CuO-SiO2气凝胶@TiO2纳米纤维无牺牲剂光催化还原CO2

采用溶胶-凝胶法制备CuO-SiO2复合气凝胶,通过在气凝胶孔道内填充TiCl4,然后将其气相水解,得到了在CuO-SiO2气凝胶表面生长了高结晶度的TiO2纳米纤维(CuO-SiO2@TiO2),纤维直径～16 nm.通过XPS、UPS、UV-Vis DRS、荧光光谱(PL)等表征了材料的结构及光电性能.结果表明,制备的CuO-SiO2@TiO2对可见光有明显吸收,且荧光强度较商用TiO2(P25)大幅降低,光生电子-空穴对更加稳定.再在纳米纤维上负载CuO,所得CuO-SiO2@TiO2/CuO在可见光区的荧光强度进一步增强.以300 W氙灯为光源,分别以CuO-SiO2@TiO2及CuO-SiO2@TiO2/CuO为催化剂,无牺牲剂条件下光催化还原CO2,4 h后甲醇产率分别为1304.0及1589.0μmol/g-cat,转换频率(TOF)分别为0.038及0.046 h–1.循环实验表明,纳米纤维具有较好的光催化稳定性,经过4次光催化循环实验后,CuO-SiO2@TiO2/CuO的保留率～94％,甲醇产率可达1472.0μmol/g-cat,TOF为0.042 h–1.     

机器翻译译文质量估计综述

机器翻译译文质量估计(Quality Estimation,QE)是指在不需要人工参考译文的条件下,估计机器翻译系统产生的译文的质量,对机器翻译研究和应用具有很重要的价值。机器翻译译文质量估计经过最近几年的发展,取得了丰富的研究成果。该文首先介绍了机器翻译译文质量估计的背景与意义;然后详细介绍了句子级QE、单词级QE、文档级QE的具体任务目标、评价指标等内容,进一步概括了QE方法发展的三个阶段: 基于特征工程和机器学习的QE方法阶段,基于深度学习的QE方法阶段,融入预训练模型的QE方法阶段,并介绍了每一阶段中的代表性研究工作;最后分析了目前的研究现状及不足,并对未来QE方法的研究及发展方向进行了展望。     

高强中空夹层钢管混凝土柱的耐火性能试验研究

针对应用高强钢与超高强混凝土的中空夹层钢管混凝土柱，开展了轴心受压柱的标准耐火试验，得到了不同截面形状、边界条件、涂料厚度、荷载比条件下该柱的耐火极限，提出了表征柱耐火性能的延性指标，探讨了高强柱与普通柱耐火性能的差异。试验结果表明:高强中空夹层钢管混凝土柱的受火时间-位移响应与普通柱相似，受火前期膨胀而后期压缩变形进一步增大达到耐火极限。参数分析表明:相同条件下，应用高强钢的中空夹层柱其耐火极限低于应用普通钢的中空夹层柱，而应用超高强混凝土的中空夹层柱其耐火极限则高于应用普通或高强混凝土的中空夹层柱。此外，该文分别基于欧洲规范4中轴心受压柱和压弯构件的常温承载力计算模型，运用材料高温力学参数，计算了该柱高温屈曲承载力与耐火极限，计算结果与试验结果吻合较好。     

基于宇宙量子算法的微小零件尺寸检测

通过建立主、从式宇宙空间结构改善了量子算法的运行效率,非正交二次B样条小波和最小二乘小波支持向量回归机对零件边缘进行检测,给出了微小零件尺寸检测流程。试验仿真显示该算法对微小零件尺寸测量数据波动范围较小,方差值相比其他方法值较低,其中UQ算法测量的外轮直径测量方差值比HI、MM、AIT、IF、IGR算法分别减少了75.29%,78.40%,64.47%,60.95%,52.15%;UQ算法测量的内轮直径测量方差值比HI、MM、AIT、IF、IGR算法分别减少了72.89%,76.75%,62.66%,59.22%,50.13%,提高了微小零件的精度测量。     

饮食习惯与中医体质的相关性研究

目的:通过随机取样对居民中医体质辨识和饮食习惯的调查,探讨饮食习惯与中医兼夹体质的相关性。方法:选择113位广东省湛江市徐闻县下桥镇的居民作为调查对象进行中医体质辨识和饮食习惯问卷调查,采用相关性分析及频数统计等方法。结果:通过问卷分析可以发现,湛江市徐闻县下桥镇的居民的体质与饮食习惯有一定相关性。结论:气虚质作为湛江市徐闻县下桥镇居民的基础体质,可能与当地居民多食海产品的饮食习惯有关。     

豆粕中溶剂残留检测方法的研究

通过研究基准豆粕的制作方法和标样、样品前处理影响因素,建立一种能准确测定豆粕中溶剂残留量的方法。结果表明:制作基准豆粕时,加入适量水,有助于残留的有机溶剂充分挥发,得到合格的基准豆粕;标样结果稳定性与加水量关系不大,选择标样与样品的加热平衡温度均为120℃,加热平衡时间均为120 min,加水量均为200μL(3 g豆粕),样品重复性试验的精密度为0~4. 5%。对相同样品,采用本试验方法的测定结果较国标方法的高,更能准确反映豆粕的质量情况。