春秋战国时期青铜器凤鸟纹饰之变革

春秋战国时期既是中国传统文化的大变革时期,又是工艺美术发展的创新时期,传统的模式不断被超越,新的风格相继被确立。春秋战国时期青铜器凤鸟纹饰在不断突破商周时期传统样式过程中,呈现出崭新的审美情趣与独特的装饰意匠。     

基于组织的工作流访问控制模型研究

提出了基于组织的工作流访问控制模型OBAC，对此模型进行了形式化定义。应用0BAC可以更容易地管理和实现工作流的访问控制．模型更贴近于生产业务。以电力系统生产管理系统为例进行了分析．表明该模型具有较高的安全性和灵活性。     

金属与非金属纳米颗粒增强葡萄糖生物传感器

为了提高葡萄糖传感器的灵敏度和抗干扰性,利用纳米增强效应,以Au、Ag、Pt、SiO2纳米颗粒及金属-无机复合纳米颗粒与聚乙烯醇缩丁醛(PVB)构成复合固定酶膜基质,采用溶胶-凝胶法固定葡萄糖氧化酶(GOD),组成葡萄糖生物传感器.研究表明,纳米颗粒可以大幅度地提高固定化酶的催化活性,增加电极的电流响应灵敏度,改进生物传感器的抗干扰性能,使信噪比提高了32倍.     

微纳米银花状球结构的化学制备技术现状与展望

近年来,微纳米银花状球结构的化学制备技术备受人们关注。阐述了微纳米银花状球结构的化学还原沉淀制备技术,探讨化学化学还原沉淀制备花状球的形成机理。银花状球由纳米片或棒等其他纳米形貌构成,因此表现出独特的光、催化等性能,在催化、生物等方面具有巨大潜在应用。     

浅析我国建筑装饰业的现状及其发展见解

建筑装饰行业的发展,对于拉动内需,增强我国消费市场活动,增加就业岗位,特别是转移农村剩途劳动力,带动相关产业的发展,推动国民经济持续发展,具有非常重要的作用.另外,建筑装饰行业在满足人民群众文化需求和精神享受方面,也具有重要作用,同时也是城市化进程,全面建设小康社会的重要内容.建筑装饰行业的发展得到社会及有关部门的重视.我国建筑装饰行业是随着我国改革开放之后由建筑业生产力的进步、提高而发展形成的一个专业化相对独立的生产领域.它是建筑总体工程的重要组成部分,是建筑思想的延伸与提高.经过20多年发展、实践、已经逐步形成具有相当规模影响较大的经济、文化现象.     

超细片状银粉的制备技术研究进展

超细片状银粉比传统大尺寸银粉可更好地满足电子产品发展需求。对机械球磨法和化学还原法2种制备超细片状银粉方法进行了对比分析。球磨法产率高、成本低,但易引入杂质且技术指标难保持一致;化学法制备的银粉形貌粒径均一性高,但产率低。介绍了化学还原法的技术特点,对其生长机理进行了分析。提出对球磨工艺的深入研究,以及化学法中保持高品质银粉情况下提高反应体系浓度,是超细片状银粉制备技术的研究重点。     

一种获取油藏静压的新方法——以渤海P油田为例

油藏静压是油藏动态管理过程中重要的一项参数,渤海P油田一般采用随钻测压折算法、不稳定试井法以及油藏动态经验法预测油藏静压。但近年来多层合采使得各层压力差异性强,压力复杂,且目前新钻井随钻测压资料以及关井不稳定试井数据越来越少,仅凭动态经验获取的静压数据,其准确性很难保证。本文首次提出基于油井起泵阶段压力数据,根据井筒储集效应下压力管流和渗流耦合理论,利用直线回归系数(R~2)极大值法预测油藏静压的方法。经过与渤海P油田24口井的随钻测压折算油藏静压、试井解释静压和油藏动态经验预测静压进行对比,结果吻合程度高,且具有短时、高效、成本低的特点,为新钻井压力预测提供了一种新方法。     

电感耦合等离子体质谱法测定水中镉的不确定度评定

本文采用盐酸、硝酸消解水样品,建立了测定水样中镉浓度的数学模型,对电感耦合等离子体质谱法(ICP-MS法)测定水中镉的不确定进行评定。水样中镉浓度为0. 21μg/L时,结果的扩展不确定度为0. 02μg/L(k=2)。对HJ 700-2014《水质65种元素的测定电感耦合等离子体质谱法》标准方法测定镉的不确定度来源进行分析,其主要来源是标准曲线的线性拟合,并得出了ICP-MS法测定镉浓度的扩展不确定度结果,为结果的符合性判断提供依据。     

基于区块链的内河执法管理系统的研究和设计

文章提出一种基于区块链的内河执法管理系统的设计方法,实现了区块链技术在内河航运执法过程中的应用。系统以Hyperledger Fabric为区块链框架,使用微服务技术进行封装,保证与原业务系统的交互性。该设计方法结合了传统中心化存储技术和区块链去中心化存储技术,利用区块链技术防篡改和价值自动传递的特性,可以提高内河执法的安全性和公平性。     

考虑换道意图的LSTM-AdaBoost车辆轨迹预测模型

不合理的车辆的换道行为是导致交通事故发生的主要原因之一,提前预知换道车辆的轨迹并及时做出相应调整有助于减少事故的发生。针对换道车辆轨迹预测问题,采用将深度学习和集成学习相结合的轨迹预测方法,并考虑了换道意图的影响。建立连续隐马尔可夫模型对车辆进行换道意图检测,提前判别车辆的换道状态,并输入至相应的轨迹预测模型中;将LSTM（long short term memory）作为AdaBoost算法（adaptive boosting）的基预测器,建立LSTM-AdaBoost模型,在多个基预测器同时进行轨迹预测的基础上,通过训练调整各个基预测器的权重并将结果加权集成,提升预测模型的精度和稳定性;通过NSGIM（next generation simulation）数据集对模型进行训练和测试,结果显示意图预测模型在变道前一秒的准确率在90%以上,LSTM-AdaBoost集成轨迹预测模型与单一的LSTM模型相比精度和稳定性显著提升,且预测结果中异常数据更少,具有较好的稳定性;同时预测对比结果也表明增加意图预测模块有助于提升换道轨迹预测的精度。