mg／L，ρ（Sugar）＝30g／L．pH5．8，θ＝21～26℃．光照液体浅层培养．在优化的条件下，利用双层板径向流生物反应器进行唐菖蒲原球茎培养，28d生物量增殖8倍，原球茎数增殖9倍．     

不同电场对大豆种子萌发的影响

分别对大豆种子进行低压电场长期处理和高压电场短时处理 ,测定了不同电场处理后种子发芽势、浕 -淀粉酶和过氧化物酶活性、可溶性蛋白含量以及种子超弱发光的变化 .发现低压长期处理 (± 0 .2～ 1.0kV/cm ,每天 8h)对大豆种子的萌发没有明显影响 ,高压短时处理 (2～ 6kV/cm ,30min)能促进种子萌发 ,显著提高种子的发芽势、浕 -淀粉酶、过氧化物酶活性和可溶性蛋白含量 ,高压短时处理吸胀种子比处理干种子的效果更为明显 .短时高压电场处理后 ,种子的超弱发光明显增强 ,并且种子超弱发光的变化与生理生化指标的变化具有显著相关性 ,提示超弱发光有可能成为一种准确、快捷、灵敏筛选种子最佳电场处理剂量的物理指标 .图 1表 3参 17     

反静电场处理厌氧污泥的影响因素分析

在电场和电解副效应的共同作用下,选定0.5mA、1.0mA、1.5mA和1.95mA四种电流强度作为不同的运行条件,处理时间24h,分别测定反应开始和结束时厌氧污泥上清液COD、NH4 -N和VSS,其变化率随电流强度呈抛物线型变化.用反静电处理厌氧污泥时,电场对污泥参数的影响存在着最佳的工作电流强度,在本试验条件下,反静电处理厌氧污泥的最佳工作电流强度为1.5mA.反静电场可提高微生物的活性,使COD与NH4 -N得到一定程度的降解,同时,污泥的性质影响反静电场处理污泥的效果.     

高温突跃法处理城市污泥的研究

利用电弧等离子体技术产生高温突跃，处理上海市曹杨污水处理厂的脱水污泥，从中快速制得可燃气体，其主要成份是CO。产物气体可以直接点火燃烧，火焰温度达800℃左右。试验结果表明，污泥含水量在43％左右时，CO产率较高。     

Brazil's Electric Power Choices and Their Corresponding Carbon Emissions Implications

This study analyzes the options for meeting power demand in the Brazilianpower sector through the year 2015. Three policy cases are constructedto test economic and environmental policy measures against a baseline:advanced technologies scenario, environmental control scenario and carbon(C) elimination scenario. Least-cost modeling simulated these scenarios throughchanges in emissions fees and caps, costs for advanced technologies,demand side efficiency, and clean energy supplies. Results show that, in theabsence of alternative policies, new additions to Brazil's electric powersector will shift rapidly from hydroelectricity to combined-cycle natural gasplants. When the cost of environmental impacts are incorporated in theprice of power, the least-cost mix of electric power generation technologycould change in other ways. In all scenarios, energy efficiency andcogeneration play an important role in the least-cost power solution. Savingelectricity through increased efficiency offsets the needs for new supply andhas enormous potential in Brazil's industrial sector. Efficiency also reducesthe environmental burden associated with electricity production andtransmission, without compromising the quality of the services demandedby end users. Interesting enough, carbon dioxide (CO₂) emissions will remainrelatively low under almost every conceivable scenario.     

基于机器学习的电热防除冰表面温度变化趋势预测

针对飞机部件周期控制律电加热防除冰的应用,提出基于机器学习以预测电加热防除冰表面温度的变化趋势.依靠大型结冰风洞及其电加热防除冰控制系统完成防除冰试验,获得有效的试验数据,以通、断电周期为分割单元,将试验数据划分成验证集和训练集.根据电热防除冰过程的换热情况,构建样本的特征参数,利用机器学习的有监督学习方式,选择KNN近邻回归算法和局部线性加权回归算法预测温度变化率,再转换为温度,得到的温度变化与测量数据的线性相关性达到80％以上的高相似度结果,表明使用机器学习可快速预测电热防除冰部件的表面温度变化趋势,且不同的回归算法针对模型不同测温点位置的预测效果存在差异.