天然气管道放散计算与速查图

结合工程需要和实际情况，应用实际气体状态方程得到放散量计算式。放散时间计算式选取临界流计算模型。将两个计算式中的固定值和影响因素单独归纳，分别绘制出天然气管道放散量计算系数和放散时间计算系数速查图，给出计算流程。经实例验证，计算值与实际值相对误差不超过5%,此计算方法的实用性较强，能很好地满足工程上对放散量计算方便性和准确性的要求，对指导施工具有一定实用意义。文末附有放散量计算系数和放散时间计算系数速查图下载链接，也可扫二维码下载。     

Fabrication of high-efficiency Yb:Y2O3 laser ceramics without photodarkening

High-efficiency Yb:Y₂O₃ laser ceramics were fabricated using the vacuum-sintering plus hot isostatic pressing (HIP) without sintering additives. High-purity well-dispersed nanocrystalline Yb:Y₂O₃ powder was synthesized using a modified co-precipitation method in-house. The green bodies were first vacuum sintered at a temperature as low as 1430°C and then HIPed at 1450°C. Finally, the samples were air annealed at 800°C for 10 h. Although no sintering aids were used, full density of the samples with excellent optical homogeneity and an inline transmission of 80% at 400 nm could be obtained. Moreover, photodarkening phenomenon was not detected in the ceramics. Preliminary laser experiment with the fabricated ceramics in a two-mirror cavity has demonstrated 32 W continuous-wave (CW) output at ∼1077 nm with an optical-to-optical conversion efficiency of 58.2%. To the best of our knowledge, this is so far the highest CW output power and optical-to-optical conversion efficiency achieved with the Yb³⁺-doped sesquioxide ceramics in a simple two-mirror cavity.     

Metal modified (Ni,Ce, Ta) Ti/SnO2–Sb2O5–RuO2 electrodes for enhanced electrochemical degradation of Orange G

Journal of Applied Electrochemistry - Ni, Ce, and Ta modified Ti/SnO2–Sb2O5–RuO2 anodes were first prepared by thermal decomposition strategy and applied for Orange G degradation to...     

新媒体环境下智慧化阅读推广研究——以重庆第二师范学院为例

开展智慧化阅读推广,紧跟时代步伐,有效提升读者多重阅读体验和满意度,增强智慧化阅读推广的价值,促进智慧化阅读推广服务的有效化、规范化、科学化、常态化、长期化发展,已成为当前阅读推广研究中一个重要的切入点。文章基于智慧化阅读研究,结合"新媒体"高新技术环境,提出智慧化阅读推广的内容分析、具体实施、环境构建、推广评估与效果、推广改进等几个方面组成的以读者为中心的核心服务体系。本文分析了智慧化阅读基本方面,以我校图书馆实际运用推广效果,智慧化阅读存在的优、劣势及相应的对策。     

5G核心网业务模型的智能化预测研究

摘 要：核心网业务模型的建立是5G网络容量规划和网络建设的基础，通过现有方法得到的理论业务模型是静态不可变的且与实际网络存在偏离。为了克服现有5G核心网业务模型与现网模型适配性较差以及规划设备无法满足用户实际业务需求的问题，提出了一种长短期记忆（long short-term memory，LSTM）网络与卷积LSTM （convolution LSTM，ConvLSTM）网络双通道融合的 5G 核心网业务模型预测方法。该方法基于人工智能（artificial intelligence，AI）技术以实现高质量的核心网业务模型的智能预测，形成数据反馈闭环，实现网络自优化调整，助力网络智能化建设。     

机器学习理论的超光谱遥感图像无损压缩

针对一般超光谱遥感图像的压缩方法无法同时实现图像信息缩减和图像完整性的问题，提出一种机器学习理论的超光谱遥感图像无损压缩方法。利用机器学习中的聚类算法进行第一次压缩，减少超光谱遥感图像中的冗余波段光谱，并降低图像维度；再利用机器学习中的人工神经网络进行第二次压缩，将不同图像子块送入不同压缩率的神经元当中，通过隐含层自主完成图像压缩编码。通过与四种一般压缩方法的对比验证，本方法图像压缩后，图像压缩率更小，图像分辨率和信息熵更高，既有效地减少了图像信息量，能够保留有效关键信息，达到了图像信息缩减和图像完整性的双重目标。     

基于RGB颜色信息聚类的光谱反射率重建

针对光谱反射率研究中因训练样本数据量大造成的冗杂等问题，提出了一种基于RGB信息进行聚类的样本分类方法。首先对颜色进行聚类并确定聚类个数，后对每一类光谱反射率使用BP神经网络分别进行重建。对于实验结果，使用ΔE₀₀、均方根误差（RMSE）以及适应度系数等标准进行评价，同时与主成分分析算法进行对比。从实验分析可得出，在聚类数目为7时光谱反射率重建效果最好，这时的平均CIE2000的色差为0.836，平均RMSE为0.0149，平均适应度系数为99.82%，并且，在最后对重建色差较大的色块进行了优化处理。实验证明，颜色聚类方法可以很好的应用于光谱反射率重建。