应用变压吸附法分离回收CO_2

叙述了变压吸附法分离提纯ＣＯ２的基本原理和工艺过程，介绍了工艺流程和适用范围，并例举出该方法在实际中的几个应用实例。     

一种电池包底部抗碰撞性能的测试方法研究

目前电动汽车的整车碰撞试验主要从正面、侧面和后面3个方向进行,对底部抗碰撞性能没有相关的测试方法和标准。根据市场调查信息,介绍了一种负坎工况的测试方法,提出了一种可实现负坎高度可调、撞击壁障位置可调的测试系统,用于对电池包底部抗碰撞能力研究,并通过测试复现了电池包在负坎过程中出现的塑性变形以及撞击时的受力情况。同时也设计了一种非接触式触发系统,代替了传统的接触式触发方式实现高压电测量系统的触发和数据采集系统的零时刻确定。     

交互与新生——武汉大学早期校园规划思想解读

武汉大学早期校园具有较高的历史、科学、艺术和文化价值,是我国近代大学校园规划和设计的典范,然而关于其校园规划思想的研究却比较匮乏。本文根据设计师开尔斯和莱文斯比尔的设计手稿以及多种关于校园建设的原始文字档案,从时代背景、建校理念用地环境三个方面分析影响早期校园规划和建筑形制形成的因素。旨在全球视阈下解读武汉大学早期校园规划思想,凸显出武汉大学校园规划及建设的全球关联性。     

Na含量对USY分子筛酸性和焦炭选择性的影响研究

采用FTIR、MAT、XRD考察不同Na含量USY分子筛的酸性、水热稳定性。结果表明,在一定晶胞和稀土含量下,随着Na含量的增加,分子筛的稳定性和活性降低,B酸、L酸都降低。通过强酸量、弱酸量的变化趋势可以看出,采用浸渍方法浸渍上去的Na优先作用于分子筛的强酸部分,尤其是分子筛骨架上的强酸部位。MAT反应结果表明,USY分子筛的积碳含量随分子筛Na含量的增加而降低,且焦炭选择性随Na含量的增加呈增加趋势。     

聚合物驱开发规划指标预测方法研究

依据聚合物驱的驱油机理,在研究分析聚合物驱开发指标变化与水驱开发指标变化的共同之处和不同特点的基础上,借鉴水驱开发指标预测的驱替特征曲线方法,提出了可利用驱替特征曲线的方法预测聚合物驱开发指标。实际应用证明该方法预测精度较高,但它只适用于已有一定动态开发数据,一般在含水开始回升以后的聚合物驱区块的开发指标预测。根据聚合物驱开采注入量和采液量都保持相对稳定的特点,研究了聚合物驱开发指标预测的累积液累积水法。该方法不仅可以解决聚合物驱区块前期指标预测问题,而且可以解决将来要投入生产的聚合物驱规划区块开发指标预测问题。     

电石法生产的PVC树脂中汞含量的测定

采用氢化物原子荧光光谱法测定了电石法生产PVC树脂中汞的含量,该方法回收率高,精密度好。在不同的加标水平下,其回收率为90.54%~96.88%,相应的RSD值均小于6%。该方法完全适用于电石法生产PVC树脂中汞残留量的测定。     

基于GBNP 模型的新安江上游流域非点源污染模拟

流域非点源污染的监测十分困难,因此数值模拟是定量研究流域非点源污染的主要方法。本文采用基于地貌特征的分布式流域非点源污染模型GBNP(Geomorphology-Based Nonpoint source Pollution model),模拟了新安江上游流域2001—2010年的径流过程和非点源污染物的迁移过程。模型参数的率定与验证结果显示,月径流的Nash效率系数多在0.8以上,确定性系数R2都大于0.9;渔梁和屯溪两个测站的月泥沙负荷的Nash效率系数在0.7以上,确定性系数在0.9以上;两个测站总氮(TN)和总磷(TP)Nash效率系数都在0.55以上,确定性系数都大于0.8。结果表明,该模型在研究区适用性良好。基于模拟结果,分析了研究区内TN、TP以及土壤侵蚀量的时空分布特征。结果显示,研究区多年平均TN流失量为6 706.92 t/a,TP流失量为828.45 t/a,土壤侵蚀量为166.62万t/a。模拟期内年际变化和年内变化结果显示,在其他条件不变的情况下,非点源污染的产生与降雨量大小密切相关。对各区县氮磷分布特点分析可知,TN的空间分布主要受土地利用类型的影响,TP的空间分布主要受土壤侵蚀量的影响。     

南坪中心交通枢纽工程的地下室防水设计

本文介绍了南坪中心交通枢纽工程的防水设计,该项目所面临的难题是:作为使用年限为一百年的地下建筑,目前没有任何一种防水材料的使用寿命与之相匹配。本枢纽工程的地下室防水设计考虑了外包防水层、变形缝防水和施工缝防水等地下工程的常用做法,并结合工程的特点,采用了切实可行的设计及施工方案;还考虑到渗漏修补的预留措施,包括外包防水卷材的修补、化学浆液加固、内防水与内排水的预留等。     

四川皮革业：在艰难中寻找突破口

四川是个原皮大省,不仅拥有丰富的猪皮资源,同时,四川还是全国皮革行业最权威的科研和教学基地,加上成都拥有巨大的消费市场,所以四川皮革业的发展空间还有待拓展。     

基于拉普拉斯评分的多标记特征选择算法

针对传统的拉普拉斯评分特征选择算法只适应单标记学习,无法直接应用于多标记学习的问题,提出一种应用于多标记任务的拉普拉斯评分特征选择算法。首先,考虑样本在整体标记空间中共同关联和共同不关联的相关性,重新构建样本相似度矩阵;然后,将特征之间的相关性及冗余性判定引入拉普拉斯评分算法中,采用前向贪心搜索策略依次评价候选特征与已选特征的联合作用能力,用于评价特征的重要性;最后,在5个不同评价指标和6个多标记数据集上实验。实验结果表明：相比基于最大依赖的多标记维数约简方法（MDDM）、基于贝叶斯分类器的多标记特征选择算法（MLNB）及基于多元互信息的多标记分类特征选择算法（PMU）,所提算法不仅分类性能最优,且存在显著性优异达65%。