磺化三元乙丙橡胶离聚物的合成

用浓硫酸和醋酸酐为三元乙丙橡胶（EPDM）反应制备了磺化三元乙丙橡胶离聚物（S－EPDM）。探讨了浓硫酸用量、EPDM胶液浓度、磺化浓度、反应时间对磺化的影响以及磺化三元乙丙橡胶锌离聚物（S－EPDM－Zn)的应用。     

景观环境设计中相关要素分析

环境艺术设计的各种设计因素,如形态、节奏韵律、色彩、空间、材料质感、尺度、错觉、光线、信息处理等,会给人不同的心理反应。通过对景观环境设计要素的分析可以说明在进行景观环境设计中可应用的策略,并以大都市城郊住宅为例进行应用性分析。     

Excel数据库在期刊稿件管理流程中的应用

编辑部在处理稿件流程中,过去一直采用手工的方式,编辑囿于烦琐的事务性劳动之中.为了提高编辑部处理稿件的工作效率,及时掌握稿件的来源及审稿与发表的进展情况,利用Excel数据库实现了编辑部稿件的日常处理流程管理工作,极大地方便了编辑部对稿件的管理,提高了编辑部的工作效率,也在很大程度上改变了传统工作中存在的烦琐、低效、速度慢的状况,使编辑部的管理更加简练、高效、快速.     

中冶赛迪获重庆市“建好一号工程”劳动竞赛表彰

本刊讯4月9日,由重庆市劳动竞赛委员会、重庆市总工会、重庆钢铁（集团）有限责任公司联合主办的重庆市“建好一号工程”劳动竞赛2009年度总结表彰暨2010年度动员大会在重钢环保搬迁新区举行。作为设计及总承包单位,中冶赛迪出色完成了阶段性的任务,被重庆市总工会授予重庆五一劳动奖状,     

牡二电厂#6炉性能优化研究

本文介绍了华电能源牡丹江第二发电厂针对#6炉存在的热风温度、再热汽温偏低,省煤器出口水温偏高等问题,通过对#6炉整体进行性能优化研究,了解存在问题,分析原因,对锅炉运行进行调整,在结构设计上进行改进,使#6炉的性能参数接近或达到原设计值,优化、提高了锅炉整体性能.其成功经验可为其他发电企业借鉴.     

基于半监督深度学习法的网络大数据集成挖掘

传统的数据集成挖掘方法在集成与挖掘两个步骤之间存在较大误差,导致大数据出现乱码问题,数据显示不全.为解决上述问题,提出基于半监督深度学习法的大数据集成挖掘方法.利用有监督与无监督深度学习间的机器学习,组成半监督深度学习.利用支持向量数据组建立超球体.依据超球体结合标记样本,组建半监督深度学习数据检测模型,筛选样本特征词,利用半监督深度学习方法训练单分类SVDD模型,实现网络大数据集成挖掘.仿真结果证明,所提方法能够高精度、高效的对大数据完成集成挖掘,具有理想的应用性能.     

应用DBN深度学习算法的电能计量反窃电技术研究

针对窃电问题严重阻碍建立公平、合理的用户秩序的问题,基于云计算的智能电网大数据处理平台SP-PPP(smart power system big data processing platform in cloud environment,SP-DPP),提出了融合自适应加权融合算法和深度置信网络DBN(Deep Belief Networks,DBN)学习算法的反窃电系统,采用DBN逐层贪婪训练算法对大数据进行处理,并利用双层RBM结构,构建出DBN深度学习算法,对获取的电能计量窃电信息进行归一化处理,将获取的宏观高纬度数据信息转换为容易识别和计算的低纬度数据.实验表明,本研究的算法识别率高,稳定性能好.     

山区河流浅水条件下漂石对河床响应与泥沙补给影响的试验研究

受暴雨洪水与滑坡、泥石流灾害的影响,山区河流床沙多为宽级配卵砾石泥沙,甚至出现较多的漂石,从而影响近底水流结构与推移质输移特性。基于野外漂石河流的调查,通过概化试验,探讨了漂石颗粒对河床冲淤的影响;对比分析了不同水沙条件下漂石对推移质输沙率过程的影响;根据床面粗化程度与漂石状态相异的两种类型对比试验,探讨了漂石对不同水沙条件下推移质输沙率的影响程度。初步表明：随着漂石颗粒相对暴露度（D/h,漂石等效粒径与平均水深之比）的减少,漂石对其尾部区域水流的混掺越加突出,从而对河床的冲刷能力变大;根据本试验采用的水沙参数,漂石对推移质输沙率的扩大效应为几倍至十几倍。     

我院获评中国最佳企业大学荣誉称号

12月5日,2014年度中国最佳企业大学排行榜颁奖盛典暨第四届中国企业大学发展论坛在上海交通大学隆重举行。我院在“2014年中国最佳企业大学”评选中脱颖而出,荣获最佳排行第二名的优异成绩。本次高位入选“中国最佳企业大学”排行榜,标志着学院全面实现了“国内一流企业大学”的发展目标。     

公司2014年第三期和第五期新员工集中培训班圆满结业

12月29日,国家电网公司2014年第三期和第五期新员工集中培训班结业典礼举行,学院院长李葛明出席典礼并讲话,典礼由党组书记刘云厚主持,院领导程剑、马放瑞、李勤道、王立新、李振凯出席了典礼。李葛明在讲话中充分肯定了培训班的培训效果,赞扬了学员们良好的精神风貌,并代表学院向为培训教学付出辛勤劳动的专兼职培训师、管理服务人员表示了衷心感谢,向圆满完成培训任务的两期学员表示了热烈祝贺。