煤质活性炭压片成型技术的推广和应用

中国石油庆阳石化公司活性炭厂从20世纪90年代就开始着手活性炭新产品的开发工作。在大量市场调研和对比分析的基础上，采用防化研究院经过多年潜心研究的煤质活性炭压片成型技术，进行工业化生产并予以应用。生产出合格的压块活性炭，使压片成型技术在活性炭工业化生产中的推广和应用这一国内难题最终得到解决。     

工民建工程混凝土施工技术探讨

随着我国社会主义市场经济的不断确立,建筑业自然也就成为现今我国的重点发展行业。中国经济多年来持续、稳定的高速发展创造了世界最大的建筑市场,也为混凝土行业带来了难得的发展机遇。在工民建中,混凝土是工程承重的重要组成材料,在建筑工程中不可或缺。因此,混凝土施工的质量是整个工程质量的关键。文章现就工民建工程的混凝土施工技术进行详细探究。     

基于SEOA算法的水库调度优化配置模型应用研究

针对水库调度配置中求解最小缺水量的问题,采用社会情感优化算法(SEOA算法),并在生成初始种群和算法收敛速度两方面进行改进,最后将改进后的算法运用到东榆林水库。结果表明:改进后的SEOA算法在水库调度最小缺水量问题中具有效率高、计算量少、寻优能力强的优点,有着一定的实用价值。     

自动化示踪技术在岩体水文地质研究中的应用

自动化示踪技术是一种快速测定岩体水文地质参数的野外试验方法,与传统的示踪试验相比,自动化示踪技术更精确、更便捷,而且可实时动态监测,最大限度保证了数据信息的采集成功率与利用率,能够满足工程中岩体渗透特性参数野外测定的实际需要。介绍了自动化示踪技术的设备构成、基本原理、配套的解译软件及特点,总结自动化示踪技术近些年的应用情况,指出了存在的问题,进而提出了针对性的对策,可为后期示踪技术的进一步应用提供思路。     

基于身份认证和聚合加密的智能电表数据隐私保护方案

智能电表的使用虽然为供用电双方都提供了诸多便利,但由于存在较频繁的信息流传输,也给智能电网中对用户家庭用电数据的隐私保护工作带来了巨大挑战.为了保证即使数据被窃取,不法者依然无法通过数据对用户的行为信息作出判断,提出了一个基于身份认证和聚合加密的智能电表数据隐私保护方案.方案中对数据的保护分为两个阶段,即数据的读取阶段和聚合加密阶段.读取阶段采用盲签名的方式,保证数据读取过程的安全性;聚合加密阶段采用匿名化处理和Paillier同态加密的方式,实现数据的匿名传输,在提高隐私保护安全强度的同时也大大降低了计算和传输开销.方案实现了在保护用户用电数据不被泄露的同时也避免了因海量数据汇聚而造成的系统拥塞问题.     

基于Gemini表面活性剂的新型超分子凝胶的制备

基于Gemini表面活性剂结构和独特的流变性能,设计一类超分子水凝胶。使用18-2-18和18-3-18两种Gemini表面活性剂分别与丙二酸钠、丁二酸钠、己二酸钠、顺丁烯二酸钠、反丁烯二酸钠、酒石酸钠和柠檬酸钠这七种有机盐类按不同配比混合确定凝胶形成的最佳条件。     

基于RESTful的校园二手商品交易系统的设计与实现

针对传统校园二手商品交易的不足,结合高校特定区域的优势以及RESTful架构风格的特性,提出基于RESTful的校园二手商品交易系统。对系统进行总体架构、功能模块、数据库以及RESTful API设计,运用Python语言、ORM技术以及Flask框架,实现了系统的商品发布、商品分类展示、商品搜索、商品交易等主要功能。实际测试与应用结果表明,该系统运行比较稳定,具有较强的扩展性,能够较好地满足大学生进行闲置物品交易的需求。     

面向服务的测量船测控服务总线系统

当前测量船测控软件系统需要完成对各类飞行器的遥测、遥控、外测、仿真等数据的处理,该系统复杂性较高,不易扩展和维护。面向服务的体系架构SOA是一个组件模型,它将复杂系统的不同功能单元封装为服务,并通过接口实现对服务的调用,大大降低了系统的复杂性,方便了系统功能的扩展。分析了测量船测控软件系统,设计了面向服务的测量船测控服务总线系统架构,该架构支持“服务调度规则”与“服务调度系统”2种服务调度模式,实现了系统服务端、客户端和服务调度。测试结果表明：该系统能够保证2种模式下的服务调用性能,对提高测量船测控软件系统的效率具有重要意义。     

基于ASP.NET网站架构设计与开发

传统的两层架构开发软件在设计过程中存在扩展性能低的问题,而采用ASP.NET三层架构开发软件模式可以有效解决这些问题.网站的开发过程要遵循一定的架构设计,还要具有完整的设计流程和关键代码,在充分考虑用户需求的基础上开发合适的前后台网站界面与功能.     

K-means算法在隐语义模型中的应用

隐语义模型(LFM)是文本挖掘领域的重要模型,将它应用于推荐系统的评分预测具有预测精度高和占用内存小的优点。但由于时间开销较大,LFM模型并不适合用于处理大规模稀疏矩阵。针对此问题,论文将K-means算法引入到LFM模型的评分数据处理,得到改进模型K-LFM。在K-LFM模型中,利用K-means算法对评分矩阵中的用户和项目数据进行聚类处理,然后重构评分矩阵降低原始矩阵的稀疏程度和矩阵规模,最后用重构后的评分矩阵训练模型,预测评分。通过在movielens数据集上实验发现K-LFM模型在运行时间上较LFM模型有大幅降低,而预测精度没有受到明显影响。