预处理后生物成因施氏矿物的矿物学特征及对As(Ⅲ)吸附的影响

生物成因施氏矿物虽然在吸附As(Ⅲ)能力上表现出较其它吸附剂更为优越的吸附性能,但其制备过程中细菌分泌的多糖类物质使得矿物颗粒间存在明显的团聚现象.本研究通过比较不同预处理方法对施氏矿物矿物学特征及吸附性能的影响,寻求一种最佳的矿物预处理方法,以期进一步改善矿物颗粒团聚现象和提高对As(Ⅲ)吸附能力.采用NaOH、NaCl、200℃灼烧及乙醇-超声方法对施氏矿物进行预处理,结果表明,处理后矿物的矿相均未发生变化,但其理化性质随处理方式的不同差异较大,矿物比表面积、Fe/S摩尔比、SEM图谱、As(Ⅲ)吸附性能与原始矿物相比均发生了明显的变化.经pH 12NaOH处理后矿物的吸附性能最佳,在室温下最大吸附量从原来的101.9 mg.g-1增加到143.3 mg.g-1,比表面积从原来的45.63 m2.g-1增加到325.18 m2.g-1,矿物干燥时团聚现象明显减弱.     

基于SOCP-MKRVM的区域滑坡敏感性分析研究

为了提高相关向量机（RVM）在区域滑坡敏感性评价中的预测能力,提出了基于二阶锥规划的多核相关向量机 (SOCP-MKRVM)预测模型。以四川省低山丘陵区为例,选取了8个滑坡孕灾因子训练RVM预测模型,并分别运用受试者工作特征曲线（ROC）和滑坡点密度2种方法对预测结果进行验证。通过与单核RVM模型的对比分析,结果表明:SOCP-MKRVM模型提高了对区域滑坡敏感性的评价能力,预测精度提高到71.33%,ROC曲线下面积达到0.741,滑坡点密度分布更加合理,两低敏感区之和为0.89个/100 km2,两高敏感区之和为6.54个/100 km2。     

燃气加热炉火焰视频监控系统设计

为了持续监测燃气工业加热炉燃烧状况,保障锅炉运行安全,根据燃气火焰的特点,利用数字图像处理技术,设计了相应的燃气加热炉火焰视频监控系统。通过图像预处理、火焰特征提取、火焰特征分析三个步骤,可实现对炉膛火焰燃烧状态进行实时判定,包括火焰燃烧或熄灭、燃烧是否充分、是否稳定。仿真实验结果表明,该系统能准确地从监控视频中检测和识别火焰燃烧状态,并能将燃烧特征量和特征分析结果存储到数据库以供事后查询。     

湿热水解预处理对餐厨废弃物液相物质转化的影响

设计湿热水解预处理温度(80、120、150和200 ℃)、时间(40、50、60和70 min)、加水量(40%、60%、80%和100%)的三因素四水平正交试验,研究湿热水解预处理对餐厨废弃物液相可浮油脱出量、ρ(COD_Cr)、糖类、ρ(VFA)(VFA为挥发性脂肪酸)等的影响. 结果表明:餐厨废弃物经湿热水解预处理后可浮油脱出量明显提高. 在150 ℃、加水量40%、处理60 min的湿热水解条件下,可浮油脱出量(67.7 mL/kg)最高,比未经预处理的对照组提高了2.65倍;同时,ρ(还原糖)和ρ(总糖)也达到最高,分别比对照组增加了16.29%和38.92%.随着温度升高和处理时间的延长,ρ(COD_Cr)不断升高,在200 ℃、加水量40%、处理70 min的湿热水解条件下,ρ(COD_Cr)最高为109.729 g/L,比对照组提高了1.39倍. 经湿热水解预处理后,ρ(VFA)也呈显著增加,在200 ℃、加水量100%、处理40 min的湿热水解条件下,ρ(VFA)达到最高,比对照组增加了66.26%.预处理后,ρ(乙酸)、ρ(丁酸)升高,ρ(乙醇)降低. 方差、极差综合分析表明,在湿热水解过程中,温度是影响餐厨废弃物液相物质转化的主控因子,其次是加水量和时间.      

基于RS-SVM模型的风暴潮灾害损失测度

论文以现有的风暴潮灾害研究为基础,通过构建评估指标体系提出了基于粗糙集-支持向量机模型(RS-SVM模型)的风暴潮灾害损失测度方法。RS-SVM模型较好的将二者优点进行结合,消除数据冗余信息的同时可以快速、准确解决非线性问题。在上述研究的基础上,对比单纯使用SVM方法与RS-SVM组合使用下的风暴潮经济损失测度效果,发现粗糙集与支持向量机在数据属性约简并进行预测过程中,确保了较高的拟合度与较低的误差率。     

人工湿地系统对不同分子量有机物的去除研究

以超滤膜法分析了生物预处理+人工湿地工艺系统对不同分子量有机物的去除效果。结果表明,系统进水中有机物分子量分布呈现"两头大,中间小"且以大分子量有机物为主的特点,该工艺对进水中各分子量区间的有机物均有良好的去除效果,尤其对常规污水处理工艺难以去除的0.5kD的小分子有机物去除效果显著,平均去除率达80%以上,这使出水中产生致突变物和消毒副产物的机率降低,从而使出水水质的安全性大大提高。     

模糊支持向量机在煤与瓦斯突出预测中的研究

模糊支持向量机(FSVM)综合了模糊理论和支持向量机(SVM)的学习理论,不仅继承了SVM在小样本情况下所具有的较强识别能力的特点,并且比SVM拥有更好的学习能力。在FSVM算法中,每个样本被赋予一个隶属度值,使得构造目标函数时不同的样本有不同的贡献,达到最大限度的消除噪声或者孤立点的效果。运用了灰色关联分析(GRA)对煤与瓦斯突出指标进行提取,引入了一个合适的模糊隶属度函数,并在此基础上提出了基于FSVM的煤与瓦斯突出预测的模型,通过实际数据的验证和其他预测方法的对比,证明了FSVM模型能够满足煤与瓦斯突出预测的要求。最后,将FSVM和传统SVM对同一组数据进行训练,证明了FSVM相比较传统SVM拥有更高的精确度。     

全尾砂絮凝沉降参数GA-SVM优化预测模型研究

为了得到经济、高效的絮凝沉降参数,建立GA_SVM预测模型进行优化选择。在优选过程中,以供砂浓度、絮凝剂单耗和絮凝剂添加浓度作为输入因子,以沉降速度作为综合输出因子,通过室内试验,建立训练、验证样本集;建立支持向量机（SVM）回归预测模型,用训练集对模型进行训练,进而以验证集预测值的均方误差作为适应度函数,通过遗传算法（GA）对SVM模型参数进行优化选择,应用优化得到的SVM模型对絮凝沉降参数进行预测、优化。以湖南某铅锌银矿为例,通过建立的GA_SVM模型对全尾砂絮凝沉降参数进行预测,优选出该矿最佳絮凝沉降参数为:供砂浓度20%-25%,絮凝剂单耗8g/t,添加浓度009%。经实验对比,该模型对絮凝沉降参数预测结果的相对误差能控制在5%左右,精确度较高,可以作为絮凝沉降参数优选的一种新思路     

“光峰”激光安防产品闪亮北京安博会

正200吋正投单体,100吋拼接,100吋单体,100吋电视会议系统……超高亮度,超高分辨率,超大尺寸,在日前结束的北京安博会上,深圳光峰光电展示的激光安防产品,凭借一流的效果和其国际领跑的激光显示技术,赢得了广泛的关注。作为全球激光显示技术的领跑者,深圳市光峰光电技术有限公司亮相本届安博会,并展出其专为安防行业打造的重磅产品激光投影机——带领DLP跨入"百吋时代"的100吋拼接显示背投单元和专为安防行业视     

“光峰”激光安防产品闪亮北京安博会

200吋正投单体,100吋拼接,100吋单体,100吋电视会议系统……超高亮度,超高分辨率,超大尺寸,在日前结束的北京安博会上,深圳光峰光电展示的激光安防产品,凭借一流的效果和其国际领跑的激光显示技术,赢得了广泛的关注。作为全球激光显示技术的领跑者,深圳市光峰光电技术有限公司亮相本届安博会,并展出其专为安防行业打造的重磅产品激光投影机——带领DLP跨入＂百吋时代＂的100吋拼接显示背投单元和专为安防行业视频会议打造的超大尺寸激光显示系统——200时正投单体。