排序方式: 共有5条查询结果,搜索用时 15 毫秒
1
1.
随着当今社会的快速发展,人们对食品健康的关注呈上升趋势。时间-温度指示器(time-temperature indicator, TTI)可以用来监测食品在运输和贮藏期间的新鲜度,有效促进食品智能包装技术的快速发展,有着很大的潜力和发展前景。从材料的功能性角度出发,分析了TTI的类型与原理,探讨了TTI在食品包装中的具体应用,以期为TTI在食品包装中的应用提供一定的参考和理论依据。 相似文献
2.
为了提高脉动水力冲刷对阻塞裂隙场的疏通效果,研究了裂隙内脉动水流的流动特性,分析了脉动水力参数对裂隙内沉积颗粒运移质量的影响;研究了压力脉动强度系数与颗粒运移质量的相关关系。结果表明:脉动水力条件下,裂隙内流体流量和压差均呈脉动变化,水流平均流速小于恒定水流的流速,且其随压力脉动振幅的增大而显著降低,随压力脉动周期的增大而小幅增大;裂隙内颗粒运移质量随压力脉动振幅的变化符合线性增大的规律,随压力脉动周期的增大呈缓慢减小的变化规律;此外,压力脉动强度系数随压力脉动振幅的增大而增大,随压力脉动周期的增大而减小;进一步地,压力脉动强度系数的增大是导致脉动水力条件下裂隙内沉积颗粒运移质量显著提升的根本原因。 相似文献
3.
三维快速拉格朗日法进行水布垭地下厂房的稳定分析 总被引:22,自引:8,他引:22
选取清江水布垃水利枢纽工程地下厂房区,采用三维快速拉格朗日法(FLAC—3D),模拟施工开挖过程,研究了复杂地质条件下洞室群围岩的开挖变形形态与应力状态,分析了围岩塑性区分布及地下厂房洞室群围岩的稳定性,并对层水洞顶拱进行了加固处理。 相似文献
4.
5.
为准确预测水文条件复杂的黄河开封段水位变化,提出一种基于ARIMA-CNN-LSTM的多变量水位预测模型。该模型通过综合考虑水位的多重影响因素,结合卷积神经网络(CNN)和长短时记忆网络(LSTM)来学习数据中的非线性特征,同时应用ARIMA模型进行参数校正,从而实现对黄河开封段水位未来一段时间的预测。结果表明:相较于LSTM模型、CNN-LSTM模型、ARIMA模型以及BP神经网络模型,ARIMA-CNN-LSTM模型的预测精度更高,对峰值反应更灵敏,可以更加精准地预测未来一段时间的黄河开封段水位变化。 相似文献
1