排序方式: 共有35条查询结果,搜索用时 20 毫秒
21.
22.
固体废弃物膏体充填料浆质量的神经网络研究 总被引:3,自引:0,他引:3
固体废弃物膏体充填在我国煤炭系统是一种新的胶结充填模式.充填料浆质量的研究至关重要.它是一典型的多输入、多输出、非线性的模糊模型.一方面,运用神经网络结合遗传算法构造了膏体充填料浆质量的隐式模型,建立该模型的方法以神经网络为基础,用遗传算法来学习神经网络的权系数,既保留了遗传算法的强全局随机搜索能力,又具有神经网络的鲁棒性和自学习能力.该模型具有较强预测能力,为优化固体废弃物膏体充填料浆质量的影响因素提供了理论依据.另一方面,利用已训练好的膏体充填料浆质量模型获得遗传算法,对充填料浆质量的影响因素进行优化,该法在配比设计时,可在较少的试验次数下获得较好的配比. 相似文献
23.
24.
粉煤灰膏体充填开采是目前最为有效的控制上覆岩层破坏的开采技术之一。结合邢台矿区实际情况,建立数值模型,就充填体强度和充填率这2个最主要充填参数对上覆岩层控制的影响程度进行了数值模拟研究,并比较分析了两者对地表下沉值的影响规律。结果表明,充填体强度对地表的最大下沉量起着重要的作用,保证足够高的充填率是分层膏体充填开采达到预期效果的重要前提。当充填体强度为1.5~3.0 MPa时,地表最大下沉值随强度的减小呈线性增大,而充填体强度小于1.5 MPa时,地表最大下沉值迅速增大;充填率减小,地表下沉值逐渐增大,且变化的幅度基本是均匀的。 相似文献
25.
基于改进的QuEChERS法建立测定中式腊肉中8 种挥发性N-亚硝胺的气相色谱-质谱检测方法,并应用于市售样品的初步风险评估。样品经乙腈超声提取、冷冻和N-丙基乙二胺净化后水浴氮吹浓缩定容至微量体积;目标物经极性毛细管柱分离后以选择离子监测模式和外标法定量。结果表明,8 种N-亚硝胺在对应质量浓度范围内线性关系良好(R2>0.997),基质效应为0.86~0.98;检出限为0.05~0.14 μg/kg,定量限为0.15~0.47 μg/kg;低、中、高3 个含量(0.3、1.0、3.0 μg/kg)加标回收实验的平均回收率为71.3%~94.1%,相对标准偏差(n=6)为0.4%~11.2%;12 份代表性市售样品中仅1 份样品的N-亚硝基二乙胺含量(3.06 μg/kg)超标,其余均低于单项和总挥发性N-亚硝胺的限量水平(3.0 μg/kg和10.0 μg/kg)。该方法净化效果好、成本低,检测灵敏、结果准确,适用于中式腊肉中8 种挥发性N-亚硝胺的检测;目前市售中式腊肉中N-亚硝胺的风险水平整体较低。 相似文献
26.
珊瑚菌液体发酵条件优化及其胞内多糖的组成研究 总被引:1,自引:0,他引:1
研究了珊瑚菌液体发酵的适宜培养条件,探讨了珊瑚茵菌丝体胞内多糖的单糖组成.结果表明:最适发酵培养条件为马铃薯40 g/L、葡萄糖15g/L、蛋白胨20 g/L、维生素B10.02 g/L,初始pH 5.2,时间14 d,所得茵丝体为42.6 g/L.采用水提醇沉的方法得到珊瑚菌茵丝体胞内多糖组分RFPF30,RFPF60,RFPF80.对其单糖组成进行分析后发现RFPF30主要由甘露糖、葡萄糖及少量半乳糖组成,RFPF60主要由葡萄糖、少量甘露糖和少量半乳糖组成,RFPF80主要由甘露糖和葡萄糖组成. 相似文献
27.
微孔发泡聚碳酸酯片材的制备与性能研究 总被引:3,自引:0,他引:3
在聚碳酸酯(PC)的玻璃化温度(tg)和熔融温度(tm)之间,采用模压法制备出用挤出、注射和常规发泡难以加工成型的薄型微孔发泡PC片材。模压法有制备周期短、工艺简单、操作容易、价格低廉等优点。通过热性能及力学性能测试.表明用模压法制备的微孔发泡PC片材性能优异。 相似文献
28.
29.
粉煤灰膏体充填采煤是目前最为有效的建筑物下采煤技术,也是绿色采矿的重要组成部分。以某矿区建筑物下采煤为例,通过对粉煤灰膏体充填采煤控制地表沉陷的数值模拟预测,采用分层全部充填开采3个分层,累计最大下沉量为125 mm,最大倾斜变形量为0.39 mm/m,最大曲率变形量为0.003×10^(-3)m^(-1),最大水平移动量为56 mm,最大水平变形量为0.3 mm/m,倾斜变形量、水平变形量、曲率变形量均处于Ⅰ级破坏变形允许的范围内。预测结果表明,所提出的建筑物下粉煤灰膏体充填采煤在技术上是可行的,可为建筑物下煤矿开采提供技术依据。 相似文献
30.
固体废弃物膏体充填在我国煤炭系统是一种新的胶结充填模式.充填料浆质量的研究至关重要.它是一典型的多输入、多输出、非线性的模糊模型.一方面,运用神经网络结合遗传算法构造了膏体充填料浆质量的隐式模型,建立该模型的方法以神经网络为基础,用遗传算法来学习神经网络的权系数,既保留了遗传算法的强全局随机搜索能力,又具有神经网络的鲁棒性和自学习能力.该模型具有较强预测能力,为优化固体废弃物膏体充填料浆质量的影响因素提供了理论依据.另一方面,利用已训练好的膏体充填料浆质量模型获得遗传算法,对充填料浆质量的影响因素进行优化,该法在配比设计时,可在较少的试验次数下获得较好的配比. 相似文献