空分设备气动式阀门与入口导叶的技改与维护检修

介绍了空压机防喘振阀与入口导叶、氧气输送阀与放空阀、分子筛吸附器切换阀存在问题及改造措施,阐述了空分设备低温与常温气动阀门、氮压机入口导叶存在问题及维护检修措施。     

丙烷脱沥青装置调合前沥青的综合利用

在丙烷脱沥青装置加热炉试烧装置自产调合前沥青,通过观察油枪雾化沥青的能力、火嘴的燃烧情况以及燃烧后的烟尘状况,筛选出适合沥青燃烧的油枪,最终实现调合前沥青直接做加热炉燃料、减少重油出厂量的目的。     

从7-ADCA生产过程中环境友好的回收苯乙酸

采用新工艺回收7-氨基-3-脱乙酰氧基头孢烷酸(7-ADCA)生产中产生的苯乙酸,并对苯乙酸回收过程中产生的废硫酸进行处理。采用硫酸(9 8%)洗涤二氯甲烷,硫酸与二氯甲烷适宜的体积比为1∶50,洗涤好的二氯甲烷中含苯乙酸4%。蒸馏出二氯甲烷,趁热向熔融苯乙酸中加入母液,降温析出苯乙酸。晾干的苯乙酸为白色鳞片状,含量大于99%,苯乙酸母液补充部分清水套用到下一批析出苯乙酸。废浓硫酸用芬顿试剂氧化,控制80℃氧化4h,双氧水和七水硫酸亚铁重量比为6∶1,废浓硫酸COD下降85%以上。氧化结束后向废硫酸中加入铁粉和双氧水,制得聚合硫酸铁。     

Evaluation model of green supply chain cooperation credit based on BP neural network

Neural Computing and Applications - More and more enterprises hope to achieve cooperation and win–win. However, many companies often have problems such as insufficient partner credit, which...     

Predicting visual similarity between colour palettes

This work is concerned with the prediction of visual colour difference between pairs of palettes. In this study, the palettes contained five colours arranged in a horizontal row. A total of 95 pairs of palettes were rated for visual difference by 20 participants. The colour difference between the palettes was predicted using two algorithms, each based on one of six colour-difference formulae. The best performance (r² = 0.86 and STRESS = 16.9) was obtained using the minimum colour-difference algorithm (MICDM) using the CIEDE2000 equation with a lightness weighing of 2. There was some evidence that the order (or arrangement) of the colours in the palettes was a factor affecting the visual colour differences although the MICDM algorithm does not take order into account. Application of this algorithm is intended for digital design workflows where colour palettes are generated automatically using machine learning and for comparing palettes obtained from psychophysical studies to explore, for example, the effect of culture, age, or gender on colour associations.     

超高效液相色谱—串联质谱法快速同时检测茶叶中7种香料

基于超高效液相色谱—串联质谱(UHPLC-MS/MS),建立了同时检测茶叶中7种可能非法添加的香料(茴香烯、香豆素、胡椒酚甲醚、指甲花醌、甲基丁香酚、蒲勒酮和反式肉桂醛)的定性、定量方法。茶叶样品经过乙腈—水混合溶剂提取,涡旋振荡,适当稀释并加入无水硫酸钠、十八烷基键合硅胶(C₁₈)和N-丙基乙二胺(PSA)进行净化,涡旋离心后,上清液过膜待测。以Kinetex C₁₈色谱柱分离,在多反应检测扫描(MRM)模式下经MS/MS进行基质外标法定量检测。试验结果表明,7种目标物在0.8~1 600.0 μg/L范围内呈良好线性,线性相关系数(R2)均大于0.999。方法的检出限为0.02~0.03 mg/kg,定量限为0.05~0.10 mg/kg,平均回收率为82.5%~102.5%,日内、日间精密度分别小于16%和18%。该方法快速、可靠、灵敏度高,用于检测市面流通的100个茶叶样品,结果检出了反式茴香脑、香豆素和胡椒酚甲醚等物质,最大浓度值分别为65.0,2.0,72.2 mg/kg。     

水文序列相依变异识别的RIC定阶准则——以自回归模型为例

水文过程相依性是水文变异的主要表现形式之一,应用自回归模型对其进行拟合时合理确定模型阶数是一个难点问题。本文在分析AIC和BIC准则的基础上,提出了一种以原序列与其相依成分的相关系数作为拟合度指标,同时借用信息熵形式的函数式,作为模型不确定性度量指标的自回归模型定阶准则(简称RIC准则)。以AR(1)、AR(2)、AR(3)和AR(4)模型为例进行统计试验,将不同序列长度下该准则的定阶准确率与其他定阶准则进行比较,试验结果表明,RIC准则对于上述模型均具有较好的适应性,且定阶准确率远高于AIC准则,其中对于前三阶模型RIC准则优于BIC准则,但四阶模型略低于BIC准则。RIC准则的优势是可以同时满足模型定阶、相依程度分级与模型检验的需求,将其应用于实测水文序列分析,结果显示,该准则能较准确地识别自回归模型的阶数,且符合提出的"相依有变异而残差无变异的最小阶数"的检验标准。     

基于注意力机制与文本信息的用户关系抽取

随着社交媒体的发展,用户之间的关系网络对于社交媒体的分析有很大的帮助。因此,该文主要研究用户好友关系检测。以往的关于用户好友关系抽取的研究主要基于社交媒体上的结构化信息,比如其他好友关系,用户的不同属性等。但是,很多时候用户本身并没有大量的好友信息存在,同时也不一定有很多确定的属性。因此,我们希望基于用户发表的文本信息来对用户关系进行预测。不同于以往的潜在好友推荐算法,该文提出了一种基于注意力机制以及长短时记忆网络(long short-term memory,LSTM)的好友关系预测模型,将好友之间的评论分开处理,通过分析用户之间的评论来判断是否具备一定的好友关系。该模型将好友双方信息拼接后的结果作为输入,并将注意力机制应用于LSTM的输出。实验表明,用户之间的评论对于好友关系预测确实有较大的实际意义,该文提出的模型较之于多个基准系统的效果,取得了明显的提升。在不加入任何其它非文本特征的情况下,实验结果的准确率达到了77%。