提高分金工序中碲浸出率的试验研究

铜阳极泥经过硫酸化焙烧—酸浸分铜后,分金工序中碲浸出率较低。为了提高碲浸出率,在现有工艺主流程不变的条件下,主要考察分金工序中的液固比、硫酸浓度、氯化钠加入量、分金时间等对分金后液中碲浸出率的影响。研究结果表明,以酸度为1 mol/L,NaCl加入量为20%、液固比5∶1、NaClO_3加入量为4%,80℃下反应2 h,控制终点电位在1 100 mV左右,为控电位氯化氧化分金最佳试验条件,此时金、铂、钯基本被浸出至溶液中,碲的浸出率可达到94%以上,铋的浸出损失为12%左右。     

基于组织管理层次的建筑企业集中采购运行机制研究

为解决建筑企业集中采购运行不畅,规模效应削减问题,分析集中采购管理现状及存在的具体问题,提出基于组织管理层次的集中采购运行机制模型,阐述各管理层次作用机理,并以案例进行实证分析。结果表明,围绕组织管理层次系统构建建筑企业集中采购运行机制可以提升集中采购运行成效。     

基于层次分析法的叶用甜菜种质资源观赏性评价

根据叶用甜菜品种的观赏特性,运用层次分析法初步建立叶用甜菜品种观赏价值的评价模型,包含叶梗、叶片和整体感3个方面共11个评价因子。结果表明:叶梗是评价叶用甜菜观赏价值的核心要素;叶梗色、叶梗厚、叶丛型是重要因子,分别以红、粉红、粉白叶梗,叶梗厚度厚和直立型叶丛为优良性状。利用该评价模型对8个甜菜品种进行观赏价值综合评价,筛选出‘Clnx-blush2018'、'Clnx-fen2018’和‘荷兰必久'3个观赏价值高、适于市场推广叶品种。     

基于层次标签的机器学习流程组装

随着机器学习的兴起,算子数目飞速增长,组装算子需要搜索的解空间增大,流程组装时间指数倍增长,如何降低搜索解空间,从而降低组装时间,实现支持适应用户功能性需求的机器学习流程组装成为当前研究的热点.文中提出了一种基于层次标签、支持机器学习领域的流程组装方法.首先,从算子语义中提取标签,根据标签包含语义范围确定层次标签模型;其次,根据机器学习领域发现标签关系,确立领域组装模型,按照用户确定的功能性需求,确定最终领域标签模型;最后领域内算子与标签语义绑定,确定领域内算子关系模型,根据组装规则组装算子,形成满足用户功能性需求的全部算子流程.最后给出了支持该方法的实例,用以说明该方法的可行性;提出结果验证标准,用以说明结果的正确性与完整性.     

基于VMD和改进TCN的短期光伏发电功率预测

光伏发电功率存在波动性,且光伏出力易受各种气象特征影响,传统TCN网络容易过度强化空间特性而弱化个体特性。针对上述问题,文中提出一种基于VMD和改进TCN的短期光伏发电功率预测模型。通过VMD将原始光伏发电功率时间序列分解为若干不同频率的模态分量,将各个模态分量以及相对应的气象数据输入至改进TCN网络进行建模学习。利用中心频率法确定VMD的最优分解模态分解个数。在传统TCN预测模型的基础上,使用DropBlock正则化取代Dropout正则化以达到抑制卷积层中信息协同的效果,并引入注意力机制自主挖掘并突出关键气象输入特征的影响,量化各气象因素对光伏发电的影响,从而提高预测精度。以江苏省某光伏电站真实数据为例进行仿真实验,结果表明所提预测方法的RMSE为0.62 MW,MAPE为2.03%。