酸性废水中As(Ⅲ)、Cu(Ⅱ)与铁粉的反应行为

在Fe-As(Ⅲ)-Cu(Ⅱ)-H₂O体系中, 研究了酸性废水中As(Ⅲ)、Cu(Ⅱ)与金属铁粉的反应行为, 考察了反应过程中As在气、液、固三相中的分配比。结果表明, As(Ⅲ)和Cu(Ⅱ)离子被Fe还原为单质As和Cu后, As、Cu进一步结合成Cu₅As₂等金属间化合物, 从而促进As(Ⅲ)沉淀反应的发生, 且无AsH3生成。在反应时间40min、铁粉过量系数1.2、溶液初始pH=0.0、温度40 ℃、Cu/As摩尔比1.0条件下, As在气、液、固三相中的分配比分别为0、20.7%和79.3%, 沉砷率为79.3%。     

Prediction of process parameters of water-assisted injection molding based on inverse radial basis function neural network

Because of the introduction of new processing parameters in water-assisted injection molding (WAIM), processes control has become more difficult. First, design of experiment (DOE) was carried out by using optimized Latin hypercubes (Opt LHS). On the basis of this, computational fluid dynamics (CFD) method was used to simulate and calculate hollowed core ratios and wall thickness differences of cooling water pipe at different positions. Then inverse radial basis function (RBF) neural network model reflecting the fitting relationship between processing parameters and molding quality was established, and accuracy of the model was detected by cross validation. Finally, expected molding quality was applied to predict processing parameters, and the obtained molding quality under the predicted processing parameters was verified by computer aided engineering (CAE) simulation and experimental methods. The results showed that mean relative precisions of processing parameters such as melt temperature, delay time, short shot size, water pressure, and mold temperature for inverse RBF model were 98.6%, 93.6%, 98.5%, 93.9%, and 97.9%, respectively, which met the accuracy requirements. Furthermore, compared with expected values of hollowed core ratios and wall thickness differences, the average errors of CAE and experiment were 2.3% and 4.9%, respectively.     

基于聚类的数据加权优化在犯罪预测中的应用

近年来，我国传统暴力犯罪与成年人犯罪呈下降态势，但是，犯罪案由层出不穷。为有效提升公安实践工作中犯罪预测能力，打击各类违法犯罪事件,本文针对犯罪数据，提出一种新型犯罪预测模型。利用密度聚类分析方法将犯罪数据分类，然后进行数据降维提取关键属性生成特征数据，继而对特征数据进行加权优化并采用机器学习的方式对特征数据进行学习，从而预测犯罪案由。实验结果表明，与传统方法相比，本文方法具有更好的预测效果，为公安实践工作中类似案件的侦破和预防，提供新的路径支撑。     

基于注意力机制与文本信息的用户关系抽取

随着社交媒体的发展,用户之间的关系网络对于社交媒体的分析有很大的帮助。因此,该文主要研究用户好友关系检测。以往的关于用户好友关系抽取的研究主要基于社交媒体上的结构化信息,比如其他好友关系,用户的不同属性等。但是,很多时候用户本身并没有大量的好友信息存在,同时也不一定有很多确定的属性。因此,我们希望基于用户发表的文本信息来对用户关系进行预测。不同于以往的潜在好友推荐算法,该文提出了一种基于注意力机制以及长短时记忆网络(long short-term memory,LSTM)的好友关系预测模型,将好友之间的评论分开处理,通过分析用户之间的评论来判断是否具备一定的好友关系。该模型将好友双方信息拼接后的结果作为输入,并将注意力机制应用于LSTM的输出。实验表明,用户之间的评论对于好友关系预测确实有较大的实际意义,该文提出的模型较之于多个基准系统的效果,取得了明显的提升。在不加入任何其它非文本特征的情况下,实验结果的准确率达到了77%。     

基于P波模量的原位胶结充填体强度预测模型研究

原位胶结充填体质量评价通常采用单轴抗压强度作为表征指标,由于在现场工程中无法快速、准确获取充填体的强度值,因此需要建立一种参数易于获取且准确的原位胶结充填体强度预测模型。基于胶结充填体物理力学参数的内在联系,从量纲平衡的角度探索了胶结充填体单轴抗压强度与P波模量的关系。根据C矿和I矿两种原位胶结充填体的密度、P波速度及取芯强度的测试数据,采用线性拟合的方法获得了基于P波模量的原位胶结充填体强度预测模型。通过对C矿和I矿的强度预测模型拟合效果分析可知,P波模量与取芯强度呈正相关性,且拟合效果较好,证明原位胶结充填体强度预测模型精度高,具有很强的实用性。     

二滩拱坝初次蓄水的变位监测反分析

简要介绍了在二滩拱坝1998年5月初次蓄水期,通过拱坝垂线和监测网系统,用统计模型和确定性模型理论分析方法,建立了施加于坝体各作用量与坝体受作用后的效应量(变位)间的数学关系;并根据预先计算分析成果,提出了在初次蓄水运行中拱坝变位的参考预报值,实时对二滩拱坝实际工作状态作出安全评判。     

大港孔店油田本源微生物代谢产物监测分析

应用放射性同位素示踪剂技术研究了大港孔店北二断块水动力学关系,结果表明该区块注水井和采油井之间具有紧密的水动力学连通关系。在本源微生物驱油试验阶段,对试验区微生物及其代谢物在地层中的分布状况进行了3年连续监测,表明本源菌激活期间菌数增加102~105倍,原油部分氧化,使得低分子脂肪酸(乙酸盐,甲酸盐,丁酸盐等)含量约增加10~100倍,碳酸氢盐从0·4~0·6g/L增加到0·7~1·8g/L,产生的生物表面活性剂使地层水平均表面张力降低至48~33·3mN/m,地层水相对石蜡平均界面张力降至25~13·7mN/m,产生的生物多糖代谢物使地层水平均粘度增至0·76mPa·s,最高达0·83mPa·s。这些变化改变了油层物理化学和生态环境,改善了原油流动性,尤其是水动力学连通关系最好的井地层水组成的改变和增油降水效果最为明显。试验区监测结果表明,微生物及代谢物随注入水主流动方向运移,生物表面活性剂和低分子脂肪酸及生物聚合物的作用是提高原油采收率的主要机理。     

简化形式的系统EMC预测分析技术概述

本文探讨了系统级简化形式的电磁兼容性预测分析方法，该方法对于只有几对发-收干扰对的系统EMI的预测分析简洁有效，它避免了大系统间繁复的建模与大量的数据采集及其计算工作，从而对于只考虑其结果的系统间的EMC预测分析提高了效率。     

塔北地区储层敏感性综合预测

综合分析地质、地震及测井资料，可以准确地预测储层的敏感性。以地质分析及敏感性实验资料为基础，以测井资料为标定手段，以地震信息为横向预测导向，综合处理各种信息，从而实现对区域储层的敏感性预测。其中，利用测井资料预测储层敏感性是关键，须采用多参数相关系数法进行单井储层敏感性分析。以塔北地区侏罗系为例，综合各类信息进行了储层敏感性处理，分析结果表明，该区储层速敏弱，水敏、盐敏、碱敏和酸敏程度中等，与其储层敏感性实验结果基本吻合。     

对理想弯曲街道进行场强预测的方法

提出了一种新的射线跟踪接收判断技术,它是已有的两类射线跟踪技术的结合,能够解决曲面反射的问题。这种新技术能够在任意形状建筑物组成的复杂环境中进行场强预测。而且此种方法可以自由的改变接收球的半径,以满足精度的需要。