液闪法测定~(151)Sm的半衰期

采用液闪β放射性计数法(LSC)测量中国原子能科学研究院重水堆上辐照后样品中151Sm的活度,用表面热电离质谱(TIMS)和电感耦合等离子质谱仪(ICP-AES)法结合测得样品中151Sm的原子个数,计算得到151Sm半衰期.在LSC实验测量前的γ谱和β谱测量表明,干扰核素152Eu、154Eu、40K等对151Sm的LSC测量影响可忽略.用14C的效率示踪-液闪法测定151Sm的比活度为(603.3±15.1)Bq/mg,相对误差为2.5%,原子个数测量结果为2.769×1012个,求得151Sm半衰期为(96.7±2.8)a,相对误差为2.9%.     

ABS无磷、无糖接枝聚合引发体系

主流的丙烯腈-丁二烯-苯乙烯三元共聚物(ABS)接枝聚合工艺主要采用氧化还原引发体系，氧化剂通常为有机过氧化物，还原剂通常由葡萄糖(DX)、焦磷酸钠(SPP)和硫酸亚铁(FES)组成。因含糖和磷所以存在还原剂溶液储存周期短、生产废水含磷量高等问题。使用甲醛次硫酸钠(SFS)和乙二胺四乙酸四钠(EDTA-4Na)分别替代原有配方中的葡萄糖(DX)和焦磷酸钠(SPP),通过间歇聚合和半连续聚合试验，考察了不同SFS/FES质量比和EDTA-4Na/FES质量比对还原剂活性，聚丁二烯与丙烯腈和苯乙烯的接枝共聚物(G-ABS)高胶粉接枝率和最终产品力学性能的影响。结果表明，SFS/EDTA-4NA/FES等于50/5/1时，各项指标改善明显。     

基于集成学习的松辽盆地砂岩型铀矿地层岩性自动识别研究

地层岩性的准确识别与砂岩型铀矿层的圈定密切相关，岩性组合的正确分析对于开展砂岩型铀矿的勘查与异常识别具有重要意义。本文针对传统测井岩性识别方法与机器学习类方法中存在的问题，以北方松辽盆地砂岩型铀矿为研究对象，采用两种典型的集成算法模型(XGBoost和SMOTE随机森林)开展地层岩性自动识别研究，并将识别结果与K最近邻分类算法(KNN)、梯度提升决策树算法(GBDT)等典型机器学习算法进行对比。结果表明，XGBoost和SMOTE随机森林两种集成算法模型对砂岩型铀矿地层岩性识别的准确率都在95%以上，且较KNN模型和GBDT模型的准确率有明显提高。XGBoost模型用于控制过拟合的正则项和节点分裂时支持特征多线程进行增益的计算，显著提高了运算效率，SMOTE合成少数过采样技术解决了样本数据不平衡的问题。基于集成算法的优化过程可为砂岩型铀矿岩性分类问题提供理论依据与技术支撑。     

基于智能WBR-LIEA算法的电网输电线路中山火预警监测研究

为了维护电网安全稳定运行，加强对山火的预防，通过考虑主备路由的链路重要度评估算法(Link Importance Evaluation Algorithm Based on Working and Backup Routing, WBR-LIEA)对电网输电线路中山火预警监测系统进行了优化。首先对山火预警监测系统进行了分析，然后利用WBR-LIEA算法对山火预警系统从服务层、传输层和物理拓扑层进行了关联风险值的评估，再将三个层面的链路关联风险进行融合，用来度量网络中链路的重要度。当链路失效引起路由中断时，控制器将按照重要度对路由进行重新分配，避免山火对报警通信系统产生影响，导致预警不及时。最后在电力通信网上对算法进行仿真实验并进行了相关分析，证明了该算法的准确性和有效性。