美国对于网络欺诈的立法规制和实践(上)

网络技术产生于美国,这就决定了与之相伴而生的网络纠纷也最先站在美国法院法官们的面前。因此,美国国内在很早前就开始在理论与实务上探讨如何解决与网络有关的纠纷案件,并已形成了一套相对成熟的理论与实践,网络欺诈与消费者保护即是其中的一例。与美国相比,我国对网络欺诈与消费者保护问题,不论在理论还是实践上,都显得相对落后,如果不能适时地重新审视我国的现有法律与实践,势必阻碍国内互联网的健康发展。常言道:它山之石,可以攻玉。我们不妨抱着借鉴的心态看看美国在该问题上较为成熟的做法。     

社会的发展对现代设计的影响

概述了现代设计所面临的科技发展形势以及人类的生存环境,具体地分析了这种社会发展趋势对现代设计观、设计方式、设计内容,以及产品材料的影响,指出了信息时代的设计将从有形的设计向无形的设计转变;从物的设计向非物的设计转变;从实物产品的设计向虚拟产品的设计转变;“可持续发展”、“环境保护”将成为指导设计的行为纲领。     

唐代紫服考

紫色是唐代高等级官员才可使用的色彩,统治阶级对紫色的使用有着严格的规定,考证了唐代的紫服制度。自唐代开始有了独特的紫、绯衣赏赐制度,将紫色和绯色的服装赏给有功的官员。后赏赐的范围越来越大,没有资格穿紫服的人也穿上了紫服,在唐代形成了所谓的借服制度。虽然唐代对色彩使用作了等级森严的规定,但下层阶级往往会越级使用服色,并屡禁不止。还探讨了唐代紫色的色彩倾向,认为唐代官服使用的紫色应该是深青紫。     

酱油膜澄清过滤污染机理研究

膜过滤技术正越来越多地应用到酱油等传统发酵制品的澄清过程中,但酱油原料成分复杂,膜污染较为严重,并且目前酱油澄清过滤中膜污染机理尚不清晰。该研究通过通量曲线对Hermia理论模型的线性拟合,探究酱油微滤过程中完全堵塞、中间堵塞、标准堵塞和滤饼层堵塞4种污染机制对膜污染的影响程度。结果显示酱油过滤初期较短时间内膜污染是由多种机制(完全堵塞、中间堵塞)联合控制,在此后较长时间滤饼层污染是造成通量下降的主要机制。在此基础上,进一步探究了跨膜压差、膜面流速、操作温度对滤饼层污染的影响,结果显示膜面流速从0.06 m/s上升至0.30m/s,滤饼层模型参数Kgl值从6.03×108 s/m~2下降至6.28×107 s/m~2,滤饼层污染显著降低。该研究可为酱油澄清过滤过程中膜污染的控制及清洗滤膜提供理论依据。     

酱油中添加酱色的增色效应

本文就酱油的调色功能进行探讨,研究了液体红曲红色素、砂糖酱色以及糖蜜酱色各以不同比例添加于酱油中的增色效应,结果表明红曲红色素和砂糖酱色对于提高酱油的色泽具有一定的作用。二者配合得当,可使酱油增色。     

基于SOM聚类和灰度TOPSIS评价法的岩爆预测

随着资源量的不断减少,采矿深度不断增大,岩爆发生概率也逐渐增大。为对岩爆等级进行精确预测,提出了一种聚类-关联度TOPSIS模型预测岩爆的方法。在综合分析岩爆产生条件的基础上,从应力、岩性、能量三个指标对样本进行归类处理,并将灰色关联度和TOPSIS评价法相结合。该方法可以通过自组织特征映射网络将样本准确分类,同时通过灰色关联度计算不同指标的权值,最后通过TOPSIS评价法对岩爆等级进行判据。该方法使得岩爆预测多信息融合更加客观,可操作性强。对比工程实例,发现SOM神经网络聚类-关联度TOPSIS岩爆预测法模拟计算与工程实例情况基本一致。     

价值管理思想对成本会计的挑战与应对

价值管理思想要求提高产品的性价比,最大可能的提高顾客的满意度,减少产品成本。这对现行的成本会计提出了新的要求。本文从改善成本会计方面,来更好地实施价值管理思想,最终实现企业的最大化利润。     

预处理对鲁霍褐煤的成浆及气化特性的影响

针对褐煤原煤成浆特性较差,难以直接应用于水煤浆气化的问题,通过对水洗或酸洗后的鲁霍褐煤煤样进行热处理以达到改善其成浆特性的目的,并利用BET、工业分析、元素分析对预处理前后的褐煤性质进行表征。用预处理后的褐煤湿磨制浆,考查其成浆性,结果表明：预处理使得煤样的孔隙结构遭到破坏,比表面积减小,平均孔径增大,其成浆浓度和流动性均得以改善,酸洗后进行热处理的鲁霍褐煤成浆浓度可达到60%。用TherMax500热重分析仪对预处理后的鲁霍褐煤进行常压气化热重分析,研究了不同预处理方法对气化的影响,结果表明：水洗后热处理对煤样的气化反应活性影响不大,而酸洗后热处理会大大降低煤样的气化反应活性。     

大型风电场超短期风电功率预测

针对大规模风电场风电功率的非线性特性,采用最小二乘支持向量机（LS-SVM）的预测模型。由于LS-SVM的参数选择直接影响着模型的预测精度,于是采用一种基于量子粒子群优化方法来选择模型的超参数。为了弥补模型损失的鲁棒性,通过给每个样本误差不同的权系数,建立了具有良好泛化性能的WLS-SVM回归模型,从而进一步提高了模型预测的精度。本文提出一种基于量子粒子群优化（Quantum-behaved Particle Swarm Optimization, QPSO）参数选择的加权最小二乘支持向量机（Weighted Least Squares Support Vector Machine, WLS- SVM）的超短期风电功率预测模型。应用上述方法对内蒙古地区大型风电场进行了预测,结果证明了该方法的有效性。