渭河中下游及主要支流氮素沿程变化与来源

渭河作为黄河的第一大支流正面临日益严重的人类活动的影响。本研究以渭河中下游为研究区,探讨干流和主要支流水化学特征及硝态氮(NO3--N)和铵态氮(NH4+-N)污染状况、沿程变化和可能影响因子。研究结果表明:渭河中下游及其支流水质以铵态氮超标为主。人类活动的影响已经广泛波及流域内干流和支流,部分采样点结果已经接近饮用水标准临界值。对NH4+-N而言,中游和支流流域应以防止点源污染为主,而下游则需全面加强环境保护工作,特别是污水排放的管理。对NO3--N而言,宝鸡和渭南的下游方向将是重点防范区,而支流的水肥合理利用应全面推广。     

H_2O_2、Fenton试剂与活性炭联用对COD_(Cr)去除效果的对比试验研究

为了开发高效低成本、达到回用水质标准的污水处理工艺,本试验采用H2O2、Fenton试剂与活性炭联用对CODCr进行去除的对比试验研究。结果表明:在室温下200 mL水样,当pH为3,震荡强度为150 rpm时,Fenton试剂-活性炭联用与H2O2-活性炭相比,活性炭用量少200 mg,时间缩短10 h,CODCr去除率高17.6%。试验揭示了Fenton试剂-活性炭联用的反应机理:Fe2+与活性炭共同催化分解H2O2生成大量.OH,能快速氧化降解有机物,使CODCr浓度迅速降低。从工程应用角度和技术经济方面考虑,Fenton试剂-活性炭联用的pH值在5～7适宜;且处理成本更低。Fenton试剂-活性炭联用是处理二级出水CODCr高效、低耗的方法,值得进一步研究和推广应用。     

土中不耦合柱状装药的外部作用爆腔分析

基于现场爆破试验、爆炸应力波理论和爆生气体等熵方程,分析了土中不耦合垂直柱状药包外部作用的爆腔特性,将爆腔分为柱状空腔和半椭球腔两部分,并推演了柱状空腔半径和半椭球腔高度的理论计算公式。通过进行现场爆破试验和理论计算的对比分析,表明:柱状空腔半径比半椭球腔高度大,柱状空腔半径为8.5～15.3倍炮孔半径,半椭球腔高度为7.5～12.1倍炮孔半径。理论计算值与试验值较吻合,理论计算的柱状空腔半径的误差范围是5.2%～20.6%,理论计算的半椭球腔高度误差范围为2.0%～24.8%。同时表明:不耦合装药时药包周围空气间隙的大小对柱状空腔半径影响较大。     

支持移动响应的ZigBee网络无线呼叫系统

提出一种支持移动响应的无线呼叫系统,采用JN5139设计呼叫器、路由器、主控机和移动接收机共4类微功率节点设备,利用其自组织而成的ZigBee网状无线个域网实现多种呼叫信息的可靠传输和移动响应。实验表明,该系统具有稳定性好、呼通率高、终端设备功耗小等优点。     

瑞利分布的可靠性分析

基于逐步增加Ⅱ型截尾样本,研究了瑞利分布可靠性指标的贝叶斯估计及其容许性。在不同的损失函数下给出了分布参数、可靠度函数、失效率函数的贝叶斯估计及参数的最短可信区间估计,并证明了贝叶斯估计具有容许性。最后运用蒙特卡洛方法对各结果的均方误差进行了比较。     

基于二进制粒子群算法的异构传感器网络成本最优节点部署机制

节点部署作为无线传感器网络应用的一个核心问题,是保证网络服务质量的重要手段。针对异构传感器网络节点的高密度部署和监测目标的非均匀分布的情况,提出一种基于二进制粒子群算法的异构节点成本优化部署方法。该算法在满足区域节点部署要求的条件下以最小化传感器节点的部署成本为目标函数进行优化操作,以达到降低网络冗余、提高网络服务质量的效果。仿真结果表明,该算法能快速收敛于最优解,能够降低网络部署的成本,提高网络中目标监测的质量。     

基于粗糙度的近似概念格动态分类集成学习模型研究与应用

概念格(Galois格)是一种进行数据分类学习的有效工具,然而建格规模庞大使分类效率和准确率受到较大影响.将粗糙度理论应用到概念格分类问题研究中,提出一种新型的近似概念格动态建格和分类挖掘集成学习模型(CACLR).该模型在粗糙度区间根据样本空间分布构建多个相对独立分布且比较精确的近似概念格分类器,能及时消除建格过程中大量与分类知识无关的节点,有效缩减原格规模,融合得到的分类挖掘集成学习模型,具有较好的粗糙分类精度和知识预测学习能力.最后进行CACLR分类集成学习模型在标准UCI数据集中的对比实验,有效验证了该模型的实用价值.     

基于一种新的目标识别的边缘爬行算法

针对机器人目标识别的实时性、快速性和鲁棒性特点,依据物体边缘大部分区域的方向缓变原理,提出了一种基于记忆的边缘爬行改进算法.爬行搜索方法的一个明显缺点是"爬虫"容易掉进"陷阱",即围绕某个局部小区域重复爬行.记忆搜索方法则有效克服了爬行搜索方法容易掉进"局部陷阱"的不足.在边缘爬行的同时,通过标号将颜色相近的不同物体分割出来.实验结果表明,与传统方法比较,该方法的边缘线更加完整、清晰,而且缩短了处理图像的时间,使目标识别的实时性和鲁棒性得到了优化.     

S-粗集与数据挖掘单位圆特征

给出单向S-粗集(one direction singular rough sets)、单向S-粗集对偶(dual of one direction singular rough sets)的结构。单向S-粗集与单向S-粗集对偶是改进Z.Pawlak粗集得到的,单向S-粗集与单向S-粗集对偶具有动态特性。给出单向S-粗集、单向S-粗集对偶与Z.Pawlak粗集的关系。S-粗集具有三类形式:单向S-粗集、单向S-粗集对偶、双向S-粗集,利用单向S-粗集、单向S-粗集对偶,给出数据内挖掘、数据外挖掘概念,给出数据内挖掘的外同心圆定理、数据外挖掘的内同心圆定理,并给出其应用。S-粗集是粗集理论与应用研究的新分支。     

面向SOA的异构数据集成体系研究

随着企业的业务变更越来越频繁,业务系统中的异构数据越来越多.采用SOA的设计思想,引入Web Service、XML等技术,提出了一种异构数据集成的方法,给出了一个面向SOA的异构数据集成框架,能有效地应对业务的快速变更,降低异构数据集成中组件的内部耦合度,提高数据集成中组件的复用性和可扩展性.