排序方式: 共有38条查询结果,搜索用时 15 毫秒
1.
翻开报刊,一起起频发的血腥事故,早已让国人从惊讶和惊恐,过度到了厌烦和厌倦,进而也对行政部门的能力产生了怀疑和质疑。如何最大限度根治令国人揪心的重特大生产事故,不仅是保证生产安 相似文献
2.
描述了某石油化工污水处理厂采用合适的集气罩和集气管网以及生物滴滤法处理产生的恶臭气体,运行结果表明:该技术具有去除效率高、容积负荷大、运行操作方便的优良性能,且对硫化氢和异丙苯的去除效率在90%以上,达到了GB16297-1996和GB14554-1993的排放要求,适合用于工业污水处理厂恶臭治理工程,具有良好的社会效益和广阔的发展前景. 相似文献
3.
支持向量机应用核函数技术,已经成为当前国际上一个研究的热点,由于支持向量机具有良好的理论基础和泛化性能,可将其引入到混合液体闪点预测的研究之中,以期建立准确、高效的预测模型。本文建立了一个基于支持向量机的理论模型,用于预测二元互溶混合液体的闪点。根据所研究混合液体的物理性质,选择了纯物质的粘度、表面张力、配比、燃烧下限等物理参数来表征闪点,以这些参数作为输入参数,二元混合液体的闪点作为输出值,应用支持向量机方法对两者之间的内在定量关系进行模拟。结果表明,闪点预测值与实验值符合良好。本方法的提出为工程上提出了一种预测二元互溶液体闪点的有效方法,可应用于评估混合溶液的火灾爆炸危害性及本质较安全设计。 相似文献
4.
为了给工业界提供一种快速预测二元混合液体自燃温度的有效途径,将试验所测不同组分及配比的168个二元混合液体的自燃温度作为期望输出,将基于电性拓扑状态指数(ETSI)理论、引入混合ETSI概念而计算出的9种原子类型所对应的混合ETSI作为输入,采用三层BP神经网络技术建立了根据原子类型混合ETSI来预测混合液体自燃温度的BP神经网络模型,并应用改进的Garson算法进行多参数敏感性分析。经模型评价验证及稳定性分析,得到训练集的决定系数R2为0.965,平均绝对误差MAE为11.892 K,测试集的交叉验证系数Q2ext为0.923,平均绝对误差MAE为15.530 K,发现该模型的预测性能优于已有的多元非线性回归(MNR)模型,表明BP神经网络模型具有较好的拟合能力和预测能力,对烷、醇类混合体系自燃温度的预测精度最佳。 相似文献
5.
“奶牛-沼气-牧草”循环型农业系统的能值分析 总被引:2,自引:0,他引:2
为探讨“奶牛-沼气-牧草”循环型农业模式(模式I)的结构功能和生态经济效益,应用能值分析方法对其进行研究,并与单一奶牛养殖模式(模式Ⅱ)进行比较。结果表明:模式Ⅰ的净能值产出率(4.06)比模式Ⅱ(4.13)低;模式Ⅰ能值可持续发展指标值为10.27,模式Ⅱ为9.57,模式Ⅰ具有更高的可持续发展能力;模式Ⅰ的环境负载率(0.11)低于模式Ⅱ(0.12),并且模式Ⅱ能值废弃率为21.72%,模式I为0,因此模式Ⅰ对环境的压力小;模式Ⅰ产出能值反馈率达到30.63%,系统自组织能力强。模式Ⅰ的净效益是模式Ⅱ的1.13倍,但产投比是模式Ⅱ的97.64%。以能值-货币价值计算的生态经济效益分析结果与实际经济效益分析结果基本一致。因此,模式Ⅰ具有环境压力小、自组织能力强、可持续发展能力较强的特征,但仍需进一步优化系统内部结构,提高生产效率。 相似文献
6.
7.
8.
应用电性拓扑状态指数预测烷烃自燃点 总被引:2,自引:0,他引:2
建立了一个基于人工神经网络的定量结构-性质相关性模型,用于52种烷烃化合物自燃点的预测研究。应用原子类型电性拓扑状态指数作为表征分子结构特征的描述符。该指数既能表征分子的电子特性,又反映其拓扑特征,同时易于计算,并有较强的同分异构体区分能力。采用误差反向传播(BP)神经网络方法对烷烃自燃点与电性拓扑状态指数间可能存在的非线性关系进行拟合。将52种烷烃样本随机划分为训练集(30种)、验证集(8种)和测试集(14种),并通过“试差法”确定网络的最优参数。运用最佳网络结构[64—1]对实验样本进行模拟,结果表明,多数样本的自燃点预测值与实验值符合良好,对于测试集,平均预测绝对误差为8.4℃,均方根误差为11.8,优于多元线性回归方法和传统基团贡献法所得结果。该方法的提出为工程上提供了一种根据分子结构预测有机物白燃点的有效方法。 相似文献
10.
基于定量结构-活性相关性(QSAR)原理,研究了27种羧酸及其衍生化合物结构与其急性毒性LC50之间的内在定量关系。应用遗传算法从大量结构参数中优化筛选出与LC50最为密切相关的五个参数作为分子描述符,得出影响羧酸及其衍生物急性毒性的主要结构特征为分子的大小及其空间效应等。分别采用支持向量机(SVM)方法和多元线性回归(MLR)方法建立了相应的QSAR预测模型,并对所建模型分别进行了内部验证和外部验证。结果表明,两种模型均具有较高的稳定性、预测能力及泛化性能。其中,支持向量机模型对训练集和预测集样本的预测平均绝对误差分别为0.149和0.211,优于多元线性回归方法所得结果。 相似文献