基于化学监督的超(超)临界机组关键控制节能指标分析及建议

针对超(超)临界机组参数提高、材质升级,化学技术监督中的监督指标对机组经济性和可靠性影响较大的问题,本文通过机组典型案例分析、技术监督报告、现场实测等,对目前化学监督中影响较大的、关键的技术指标进行了系统性的分析研究。研究结果找出了6项化学监督中超(超)临界机组关键的、影响较大的控制监督指标,且提出了指标控制值和控制方法。这项系统性研究分析方法对指导超(超)临界机组化学监督具有重要的借鉴作用,以控制超(超)临界机组因参数提高和材质升级带来的新问题和新挑战。     

Melatonin and its protective role against male reproductive toxicity induced by heavy metals,environmental pollutants,and chemotherapy: A review

Melatonin, as a ubiquitous indoleamine hormone, is synthesized primarily by the pineal gland. It has diverse biological effects through quite complex mechanisms. More recently, studies have focused on the mechanism of melatonin in anti-reproductive toxicity/damage. Since melatonin possesses strong antioxidant and anti-apoptotic properties, researchers have examined its potential role in protecting against male reproductive toxicity/damage, which may be induced by chemotherapy or environmental toxicants and can lead to male infertility. In this article, recent progress regarding the protective effects of melatonin on male reproductive toxicity/damage is reviewed.     

规整有机分子自聚集体对铜的高效缓蚀的研究

通过多步法合成了离子型含双苯并三氮唑环的目标分子，4，4'-{苯-1，3-二基二[(1E)-3-羰基丙-1-烯-1，3-二基]}二[2-(2H-苯并三唑-2-基)苯醇酸]二钾。在室温条件下，目标分子在3.5%（质量）NaCl/DMSO（二甲基亚枫）混合溶液 （体积比：40/60） 中能够发生分子自组装产生纳-微米级的自聚集体。通过傅里叶变换红外光谱 （FT-IR）、拉曼光谱和X射线光电子能谱 （XPS） 的表征，证实了所形成的目标分子自聚集体能够对铜表面产生强烈的化学吸附作用，在铜表面形成自组装膜。利用电化学方法测定了目标分子自聚集体吸附在铜表面形成自组装膜后，在3.5%（质量）NaCl溶液中的缓蚀性能。结果表明目标分子自聚集体在NaCl溶液中能高效地抑制铜腐蚀。     

偏高岭土和粉煤灰对碱-矿渣复合胶凝材料的凝结时间及早期力学性能的影响

研究了水胶比为0.4,水玻璃模数为1.4及Na2O含量为10％(质量分数)时,单掺偏高岭土与复掺偏高岭土和粉煤灰对碱-矿渣复合胶凝材料的凝结时间和早期力学性能的影响.结果 表明,两种复合方式对碱-矿渣复合胶凝材料均有缓凝作用,但复掺时的缓凝效果更明显.单掺时,碱-矿渣复合胶凝材料的早期抗折、抗压强度和折压比基本不随偏高岭土掺量的变化而变化,但其28 d粘接强度随偏高岭土掺量的增加而增大.复掺时,碱-矿渣复合胶凝材料早期抗压强度随粉煤灰掺量的增加而减小;与单掺时相比,该复合胶凝材料72 h抗折强度和折压比分别提高了40％和64％.除此之外,复掺时该复合胶凝材料28 d粘接强度比单掺时提高了45％,但粉煤灰掺量的影响较小.     

基于改进CGANs的入侵检测方法研究

近年来,机器学习算法在入侵检测系统(IDS)中的应用获得越来越多的关注。然而,传统的机器学习算法更多的依赖于已知样本,因此需要尽可能多的数据样本来对模型进行训练。遗憾地是,随着越来越多未知攻击的出现,且用于训练的攻击样本具有不平衡性,传统的机器学习模型会遇到瓶颈。文章提出一种将改进后的条件生成对抗网络(CGANs)与深度神经网络(DNN)相结合的入侵检测模型(CGANs-DNN),通过解决样本不平衡性问题来提高检测模型对未知攻击类型或只有少数攻击样本类型的检测率。深度神经网络(DNN)具有表征数据潜在特征的能力,而经过改进后的条件CGANs,能够通过学习已知攻击样本潜在数据特征分布,来根据指定类型生成新的攻击样本。此外,与生成对抗网络(GANs)和变分自编码器(VAE)等无监督生成模型相比,CGANsDNN经过改进后加入梯度惩罚项,在训练的稳定性上有了很大地提升。通过NSL-KDD数据集对模型进行评估,与传统算法相比CGANs-DNN不仅在整体准确率、召回率和误报率等方面有更好的性能,而且对未知攻击和只有少数样本的攻击类型具有较高的检测率。