氧气-离子液体预处理对麦草酶解效率的影响

以麦草为原料,探讨了氧气(O2)-离子液体(1-乙基-3-甲基咪唑醋酸盐,[Emim]Ac)预处理工艺条件,以期提高麦草的酶解效率。结果显示,较适宜的O2-[Emim]Ac预处理条件为:固液比1∶1.5,氧压0.4 MPa,温度130℃,处理时间6 h。在此条件下,经过O2-[Emim]Ac预处理的麦草酶解(酶解条件为:纤维素酶用量30 U/g原料,酶解时间72 h)还原糖得率为65.1%,高于未经预处理麦草酶解还原糖得率5倍以上。扫描电镜、X射线衍射和红外光谱分析表明,O2-[Emim]Ac预处理后麦草纤维表面粗糙,孔隙增加,结构疏松,结晶度降低12.6%。     

小蓬草鲜花和鲜果精油挥发性组分分析

利用气质联用仪(GC-MS)对水蒸气蒸馏提取小蓬草鲜花和鲜果精油的挥发性组分进行了分析,结果表明精油组分中匹配度96%以上的共5种化合物:烃类化合物2种,醇类化合物2种,酮类化合物1种。其中含有常用作香料的顺式-2-甲基-5-异丙烯基-2-环己烯-1-醇(顺式香芹醇)、反式-2-甲基-5-异丙烯基-2-环己烯-1-醇(反式香芹醇)和(s)-2-甲基-5-异丙烯基-2-环己烯-1-酮 (s-香芹酮),此外还含有2,6-二甲基-6-(4-甲基-3-戊烯基)双环庚-2-烯。萜类化合物、脂肪酮具有化感作用,小蓬草鲜花和鲜果精油具有开发为香料、除草剂的潜在价值。     

综合物探方法在四川505地区铀矿勘查中的应用

505地区位于康滇地轴中南段,为混合岩型铀矿化分布区。采用音频大地电磁法(AMT)和地面高精度磁测相结合的综合物探方法,探测了505地区控矿构造深部地质特征。探测结果表明,混合岩地区电性面貌主要为高阻特征;混合岩化不均匀在电性剖面上表现为高阻区域中夹杂团块状低阻,且电性不均一;断裂构造在电性断面中表现为向深部延伸的舌状、囊状低阻体,在ΔT等值线平面图中反映为正负磁场分界线、串珠状正磁异常。     

纤维素纳米晶体提高箱纸板强度性能的研究

本研究以废纸浆为原料,采用硫酸水解法制备纤维素纳米晶体（CNC）,并将其用于箱纸板的增强。结果表明,所制备的CNC呈典型的棒状结构,其直径和长度范围分别为11~23 nm和115~240 nm,长径比为5∶1~22∶1,Zeta电位为-56.37 mV,CNC聚集态呈纤维素I型结构,结晶度为71.1%,热稳定性较废纸浆略有降低;在CNC用量为3%的一元增强实验中,箱纸板的抗张指数、撕裂指数、耐破指数、环压指数和耐折度分别为30.5 N·m/g、6.22 mN·m²/g、1.55 kPa·m²/g、9.18 N·m/g和3次;将2%阳离子淀粉（CS）和阳离子聚丙烯酰胺（CPAM）分别与3%CNC复合形成二元增强体系时,箱纸板的抗张指数、撕裂指数、耐破指数、环压指数和耐折度较CNC一元增强时分别提高了30.5%、4.1%、12.7%、11.6%、33.3%和21.9%、3.5%、12.3%、10.6%、33.3%。     

LDPE / LLDPE / EVA 三元共混膜的力学性能和摩擦性能研究

以低密度聚乙烯(LDPE)和线性低密度聚乙烯(LLDPE)作为基础物质,添加乙烯-醋酸乙烯酯共聚物(EVA),吹制保鲜膜,研究了保鲜膜的力学性能和摩擦性能。研究表明,复合膜的拉伸强度、伸长率、耐戳穿强度和撕裂强度随着EVA含量的增加,总体呈下降趋势,摩擦系数则逐渐上升。     

顶空-气相色谱法测定防护服口罩类防疫物资中环氧乙烷残留量

建立了顶空-气相色谱测定防护服口罩类防疫物资中环氧乙烷残留量的标准方法和步骤。分析防疫物资类样品气相色谱方法的系统适用性，优化顶空进样时间及气相色谱条件。结果表明：在0.1～10.0μg/mL内，环氧乙烷的质量浓度与峰面积之间呈现出良好的线性关系，相关系数R=0.998 1，方法检出限为0.015μg/g，定量限为0.050μg/g。方法的3个质量分数水平平均加标回收率为78.6%～95.2%,RSD小于5%(n=5)。该方法线性范围宽、灵敏度好、精密度高，对开展防护服口罩类防疫物资中环氧乙烷残留量检测具有重要的实践意义。     

古风美食类短视频的跨文化传播研究

<正>短视频是新时期跨文化传播的重要载体，从近年来短视频行业的发展情况来看，优秀的短视频作品往往能突破国家、语言、文化、民族等限制，在全球范围内进行广泛传播并受到热烈欢迎。随着时代的不断发展，短视频在跨文化传播方面的价值不断凸显，如何利用美食类短视频传播中华饮食文化也成为社会广泛关注的问题。     

门控机制融合多种特征的中文事件共指消解

事件共指消解是很多自然语言处理任务的基础，旨在识别文本中指代相同真实事件的事件提及。由于中文语法相比英文更复杂，捕获英文文本特征的方法在中文事件共指消解中效果并不明显。为解决文档内中文事件共指，提出了一种门控机制神经网络(Gated Mechanism Neural Network, GMNN)。针对中文具有主语省略、结构松散等特点，引入事件基本属性作为符号特征。在此基础上，提出了一种新的门控去噪机制，对符号特征向量进行微调，过滤符号特征中的噪声，提取在特定上下文语境中的有用信息，进而提高共指事件的识别率。在ACE2005中文数据集上进行了实验，结果表明，GMNN的AVG分数提升了2.66,有效地提高了中文事件共指消解的效果。