阴离子微乳液的形成与其结构——Ⅱ、微乳液结构与影响结构的因素

通过电导率测定，研究了AS/n-C_4H_9OH/n-C_8h_(18)/H_2O和SDS/n-C_4H_9OH/n-C_8H_(18)/H_2O两个体系微乳液的结构，并把其似三组分相图上的微乳液区分为水包油（O/W）型、油水双连续（IZ）型和油包水（W/O）型三个区域。随着体系中水量增加，其结构按照W/O→IZ→O/W型转变。对于上述体系，表面活性剂的增加，有利于生成O/W型；助表面活性剂增加，有利于W/O型生成。在AS/n-C_4H_9OH/n-C_8H_(18)/H_2O体系中，以正戊醇代替正丁醇，IZ区域和部分O/W和W/O区域消失，导致液晶区域出现。随着温度升高，在AS/n-C_5H_(11)OH/n-C_8H_(18)/H_2O体系中，液晶区域缩小甚至消失。在W/O区域内，主要是表面活性剂阴离子导电；在O/W区域内，主要是Na+导电；在IZ区域内，两者都有导电的作用。     

水稻病毒病田间小区药效试验方法的探讨

水稻病毒病田间小区药效试验一直是农药田间试验中最难有效完成的一类试验,该试验受传播介质、病毒、病毒病发生模型、抗病毒药剂效果等因素影响,田间药效试验重复性差和防治效果不理想.从供试水稻品种、试验地点、小区设置、清水对照处理和药效调查等方面对水稻病毒病田间试验方法进行探讨和总结,利于今后更好开展水稻病毒病田间药效试验.     

微乳液的特性与应用

O/W,W/O 或油、水双连续结构微乳液,具有很高的稳定性、很大的增溶量,能形成超低界面张力。在工业生产中,微乳液可作为润滑剂、清洗剂、反应介质、萃取介质及化妆品溶液。在三次采油中,微乳液驱油最有应用前景.     

AES抗冻性能分析和解决方法

通过AEO3的原料组份组成以及结合AES的生产工艺分析脑的抗冻性能,并寻求解决的方法.     

钢球磨煤机中间储仓式制粉系统倒风控制研究

介绍了钢球磨煤机中间储仓式制粉系统工作流程,分析了磨煤机运行(乏气送粉)/停止(热风送粉)的切换过程,提出了相关的控制策略,并在上海石化热电总厂进行了实践,效果良好。     

一种支持SLA的PON接纳控制方法

接纳控制是为保证服务质量而采取的一种预防性负载控制机制,将其引入无源光网络(PON),在传统的接纳控制算法基础上提出支持用户服务等级协议(SLA)的接纳控制方法,将系统资源划分为不同类别,保证不同等级用户的接入请求.具体分析并验证了该方法可提高高级别用户接入请求的性能.     

基于GRNN模型的区域水资源可持续利用评价

利用层次分析法构建了符合丰水地区水资源可持续利用指标体系和评价标准,从水资源条件、水资源开发利用效率、生态环境状况、水资源合理配置和水资源管理能力5个方面提出50个评价指标,并运用GRNN神经网络水资源可持续利用评价模型,对文山州不同规划水平年水资源可持续利用进行了综合评价。结果表明：① 不同规划水平年各评价区域水资源可持续利用评价为2~3级,反映出文山州现状及中、长期水资源处于可持续与基本可持续之间的状况,亦表明所建立的GRNN评价模型和评价方法是合理可行的;② GRNN网络评价模型具有收敛速度快、预测精度高、参数调整少、不易陷入局部极小值等优点,可以更快地预测评价网络,能够满足客观评价区域水资源可持续利用状况的要求。     

岩溶地区生态环境脆弱性与水资源承载力评价方法研究——以云南省西畴县为例

构建岩溶地区生态环境脆弱性与水资源承载力评价的指标体系和分级标准,建立基于GRNN与RBF神经网络算法原理的生态环境脆弱性以及水资源承载力评价模型,采用内插法构造网络训练样本,对典型岩溶地区西畴县不同规划水平年生态环境脆弱性与水资源承载力进行评价分析。结果表明:①西畴县不同规划水平年生态环境脆弱性处于中度脆弱与强度脆弱之间,水资源承载力处于基本可承载与可承载之间,评价结果符合西畴县现状,可为岩溶地区生态环境治理和水资源开发利用提供参考。②GRNN与RBF网络模型对西畴县各水平年生态环境脆弱性与水资源承载力评价结果相同,表明研究建立的生态环境脆弱性与水资源承载力评价模型和评价方法均是合理可行的,同BP等网络算法相比,GRNN与RBF神经网络模型具有收敛速度快、预测精度高、调整参数少,不易陷入局部极小值等优点。     

结合自注意力的BiLSTM-CRF的电子病历命名实体识别

为弥补现有方法不能很好捕获电子病历实体之间的长距离依赖关系的缺陷,提出一种结合自注意力的BiLSTM-CRF的命名实体识别方法.将输入文本转成神经网络可识别的数值形式;经过BiLSTM网络并结合自注意力计算得到每个字的输出特征向量;通过C RF层找到句子最适合的输出标签序列,从而确定命名实体.采用CCKS2018数据集进行实验,结果表明,改进的命名实体识别方法对电子病历具有一定的适应性,且与现有的方法相比,测试集的准确率提高了6.50～9.25个百分点.     

HTS算法与GRNN、SVM耦合模型在径流预测中的应用

为提高水文预测预报精度,基于广义回归神经网络(GRNN)和支持向量机(SVM)构建GRNN_SVM耦合预测模型,利用热量传递搜索(HTS)算法同时优化GRNN、SVM关键参数和耦合权重系数,提出HTS_GRNN_SVM耦合预测模型。采用8个标准测试函数对HTS算法进行仿真验证,并与教学优化(TLBO)算法、灰狼优化(GWO)算法等当前寻优效果较好的几种算法进行对比验证;利用两个径流量预测算例对HTS_GRNN_SVM耦合模型进行实例验证,并与HTS_GRNN、HTS_SVM及GRNN、SVM模型的预测结果进行对比。结果表明:HTS算法的寻优精度优于TLBO、GWO等优化算法,具有较好的收敛速度、求解精度和稳定性; HTS_GRNN_SVM模型融合了HTS算法与GRNN、SVM模型的优点,在预测精度、泛化能力等方面均优于HTS_GRNN等4种模型。