依据新规范对柔肤水相对密度的不确定度评定

目的:建立密度瓶法测定柔肤水相对密度不确定度评定的方法。方法:依据JJF1059.1-2012《测量不确定度评定与表示》,采用GB/T 13531.4—2013《化妆品通用检验方法相对密度的测定》,建立测量模型,绘制不确定度来源因果图,对检测过程中引入的不确定度进行了分类和量化,得到扩展不确定度U=0.0002。结果:柔肤水相对密度测定结果表示为1.009 7±0.0002。结论:研究为相对密度测定的不确定度评定提供参考依据。     

椭圆变形管道非开挖修复内衬弹性屈曲性能研究

非开挖内衬技术广泛应用于城市地下管网的修复，对于保护城市环境和保障地下管网结构安全具有重要意义。然而原有管道的椭圆变形缺陷会降低新建内衬管的结构稳定性。将几种不同的椭圆变形管道内衬临界屈曲压力计算数学模型进行了对比，分析了现有规范中计算方法的不足，并基于最小势能原理和非线性理论，通过椭圆局部曲率方程推导出内衬的结构势能，建立起原有管道椭圆变形后柔性内衬管在外部静水压力作用下屈曲压力计算的数学模型；通过理论模型计算结果与有限元数值模拟结果进行对比，发现两者计算得到的内衬临界屈曲压力的计算误差基本上在10%以内；分析了不同椭圆度和内衬尺寸比(DR)值对内衬临界屈曲压力的影响规律，并通过与其他计算模型进行对比，验证了本文提出的计算模型在不同DR值内衬设计时的优势。     

SEM和X-Ray对云冈石窟石雕风化物的分析

用X射线衍射仪和扫描电镜对云冈石窟石雕风化物进行了研究,从微观角度分析了不同开凿年代风化样品差异的原因和不同深度样品在微观角度呈现的差异现象。结果表明:随着时间的推移,石雕风化物中的Al4Si4O10(OH)8含量逐渐减少,而SiO2和KAlSi3O8的相对增多。元素Al和Si的含量开凿于晚期的相对高于开凿于早期的石窟,而开凿于晚期的石窟中元素K的含量则低于开凿于早期的石窟。纵向看,石雕风化物表层K,Al元素含量高于内层,Si元素的含量则低于内层的值。     

光影

这张老照片给人第一眼印象是在表现"滑稽"的场面,一个三四岁的孩子穿着宽松的大人衣服和硕大的大人鞋子,就像卓别林在街头表演,不过,头上的钢盔却暗示,这不是一身普通的行头。上世纪八十年代,我国消防事业处在一个上升的阶段,消防工作在和平时期的社会作用越来越大,民众的认知度和参与度也越来越高。这张照片表现的就是徐州消防官兵在对人民群众讲授消防安全知识,孩子穿着消防服寓意着消防工作要从娃娃抓起。社会消防工作是     

模糊微分方程的一致稳定性

考虑了模糊微分方程初值问题,在集微分方程稳定性理论的基础上,利用李雅普诺夫函数的方法,得到了模糊微分方程平凡解一致稳定的一个充分条件。     

主题整合:小语教材二度开发策略研究

主题整合是对现有教材进行反思调整和二度建构,将再生性的、发展性的内容整合成课程或教材内容,由此向外作辐射式阅读。其实施策略采用叙事方式更清晰地呈现:同一主题不同版本整合;同一主题不同文体形式整合;同一主题不同层面内容整合;同一主题不同学科内容整合;同一主题学生自主二度开发教材。以此拓宽孩子的视域与生命成长的通道。     

关于建立自然灾害评估系统的总体构思

本文对建立自然灾害评估系统的总体构思进行了初步的探讨,其中包括自然灾害评估指标系统;灾害评估的分类和程序;自然灾害评估的基础工作;自然灾害评估的主要手段;自然灾害评估系统的模式和灾害数据库的建立。     

新科技可减少柴油机的有害废气

据美国《纽约时报》报道,美国西北太平洋国家实验室的科学家发明了一种最新的科技,可以大大降低由柴油引擎排放的汽车的废气,减少对环境的污染。西北太平洋国家实验室的皮顿博士说,他们是利用电流将气体离子化,再使用特别的沸石催化剂,将柴油引擎散发出来有害的氧化氮变成无害的氮气,从而减少了对环境造成污染。科学家指出,这种最新技术可以将氧化氮的排放量降低70 %:科学家估计,在2004年将可以制造出第一辆安装了这种新科技的汽车     

基于最优分割理论的酸雨监控点位的分类研究

Fisher最优分割法是用离差平方和来表示同类样本之间的差异程度,通过简便的计算步骤和作图,确定最优分类数,使同类样本间的差异最小,各类别样本间的差异最大,并用F检验法检验最优分类数的合理性。文章根据Fisher最优分割法的理论内涵,研究其应用于酸雨环境监测优化布点的可行性。以漳州市沿海区域监测点为研究实例,用Fisher最优分割法确定最优的分类情况和最优的优化布点方案。结果表明,原布设的9个监测点用Fisher最优分割法优化为3个典型点位,可客观地反映漳州市酸雨控制区的整体污染状况和污染趋势,该方法理论内涵直观、计算简便、重复性好,对环境质量监测有重要的意义。     

基于数据分解的AQI的CEEMD-Elman神经网络预测研究

针对Elman神经网络在预测空气质量指数（AQI）时易受到数据非平稳性的影响导致预测趋势良好但准确度较低的问题,提出以互补集合经验模态分解（Complementary Ensemble Empirical Mode Decomposition,CEEMD）为基础的CEEMD-Elman模型.应用CEEMD对AQI序列分解成不同时间尺度上的本征模态函数分量和剩余分量,进而首次将对非平稳的AQI序列的预测研究转化为对多个平稳的本征模态函数分量的研究.分别与Elman单一模型、EMD-Elman模型、BP单一模型及CEEMD-BP模型进行实验对比.结果表明：应用该方法建立的模型的均方误差、平均绝对误差和平均绝对百分比误差分别为4.80、0.71、1.84%,均小于其他模型结果;对应空气质量等级预报正确天数的频率为94.12%.该模型能有效的降低非平稳性对实验预测结果的影响,实现对空气质量等级的准确预报;该研究为进一步预测AQI的走向提供了有效依据,也为政府决策和管理部门制定空气污染控制提供了更充分的参考.