郭松食雕作品选

~~郭松食雕作品选@郭松     

泰州市大气挥发性有机物化学组分特征、活性及来源解析

挥发性有机物（VOCs）是臭氧和大气颗粒物的重要前体物,本研究利用在线气相色谱-质谱仪（Online-GC-MS）于2018年5—6月对江苏省泰州市大气中98种VOCs进行监测,依据监测结果对泰州市大气VOCs的组成特征、日变化趋势进行分析,对醛酮类VOCs数据进行参数化拟合探究其一次二次贡献,并采用正矩阵因子分解模型（PMF）对VOCs数据进行来源分析,用最大增量反应活性（MIR）计算臭氧生成潜势（OFP）.研究结果表明：泰州市大气VOCs中烷烃占比最高,其次为醛酮;烷烃、烯烃、卤代烃和芳香烃浓度日变化趋势明显,特征相近;参数化方法表明醛类物质主要来自于二次生成,而酮类物质主要来自一次排放;PMF模型结果表明泰州市VOCs的主要贡献源分别为机动车排放、油气溶剂挥发、生物质燃烧、其他工业和天然源;OFP的主要贡献物种为烯烃类,占比34.18%.研究结果表明,控制工业排放和溶剂使用是泰州市大气污染物控制的重点.     

深圳创业投资大厦斜交网格结构操作平台设计及应用

近几年由于我国超高层建筑得到飞速发展,建筑钢结构呈现出复杂化和多样化特点,使得超高层建筑钢结构的施工难度不断加大,因此针对此类钢结构施工,制作出一个安装简便、可调控式、安全可靠、拆除方便并可重复使用的超高层操作平台尤为重要。主要介绍超高层斜交网格钢结构操作平台的设计和施工、节点的构造和安装技术以及材料选择等技术要求。     

基于复映测量的球头刀具磨损数据处理及其软件开发

在铣削加工中,刀具磨损对产品加工质量有重要的影响,以球头刀具磨损为研究对象,为了建立刀具磨损模型,采用复映测量手段获取刀具磨损,在复映测量获得刀具磨损的过程,针对复印测量的球头铣削刀具磨损数据提出了数据处理的方法,并以Visual C++为开发平台实现了基于复映测量的刀具磨损数据处理模块,为基于复映测量的刀具磨损建模提供了基础,所提出的刀具磨损数据处理方法可有效对刀具磨损数据进行分析建立刀具磨损模型。     

SP服务器端的重定向技术

重定向,是通过服务器在向客户端发送数据之前,先将数据输出到缓冲区,然后服务器会向客户端发送数据,此时原数据不发送,然后将网络请求重新定个方向转到其它位置的一种方法,即网页被移到一个新地址。     

浅谈小断面长隧洞工程的施工技术方案

小断面长隧洞的施工难度大,通风、出渣困难,一般采用人工开挖工作效率低,要实现快速施工,关键在于合理的选择施工技术方案,科学的确定进尺与循环时间,以保证取得最佳掘进效率。     

非稳态负荷下光热补偿型电加热系统储能容量优化配置研究

针对太阳能利用过程中周期性和波动性的自然缺陷以及配套储能容量变化对于系统电加热功率峰值要求和系统运行经济性的影响,以集成CPC型太阳能集热器的光热补偿型电加热系统为研究对象,模拟非稳态负荷供应情景,通过CPC型太阳能集热器样机试验,运用光学和热力学计算方法,得到了CPC型太阳能集热器的效率特性,分析了光热补偿型电加热系统储能容量配置对于系统运行功耗,电加热量,电加热功率峰值的影响,得出了储能配置容量在0.5 m~3时,总能耗为最小值91 635 kJ,对应电加热峰值为1 420 W的结论,为光热补偿型电加热系统优化设计及经济运行提供参考。     

发电厂四象限无功正确的组合方法

本文通过阐述四象限无功的定义,深入分析了售电侧及发电侧电能表无功功率的计算方法,为电网公司考核发电厂四象限无功提供了理论依据,并具体阐述了供电公司考核发电厂四象限无功正确的二种不同的组合方法,有效避免了不正确的利率考核电费的产生。     

语义融合眼底图像动静脉分类方法

目的 眼底图像中的动静脉分类是许多系统性疾病风险评估的基础步骤。基于传统机器学习的方法操作复杂,且往往依赖于血管提取的结果,不能实现端到端的动静脉分类,而深度语义分割技术的发展使得端到端的动静脉分类成为可能。本文结合深度学习强大的特征提取能力,以提升动静脉分类精度为目的,提出了一种基于语义融合的动静脉分割模型SFU-Net（semantic fusion based U-Net）。方法 针对动静脉分类任务的特殊性,本文采用多标签学习的策略来处理该问题,以降低优化难度。针对动静脉特征的高度相似性,本文以DenseNet-121作为SFU-Net的特征提取器,并提出了语义融合模块以增强特征的判别能力。语义融合模块包含特征融合和通道注意力机制两个操作：1）融合不同尺度的语义特征从而得到更具有判别能力的特征;2）自动筛选出对目标任务更加重要的特征,从而提升性能。针对眼底图像中血管与背景像素之间分布不均衡的问题,本文以focal loss作为目标函数,在解决类别不均衡问题的同时重点优化困难样本。结果 实验结果表明,本文方法的动静脉分类的性能优于现有绝大多数方法。本文方法在DRIVE（digital retinal images for vessel extraction）数据集上的灵敏性（sensitivity）与目前最优方法相比仅有0.61%的差距,特异性（specificity）、准确率（accuracy）和平衡准确率（balanced-accuracy）与目前最优方法相比分别提高了4.25%,2.68%和1.82%;在WIDE数据集上的准确率与目前最优方法相比提升了6.18%。结论 语义融合模块能够有效利用多尺度特征并自动做出特征选择,从而提升性能。本文提出的SFU-Net在动静脉分类任务中表现优异,性能超越了现有绝大多数方法。