基于重构相空间充填体变形规律的灰色预测研究

尾砂胶结充填体是非线性力学介质,其变形是能量耗散的复杂过程,必须研究其内在变形规律,才能正确预测采矿过程中充填体的稳定性.对不同配比的尾砂胶结充填体进行力学试验,得出了其应力-应变规律,对安庆铜矿高阶段充填体变形进行了监测.采用自适应滤波原理,研究基于重构相空间的测量数据去噪处理方法.用灰色理论研究充填体变形在相空间中相点距离的演变规律,建立了重构相空间的灰色预测模型.为减小预测误差,对预测结果采用残差模型修正.应用建立的模型,对安庆铜矿高阶段充填体变形进行分析,确定了采场合理回采周期.结果表明,充填体变形具有非线性混沌特性,不同配比的充填体表现出不同的非线性动力学行为,重构相空间能充分展示充填体变形的内在规律.     

电袋复合除尘器中产生氧化性物质的研究

针对电袋复合除尘器前级电场电晕放电有可能会产生臭氧,而臭氧又迅速与烟气中NO反应生成NO2这一猜想,通过对实际工况下电袋复合除尘器中臭氧含量和NOX浓度进行的测试,得出电袋复合除尘器中并无臭氧产生,且NO2浓度也未增加。但烟气中NO2浓度已经接近除尘器PPS滤料在使用温度下(150℃)所能承受的最高限值,PPS滤料会因发生氧化而失效,缩短滤料使用寿命。     

关联交叉口交通流模糊变权重组合预测方法

针对单一交通流预测方法存在的局限性和传统交通流组合预测模型中权重不能动态变化的问题,提出一种关联交叉口交通流模糊变权重组合预测方法。先对交叉口交通流的关联性进行分析,并给出关联交叉口的定义;再建立关联交叉口交通流模糊自适应变权重组合预测模型,该模型分别利用Kalman滤波器模型与SVM模型来预测关联交叉口交通流量,然后根据这2个模型预测的误差和交通量的变化趋势,采用模糊逻辑推理方法,对这2个预测模型分别赋予适当的权重。试验结果表明,组合预测模型的最大绝对误差、平均绝对误差和相关系数均明显好于单一的预测方法,分别为9.8%、4.63%和0.99。     

表面裂纹对Rayleigh波的滤波特性分析

摘要表面裂纹是危害很大且普遍存在的一种缺陷,严重影响到特种设备的安全运行。对表面裂纹尺寸的测量一直未得到很好的解决,由于Rayleigh波能量主要集中在深度一个波长的范围内,当传播过程中和裂纹相互作用时,其频谱会发生变化,一部分高频波将会被吸收,吸收频率的大小与裂纹的深度密切相关。此时裂纹起了一个类似低通滤波器的作用,这点对于裂纹深度检测具有指导意义。     

生物滴滤池净化二氯甲烷废气的实验研究

在φ50mm生物滴滤池内进行了二氯甲烷废气净化的实验研究.由工厂活性污泥经驯化培养得到菌种,进一步接种、在填料表面挂膜,接种和挂膜约需30d.滴滤池内装填聚丙烯散堆填料,废气和循环液在滴滤池内逆流操作,循环液pH值为7.0±0.5,温度维持在28.5±2℃的条件下,生物膜系统能较好地适应进口浓度的变化.在气体空床停留时间为15.7s、二氯甲烷进口浓度为0.7～3.12g/m³的范围内,去除效率为72.0%～99.1%.滴滤池中的酸性环境对二氯甲烷的降解具有明显抑制作用.     

电袋复合除尘器设计若干问题的探讨

介绍了电袋复合除尘器设计过程中烟气量的核实方法、电区与袋区分级效率的确定原则、电区与袋区主要技术参数的确定方法、滤料选取、气流分布要求等内容，对电袋复合除尘器的选择与设计具有一定的参考作用。     

隔膜压滤机滤室最优空腔厚度

利用UG软件对隔膜压滤机滤室内流体进行三维建模,导入Gambit中进行网格划分及边界条件的设定,结合Fluent选用RNG k-ε湍流模型,采用多孔介质模型模拟隔膜压滤机滤室内固-液两相流分离,得到不同空腔厚度下滤室内流体的体积分数轮廓图、压强云图,得出滤饼含水率与空腔厚度大小的关系。实验结果表明,模拟和实验结果具有较好的一致性。在压滤机滤室空腔厚度为12 mm时,滤饼含水率为48%,每天污泥处理量为102 t,隔膜压滤机工作效率最高。     

滤纸对青蒿丛生芽诱导及遗传转化的影响

研究了滤纸对青蒿丛生芽诱导及遗传转化的影响.结果表明,培养基上加铺一层滤纸能够明显促进青蒿丛生芽的诱导,丛生芽诱导率可达到97%.在高效丛生芽诱导体系的基础上,探讨了滤纸在根癌农杆菌介导的青蒿遗传转化中的应用.优化后的青蒿转化体系,抗性丛生芽诱导率可达到59.7%,其中,12.5%的抗性丛生芽能发育成抗性生根植株,生根植株PCR检测均为阳性.在部分PCR检测阳性植株中检测到了GUS的稳定表达.该优化的转化体系对青蒿素生物合成分子调控的研究具有重要意义.图5表1参26     

循环载体生物滤池─—生物过滤新工艺

循环载体生物过滤工艺融三相流化、悬浮曝气、移动接触等几种不同工艺于一体，具有独特的工作原理和工艺特征。动态实验结果表明，循环载体生物过滤工艺容积负荷高，耐冲击负荷能力强，处理效果好，是一种比较理想的生物处理工艺。     

On the latent state estimation of nonlinear population dynamics using Bayesian and non-Bayesian state-space models

Nonlinear state-space models have been increasingly applied to study population dynamics and data assimilation in environmental sciences. State-space models can account for process error and measurement error simultaneously to correct for the bias in the estimates of system state and model parameters. However, few studies have compared the performance of different nonlinear state-space models for reconstructing the state of population dynamics from noisy time series. This study compared the performance of the extended Kalman filter (EKF), unscented Kalman filter (UKF) and Bayesian nonlinear state-space models (BNSSM) through simulations. Synthetic population time series were generated using the theta logistic model with known parameters, and normally distributed process and measurement errors were introduced using the Monte Carlo simulations. At higher levels of nonlinearity, the UKF and BNSSM had lower root mean square error (RMSE) than the EKF. The BNSSM performed reliably across all levels of nonlinearity, whereas increased levels of nonlinearity resulted in higher RMSE of the EKF. The Metropolis–Hastings algorithm within the Gibbs algorithm was used to fit the theta logistic model to synthetic time series to estimate model parameters. The estimated posterior distribution of the parameter θ indicated that the 95% credible intervals included the true values of θ (=0.5 and 1.5), but did not include 1.0 and 0.0. Future studies need to incorporate the adaptive Metropolis algorithm to estimate unknown model parameters for broad applications of Bayesian nonlinear state-space models in ecological studies.