滇西北宁蒗地区喜山期斑岩带形成的构造机制

宁蒗地区地处扬子准地台西缘与松潘-甘孜褶皱系的接合部位．其东为南北向的康滇地轴．西为近南北向的三江构造带。这种特定的区域构造背景决定着本区基本的菱形构造格局。区内北东向金棉-木里断裂将本区划为两个不同的建造-构造区：宁蒗西北区和宁蒗东南区。宁蒗东南区受四条北东向与北西向深断裂为界的宁南菱形构造控制，形成了叙方对称型的宁南反凸双孤联合构造。该宁南反凸双孤联会构造东弧带追踪基底南北向构造所形成的包都-波罗弧形断裂构造，控制了本区喜山期斑岩带的形成和分布。区内斑岩群（体）主要分布于该主干控岩断裂带与其它多方向构造的复合系统中。通过模拟实验，进步验证了区内斑岩带的控岩造机制。     

关于如何拓宽胶粉应用的思考

为了拓宽胶粉的应用，主要从精细和超细胶粉的生产、胶粉的表面改性、再生胶粉的生产三个方面阐述了拓宽胶粉应用的途径和可行性。     

关于化学工程上的油水界面现象

1.前言 既然在操纵系统内存在界面,当然此系统就不只是单相的了。在化学工程中关于异相的处理比均相处理复杂得多。而且一般来说,精确程度也降低。另外可以说“表面现象往往不容易理解,操作也不易控制。”     

室内甲醛污染和分析

甲醛是室内环境的主要污染物.采用乙酰丙酮分光光度测定方法,通过对一幢五层新建的办公楼随机抽取六间房,每隔3个月分别进行了检测,结果表明室内温度变化对甲醛的释放有较大影响,甲醛的释放随时间逐渐减少.列举了脲醛树脂、酚酞树脂、胺基甲醛树脂等是造成室内甲醛污染的主要来源,甲醛对人体的危害极大,不同国际组织、国家对室内甲醛浓度制定了不同的最高限值.从控制污染源、控制室内条件、处理方法等方面将有效防治室内甲醛污染.     

基于大面积网格法的商场疏散时间预测

为了准确预测商场人员疏散时间,文中结合群集流动规律及离散法建立新的大面积网格算法,将时间离散为微小单元Δt,空间离散为大面积网格,利用人员流动速度—密度公式,计算每一Δt时间内网格中人员流动速度,迭代累计各单元时间得到疏散时间。以某商场人员疏散演练为例进行分析,结果表明,大面积网格算法预测的人员疏散时间与实际疏散演习时间基本吻合,其相对误差为3.4%,预测精确度较高。     

宜昌城区电池使用及回收现状分析

电池消耗的日益增加使得由废电池引发的环境问题也日益受到人们的重视。对电池进行回收，不仅有利于资源再生，缓解我国人均资源匮乏的现状，也有利于环境保护。宜昌作为一个重要的旅游城市，尤其应重视这一点。主要介绍了该地区及国内电池使用和废旧电池回收情况，分析了电池回收所面临的困难，并提出了有关的解决措施和建议。     

非均相催化降解去除废水中过氧化氢异丙苯

为消除废水中CHP(过氧化氢异丙苯)对废水生物处理系统的不利影响,筛选出MnO₂为适合催化CHP降解脱毒的非均相催化剂,并以MnO₂为催化剂,催化降解自配废水中的CHP,采用间歇试验考察了反应pH、温度、MnO₂投加量、初始ρ(CHP)对CHP去除效果的影响,对CHP降解动力学进行了分析,同时对处理前后废水组分和生物毒性做了鉴定.结果表明:CHP催化降解速率与温度、初始ρ(CHP)和ρ(MnO₂)呈正相关;pH为4～10,温度为50～70 ℃,ρ(MnO₂)为10～20 g/L是较为优化的反应条件.MnO₂催化降解CHP的反应符合表面反应机制,催化剂表面接触面积越大,CHP降解速率越快;在pH为2或3时,CHP降解速率显著高于pH为4～10时,但Mn溶出较为显著.在初始ρ(CHP)为0.4～1.0 g/L时,CHP催化降解反应遵循一级反应动力学,符合Arrhenius方程,E_a(表观活化能)为37.56 kJ/mol.反应产物主要为2-苯基-2-丙醇,处理后废水的OUR(耗氧速率)抑制率由63%降为0,对活性污泥没有抑制.      

浅议LRET油基泥浆资源化利用技术

为回收昂贵的油基泥浆资源和使油基废物减量化,油田公司积极寻求和开发含油废物的资源化利用和无害化处理技术,LRET油基泥浆资源回收技术,可将回收的油基泥浆资源再循环用于钻井,降低油田油基泥浆钻井成本,促进油田勘探开发更好更快发展。     

基于化学洗涤的含油污泥无害化处理技术研究

针对塔河油田含油污泥开展了化学洗涤技术的试验研究。依据溶解理论对试剂进行优选,筛选复配出高效的化学试剂。已处理后的污泥中含油率为主要指标,研究处理过程中的洗涤温度、溶剂浓度、洗涤时间、搅拌速度对处理效果产生影响,通过正交实验得到处理含油污泥的最佳操作条件,以及洗涤级数对处理效果的影响因素。     

基于LLE-ELM的矿井瓦斯涌出量预测方法研究

基于局部线性嵌入(Locally Linear Embedding,LLE)算法和极限学习机(Extreme Learning Machine,ELM)神经网络建立矿井瓦斯涌出量预测模型,该预测模型运用LLE算法对矿井瓦斯涌出量影响因素样本进行数据挖掘,得到降维后的有效因子,再将这些有效因子作为ELM神经网络的输入层进行训练和预测。利用某矿井的实测数据进行实例分析,结果表明该预测模型预测速度快,精度高,能够用于矿井瓦斯涌出量预测。