河流生态修复的顶层设计思考

我国河流生态修复工作发展迅速,近年来已在全国范围内大力推行,但从宏观战略方面,仍然缺乏河流生态修复方面的专项顶层设计来指导具体工作。针对这一问题,本文通过文献梳理和分析,提出了河流生态修复顶层设计思路,包括生态现状评价与胁迫因子识别、生态修复基点和修复目标确定、生态修复规划制定、生态修复措施实施、修复后适宜性管理与技术推广等关键技术流程,并结合国内外研究成果和实践经验详细阐述了其中的技术要点和实施建议。该成果可为今后河流生态修复规划、修复工程实践以及修复后管理等工作提供理论指导和参考借鉴。     

PU革基布退浆染色一浴工艺探讨

文章分别采用碱退浆染色二浴、酶退浆染色二浴及酶退浆染色一浴工艺对T/C混纺PU革基布进行处理,测试染色织物的K/S值和染色牢度。结果表明,酶退浆染色一浴工艺织物得色深、染色牢度符合要求且重现性较好。     

基于知识融合的多尺度卷积神经网络对加氢裂化特征提取的研究

深度学习凭借其高效的特征提取能力在工艺流程建模中得到广泛研究应用，然而对于工艺流程知识与深度学习融合及多尺度特征提取方面尚未有系统研究。为解决上述问题，构建了一种可容纳局部子流程单元操作的全流程矩阵以实现知识融合，并基于扩展的Inception卷积块提出了多尺度卷积神经网络(MSCNN)。柴油加氢裂化工业实验结果表明：基于知识融合的MSCNN对加氢精制催化剂温度和氢气耗量的预测均方根误差(RMSE)分别仅有0.75和1053,与传统卷积网络(CNN)、全连接网络(BPNN)相比显示出优越的预测性能。提出了一种用于特征评价的GMM-t-SNE框架，其可视化结果表明，MSCNN所提取特征的t-SNE分布与预测目标的GMM聚类分布一致，表明MSCNN提取的特征合理，显著提升了模型的预测性能。     

大数据驱动建模平台技术在加氢裂化工艺预测上的应用

随着炼化装置传感器与集散控制系统的普及，基于数据驱动建模技术对生产大数据的分析、模拟，进而指导生产优化、监测预警，日益成为研究应用热点。总结了数据驱动建模方法，包括多元统计过程控制(MSPC)、机器学习(ML)、深度学习(DL)等在炼化流程建模优化过程中的应用；介绍了中海油惠州石化有限公司构建的炼化大数据驱动建模平台，以及基于堆叠自编码器(SAEs)-混合高斯模型(GMM)对多模态工况下加氢裂化生产喷气燃料收率的预测。结果表明：炼化大数据驱动模型对加氢裂化过程预测的准确性优异；与传统数据驱动建模相比，该炼化大数据驱动建模平台实现了无代码建模工作流，建模耗时由传统的7 d大幅缩短为2 h左右，显著提升了建模效率。     

我国鱼道建设现状及典型案例分析

总结了国内近年来鱼道规划和建设情况,以长洲水利枢纽鱼道和崔家营航电枢纽鱼道为例分析国内鱼道的建设和运行现状,并从技术、监督管理、运行维护和政策制度等方面分析我国鱼道建设和运行面临的制约性因素,提出了加强关键技术研究、严格制定和落实流域生态环境保护规划、推行适宜性管理和加快完善相关政策制度等建议,以促进我国鱼道的健康快速发展。