不同浊度下的泥沙对水体镉、铅、砷去除的影响分析

针对流域突发性重金属污染,不同浊度下的泥沙对重金属有一定的去除效果。以浊度为指示指标,通过试验研究了常温(25 ℃)和低温(5 ℃)条件下浊度50～650 NTU(Nephelometric Turbidity Unit)范围内泥沙对重金属镉、铅、砷吸附去除的影响。试验结果表明:泥沙对重金属镉、铅、砷的去除效果为铅＞镉＞砷,其中铅的去除率达到99%。浊度与能处理达标的最高重金属浓度呈线性关系,常温下浊度与能处理达标的最高镉、铅、砷浓度关系曲线的相关系数分别为0.996、0.998、0.999,低温下其相关系数分别为0.999、0.996、0.998。常温较低温更利于泥沙对重金属镉、铅、砷的去除,能去除更高浓度的重金属,达到生活饮用水卫生标准。     

含油废水处理技术进展

对含油废水处理方法如物化法、化学法、生化法等进行了分类总结与评述，指出各方法的优势及目前仍存在的问题，并介绍了含油废水处理的最新研究成果，提出了今后含油废水处理技术的一些建议与展望。认为在含油废水处理技术的研究与开发中，要加强含油废水处理的基础性研究，明确含油废水中各组分的相互关系，加强除油机理的研究，同时减少污染源的排放以及加强含油废水的回用都是今后应该着重考虑的方向。     

基于分形理论的沥青路面微观形貌特征描述与求解方法

从分形角度描述沥青路面在垂直方向上的微观形貌特征,并研究了路面构造深度的分形插值方法。利用遗传算法求取迭代函数系统中仿射变换的最佳垂直比例因子,计算分形维数。最后利用高精度激光测距仪获取4种不同沥青路面样块的高程数据,在此基础上分析分形维数与路面平均构造深度、算术平均偏差、均方根偏差的相关关系,并通过插值函数模拟路面构造深度变化的分形曲线。     

混沌精英哈里斯鹰优化算法

针对哈里斯鹰优化（HHO）算法存在的收敛精度低、收敛速度慢、易于陷入局部最优的不足,提出了一种混沌精英哈里斯鹰优化（CEHHO）算法。首先,引入精英等级制度策略,以充分利用优势种群来增强种群多样性以及提升算法收敛速度和精度;其次,利用Tent混沌映射调整算法关键参数;然后,使用一种非线性能量因子调节策略来平衡算法的开发与探索;最后,使用高斯随机游走策略对最优个体施加扰动,并在算法停滞时,利用随机游走策略使算法有效跳出局部最优。通过对20个基准测试函数在不同维度下进行仿真实验,来评估算法的寻优能力。实验结果表明,改进算法的表现优于鲸鱼优化算法（WOA）、灰狼优化（GWO）算法、粒子群优化（PSO）算法和生物地理优化（BBO）算法,性能较原始HHO算法有明显提升,验证了改进算法的有效性。     

面向RFID动态帧时隙ALOHA协议的帧长优化

近年来,国家电网积极推动泛在电力物联网的建设,以实现电力系统的万物互联与优化管理.其中,射频识别技术(RFID)作为泛在电力物联网建设的核心技术,凭其价格低廉、无需电源、非视距通信、远距离通信等特点,被广泛应用于电力仓储物资管理、电力巡检等应用场景.为了盘点电力设备仓库中的物品,需要快速识别粘贴在物品上的标签,然而由于仓库中存在大量标签,在通信过程中容易产生标签信号冲突.针对当前商用RFID系统普遍采用的符合EPC C1G2标准的动态帧时隙ALOHA协议,提出了一种新型的基于Q-learning与神经网络的帧长优化算法(记作QN-leaming).通过将动态帧长选择问题转化为马尔可夫决策过程(MDP),即观察到的状态为不同种类时隙的个数(空时隙数、单时隙数、冲突时隙数),执行的动作为设置合理的帧长,从而利用Q-learning与神经网络来自主学习帧长选择策略,基于学习到的策略可以指导系统根据最新观察选择能够实现全局最优的帧长.仿真实验结果表明,基于QN-learning算法在动态调整帧长方面表现优异,能够实现标签的有效识别,在保障高吞吐率的同时控制阅读器的询问次数,减少数据传输量.     

重要水库水源地生态服务价值评估 ——以株树桥水库为例

以长沙市重要饮用水水源地株树桥水库水源地为研究对象,采用基于单位面积价值当量因子和中间物质转换价值量,评估研究区域生态服务总价值,计算出株树桥水库水源地生态服务总价值分别为44.49亿、76.69亿元/a,通过比较2种评估方法的计算结果,提出提升和改善水库水源地生态服务价值的措施,为水库水源地的生态补偿机制优化、生态保护、经济建设等提供参考。     

动态本体描述语言的研究

为了让计算机能理解资源的语义,文中设计了一种基于互表性的动态本体描述语言.研究结果表明,通过定义动态本体的Agent、Object、Class和Ontology,得出了动态本体描述语言的基本词汇、语法结构和语义描述,使语法和其描述的语义达成一致.     

基于GMM的多工况过程监测方法

传统基于主元分析的故障检测方法大多假设工业过程只运行在1个稳定工况,数据服从单一的高斯分布。若这些方法直接用于多工况过程则将会产生大量的误检。为此,本文提出了1种基于高斯混合模型的多工况过程监测方法。首先利用PCA变换对过程数据集进行降维,在主元空间建立高斯混合模型对过程数据进行聚类,自动获取工况数和相关分布特性。然后对每个工况建立主元分析(principal component analysis,PCA)模型来描述整个运行过程数据分布的统计特性。最后在过程监测中,根据监测样本属于各个工况的概率构造综合统计量,实现对多工况过程的故障检测。TE过程的仿真结果表明,本文提出的方法与传统的PCA方法相比,能自动获取工况和精确估计各个工况的统计特性,从而能更准确及时地检测出多工况过程的各种故障。     

IT新兵三人谈

女生小莹,男生小陆和小孙再 过几个月就从上海交通大学的校门里走出来,从一名计算机系的学生变为ＩＴ产业的生力军。本来大四可以清闲一下,但忙完了找工作的事又被毕业设计压得够呛。 在我的印象中,计算机系的学生大都不善辞令,但这回着实让我吃了一惊,当我告诉他们,想让他们谈一些求职上的感想时,他们口若悬河的谈吐让我觉得这简直像一场技术研讨会。择业考虑 你现在找的是什么单位？为什么会选择现在的单位呢？ 小莹：我签了一家美方在华投资的银行,当然　、前面也签了不少单位,但想来想去还是去银行了（“违约金没少付吧？”小…     

基于数据驱动的多工况过程控制性能评估研究

为了解决如何选择合适的基准数据与实时数据进行控制性能评估问题,提出一种基于多变量分类的方法.用一种综合相似因子来衡量当前实时数据和某一工况下数据的相似性,确定实时数据所属的工况,而后再进行控制性能评估,通过仿真结果验证了新方法的有效性.