浅谈新形势下如何提高航道的竞争力

自2009-01-01起实行税费改革后,我国又推出了事业单位机构改革。面对改革后的严峻形势,作为航道管理部门,航道部门又该如何提升自身的竞争力？     

SQL Server备份与还原工具——Acronis

数据库备份目的是保证数据库的安全,由于数据库自身十分复杂,对管理员要求较高,没有一定数据库基础将不能很好的管理数据库。数据库备份与还原是管理的重要工作,如何做好备份、还原以及灾难还原计划是保证数据库安全的重要工作。本文将以Acronis Recovery for MS SQL Server(简称Acronis)为例来说明如何使用专业工具完成SQL Server数据库的备份与还原。     

FCC汽油馏分在水热处理Zn/HZSM-5催化剂上的芳构化反应

制备了300 ℃、350 ℃、400 ℃和500 ℃不同水热处理温度下的Zn/HZSM-5催化剂，并用于FCC汽油馏分的芳构化反应。考察了水热处理温度对芳构化反应性能的影响，并与吡啶吸附红外光谱(FT-IR)相关联，研究了水热处理温度对催化剂表面酸性的影响。结果表明，水热处理Zn/HZSM-5的芳构化活性稳定性得以改善, 与未经水热处理的催化剂相比，400 ℃水热处理的Zn(2%)/HZSM-5催化剂芳构化反应36 h时，芳烃质量分数仍高达74.25%。随着水热处理温度的升高， B酸酸中心数在300～400 ℃变化不大，500 ℃显著减少，L酸酸中心数升高，400 ℃达到最大值后呈降低趋势，烯烃转化率、烷烃转化率和产品芳烃含量升高，水热处理400 ℃时均达到最大值，分别为83.62%、95.44%和92.23%，表明此时B酸中心和L酸中心比例协调性最佳。     

武汉市公办幼儿园建筑物震害预测及抗震评价

根据<武汉市抗震防灾规划纲要>大纲要求,对武汉市7个主城区以及2个国家级开发区内的公办幼儿园进行了抗震调查以及震害预测,综合分析了武汉市幼儿园建筑的抗震能力,分析结果基本反映了武汉市幼儿园的抗震水准,给下阶段规划教育建筑抗震改造加固方案及实施设计、施工提供参考.     

基于数据交换模型的测试方法

通过深入地研究数据交换的通用模型,抽象数据交换的过程状态和规则,提出了一种基于数据交换的测试模型及其测试的方法,该方法能够适用于绝大多数数据交换场景的测试并有效地提高测试效率.最后给出了未来的研究方向.     

西安市妇女体育健身现状及发展趋势研究

采用文献资料法、问卷调查法、访谈法和数理统计法等方法对西安市妇女参加体育健身活动情况进行了全面的了解。研究表明,西安市妇女体育人口高于男性体育人口,在活动特征上呈大众化和组织化的趋势,妇女群众体育产生和发展的终极目标是达到人和社会的可持续发展,本文在以西安市妇女体育健身活动变化趋势的良好前景基础上,对优化城市妇女体育健身活动的可持续发展提出相应的建议。     

IECM模型在燃煤电站汞污染控制及经济性预测中的应用

对现有电站污染物控制装置基础上进行技术改造,协同实现汞污染控制是行之有效的技术方案,汞污染控制系统的技术经济性评估是燃煤电站管理者面临的首要问题.用Integrated Environmental Control Modeling(IECM)软件模拟了温度、煤种及空气污染控制装置的配置对活性炭吸附电站燃煤烟气汞效果的影响,并对不同条件下,活性炭的喷射量进行了模拟和经济性分析.结果表明活性炭捕获汞的效果是与排烟温度成反比的.对于燃烧烟煤的电厂,加入烟气脱硫装置(FGD)后活性炭的喷射量将大大减少,再结合选择性催化还原装置(SCR)后,可以达到很高的汞脱除效果;对于无烟煤和褐煤,加入烟气脱硫装置(FGD)可减少约27%的活性炭喷射量,但再加入催化还原装置(SCR)后,对活性炭的注入量几乎没有影响.     

交通建设监理企业品牌建设研究

交通建设监理企业通过品牌建设能够提升监理服务水平、增强综合实力,有利于更好地开拓市场.本文通过从提升核心服务水平、体现企业经营特色、创新管理体制机制、加强企业文化管理、强化企业社会责任、建立学习型监理组织等六个方面进行品牌建设研究,构建了交通建设监理企业品牌建设全方位的内容框架.     

矿用大容量磷酸铁锂电池管理系统设计

为了保证矿用磷酸铁锂电池的安全性,结合煤矿工业实际需求,设计了8节单体60A·h磷酸铁锂电池串联、24V额定电压输出的矿用电池管理系统。该系统将微处理器配合集成芯片LTC6803组成电池保护模块,利用安时法估算电池组电量,采用电阻分流型均衡技术改善电池组性能。现场应用结果表明,该系统运行稳定可靠,保证了矿用磷酸铁锂电池的安全高效性。     

融合语义差别和流型学习的偏标记学习方法

偏标记学习是一种重要的弱监督学习框架。在偏标记学习中,每个实例与一组候选标记相关联,它的真实标记隐藏在候选标记集合中,且在学习过程中不可获知。为了消除候选标记对学习过程的影响,提出了一种融合实例语义差别最大化和流型学习的偏标记学习方法(partial label learning by semantic difference and manifold learning, PL-SDML)。该方法是一个两阶段的方法：在训练阶段,基于实例的语义差别最大化准则和流型学习方法为训练实例生成标记置信度;在预测阶段,使用基于最近邻投票的方法为未知实例预测标记类别。在四组人工改造的UCI数据集中,在平均70%的情况下优于其他对比算法。在四组真实偏标记数据集中,相比其他对比算法,取得了0.3%～13.8%的性能提升。