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.     

污泥堆肥及其土地利用全过程的温室气体与氨气排放特征

目前我国污泥堆肥及其土地利用全过程的温室气体(N2O、CH4)与氨气(NH3)排放数据极其缺乏,难以满足温室气体减排和氮素保存的需求.本研究通过原位观测,首次开展污泥堆肥及其土地利用全过程温室气体和氨气排放特征的研究.结果表明,基于机械翻堆条垛(turning windrow,TW)工艺的全过程温室气体排放因子(eCO2/干污泥,196.21 kg·t-1)是基于强制通风+机械翻堆条垛(aerated turning pile,ATP)工艺的1.61倍.N2O主要来自土地利用过程,CH4主要来自堆肥过程.ATP工艺的温室气体排放当量(eCO2/干污泥,12.47 kg·t-1)远低于TW工艺(eCO2/干污泥,86.84 kg·t-1).TW工艺的氨气排放因子(NH3/干污泥,6.86 kg·t-1)略高于ATP工艺(NH3/干污泥,6.63 kg·t-1).NH3是全过程最主要的N素损失形式,其中TW和ATP堆肥工艺因NH3排放造成的氮素损失相当,均约占堆料TN损失量的30%.而N2O和CH4带来的N、C元素的损失可以忽略不计.这些结果表明ATP是一种环境友好的污泥堆肥工艺.     

δ-MnO_2对Cr(Ⅲ)氧化动力学特征

采用分步离心法研究了δ-MnO2对Cr(Ⅲ)的氧化动力学.结果表明,δ-MnO2对Cr(Ⅲ)的氧化反应可以用一级动力学方程分段拟合.氧化反应是由2个速率不同的一级反应组成,Cr(Ⅲ)溶液在高浓度(400μmol/L)条件下,也可以用扩散方程和Elovich方程分段拟合.温度升高显著增加快反应阶段速率常数.随着反应的进行,MnO2表面吸附的Cr(Ⅵ)/Mn(Ⅱ)逐渐减小并远小于理论值(0.667),MnO2表面吸附的Cr(Ⅲ)、Cr(Ⅵ)和Mn(Ⅱ)只占总量的0.1%～3%.溶液中的Cr(Ⅵ)/Mn(Ⅱ)逐渐减小并接近理论值.所以Mn(Ⅱ)向溶液中的扩散滞后于Cr(Ⅵ).Cr(Ⅲ)的氧化反应的速率控制步骤,在低浓度条件下是Cr(Ⅲ)的扩散和吸附,在高浓度条件下是Mn(Ⅱ)向溶液中的扩散.