航空轮胎成品检测方法最新发展

航空轮胎成品检测项目主要有破坏性和非破坏性检测项目。破坏性项目主要包括动态模拟试验、爆破压力、静负荷性能、断面分析、物理性能试验等；非破坏性检测项目包括轮胎充气外缘尺寸、重量、无内胎轮胎气密性能、有内胎轮胎胎圈密合压力、静平衡差度、表面质量、内部缺陷等。本文重点介绍几种国家标准或国家军用标准没有涉及或与国外标准不一致的最新检测方法，供参考。     

用Boosting算法预测多硝基芳香族化合物的密度

采用Boosting算法对多硝基芳香族化合物(PNACs)的密度进行预估.选用分子结构描述码作为输入特征参数.结果表明,PNACs的密度与其分子结构存在良好的相关性,与人工神经网络相比,Boosting算法对预测的准确性有显著提高,预测结果的相对误差都在8%以内.     

异常高压气井生产动态仿真研究及应用

异常高压气井生产动态仿真方法不仅改变了传统物理仿真成本高、过程复杂的缺点,而且具备了计算机仿真模拟的准确性。考虑异常高压气井流体高压、高温的特点,本文将异常高压气井生产压降分解为地层流动压降、井筒流动压降和嘴流流动压降三个过程,并建立了气井生产动态流动数学模型;本文利用计算机仿真技术模拟了异常高压气井地层流体流动过程、井筒流体流动过程和气嘴流体流动过程,并预测了气井生产动态流动参数,为下步异常高压气井动态配产提供了基础数据。通过实例分析,将计算机仿真预测出的异常高压气井流动参数代入优化配产模型计算出配产结果与实际配产结果十分接近,表明异常高压气井生产动态仿真对实际生产具有重要的指导意义。     

苯乙烯生产技术国产化在齐鲁取得成功

日前，齐鲁石化塑料厂苯乙烯装置日产达到满负荷的600吨，标志着苯乙烯生产技术国产化取得成功。据了解，这是目前国内最大的苯乙烯装置。     

世界炭黑工业概况

90％以上的炭黑被用作橡胶的补强剂。其中，轮胎用量占70％，其它橡胶制品用量占20％。其余不到10％的炭黑被用于塑料、涂料和印刷油墨等领域。在橡胶用炭黑中，约有一半的非轮胎用炭黑被用于汽车用橡胶制品中。因此，炭黑的需求量约80％与汽车及其相关产业有关。     

世界及中国乙烯工业发展现状和预测

介绍了世界及中国乙烯工业的发展现状,预测了世界及中国乙烯工业的发展前景,分析了未来中国乙烯工业发展面临的问题.     

橡胶混炼过程在线质量预报专家系统

采用模糊专家系统理论和实时数据库技术,建立橡胶混炼在线质量预报专家系统(RMES)。实现对生产过程中异常工况的实时诊断,预报可能发生的质量波动。RMES可以帮助操作人员找到引起质量波动的原因,给出相应处理信息,有效地保证混炼胶质量的均一性。试验结果表明,RMES大大改善了目前生产过程中无法及时得到质量检测数据的问题,缩短了故障的持续时间。     

一种融合服务满意度的多因素感知云服务性能预测策略

提出了一种多因素感知的云服务性能预测策略,它基于综合权衡服务提供商的利益,通过合理定价和性能保障来量化和优化服务满意度,并以之驱动性能预测,并引入效用理论实现服务满意度的合理定价.最后通过模拟实验表明,它能够降低SLA破坏率,有效提高云服务的资源利用率.     

基于离散Fréchet距离和SVM的短期负荷预测

针对支持向量机在电力系统短期负荷预测中,预测模型的精度易受训练样本数据的影响,且训练时间长的问题,本文提出1种基于离散Frechet距离和支持向量机相结合的预测方法,通过建立离散曲线相似性的数学模型,找出与基准日负荷曲线形状相似的历史日负荷曲线,以相似日的负荷数据及相应的气温、星期类型等影响因素作为训练样本对支持向量机进行训练,有效地减少了训练数据量,使得训练样本更具针对性。采用East-SlovakiaPowerDistributionCompany提供的负荷数据对提出的模型进行验证,并与标准支持向量机的预测结果对比,本文的方法能够科学合理地选取相似日,提高了支持向量机短期负荷预测的精度。     

基于多元混合时序分析及灰色理论的水华藻类生长阶段多因素预测方法

在水华防治工作中,水华预测一直都是1个难点,由于藻类水华整个生成过程各阶段的变化机理不尽相同,现有预测方法采用某1个模型对水华生成的全过程进行建模预测并不合理。因此本文针对水华生成过程中持续时间最长且变化规律明显的藻类生长阶段,采用多元时序分析技术,通过对藻类生长阶段中的多特征因素时序建模分析,以影响和表征藻类生长的特征因素作为模型输入和输出,考虑藻类生长阶段的趋势性、周期性、随机性变化规律,建立多元混合时序模型,并结合灰色理论思想,改进模型预测算法,从而提出基于多元混合时序分析及灰色理论的水华藻类生长阶段多因素预测方法,以实现对包含影响因素在内的特征因素变化特性的全面描述和预测以及对模型预测精度的进一步提高。采用本文方法及传统方法分别对江苏太湖水华特征因素监测数据进行建模预测,结果表明,基于本文方法的水华特征因素预测结果与实测结果更相符、预测平均误差绝对值更小。