天然气总硫在线分析标准化研究

随着天然气产业绿色发展的趋势,天然气产品质量快速升级,关键指标总硫含量的分析测试技术水平也亟需提升,以满足在线监测的生产需求。在对天然气产业及技术指标发展动态的广泛调研和分析基础上,介绍了已取得的总硫检测技术国际标准化研究成果,并开展了3种总硫在线检测方法（GC-μTCD、GC-IMS、GC-FPD）的检测限、重复性、相对一致性的实验研究。结果表明,3种方法具备检测天然气中总硫（硫化合物加和）的能力,为未来总硫在线分析方法选择和优化奠定了基础。最后,提出实现天然气总硫在线检测是未来发展的必然趋势,下步将继续深入开展在线总硫色谱法检测技术和国际标准化工作,为天然气绿色发展提供技术支撑和标准化保障。     

有机硅材料在医用领域的应用研究进展

介绍了有机硅材料在生物医用领域,包括体内、体外和血液中的应用。体外可用作敷料、医用胶带等需要与皮肤接触的制品;体内应用如导管、支架等与人体器官或组织直接接触的制品需要考虑其毒性、抗菌性等;在血液中的应用则是作为药物载体负责药物的靶向运输、缓释等。     

超高分子量阴离子型聚丙烯酰胺P(AM-AC)的制备研究

以丙烯酰胺(AM)与丙烯酸(AC)为反应单体,采用水溶液聚合法在复合引发体系下制备超高分子量阴离子聚丙烯酰胺,重点探讨引发剂的用量、单体浓度、初引发温度、pH值等因素对聚合物特性黏数的影响.实验结果表明,最佳的制备工艺参数如下:氧化还原引发剂的质量分数为0.025％,二级引发剂偶氮二异丁咪唑啉盐酸盐(V-44)的质量分...     

基于使用需求的南京国家领军人才创业园配套设施规划研究

随着产业结构转型,南京实施“退二进三”战略,对传统工业片区进行功能转换。在旧改类创意产业园的改造过程中,主要侧重于建筑改造、业态策划和空间设计,对于配套设施研究较少。文章在实地调研基础上,对南京国家领军人才创业园配套设施的现状布局、主要节点和使用需求进行分析,总结出配套设施现存问题和影响使用需求的特性。根据使用者实际需求,提出配套设施空间优化引导和设计实施策略,对旧改类创意产业园改造提供参考。     

长江河口段潮位预报及实时校正模型

针对长江河口段潮位周期性变化规律,采用调和分析法建立了潮汐预报模型,根据对分析期若干年潮位推算揭示了误差与上游径流闻关系,并建立了以上游大通水文站实测流量为输入的实时校正模型.潮汐预报模型与实时校正模型相结合,既可提前预知长江河口段的水情,又能根据动态掌握的大通流量信息对前期预报结果实时校正以提高预报精度,对类似河段的潮位预报具有参考价值.     

基于粗糙集理论的汽轮机组回热系统故障诊断模型

在分析了汽轮机组回热系统现有故障诊断方法无法解决冗余征兆的不足之后,提出了一种基于粗糙集理论的故障诊断模型。该模型从回热系统典型故障模式出发,通过连续征兆属性的离散化建立了故障诊断决策表;利用遗传算法实现了故障征兆属性约简,并提出了结合领域知识的最小约简择优策略,然后通过给出的决策规则约简的基本原则,得到用于故障诊断的决策规则库。在应用该模型进行故障诊断时,用待诊实例的离散化了的故障征兆属性与规则库中的诊断决策规则进行匹配,对返回的诊断决策规则进行综合评价,并得出诊断结论。利用电站仿真机模拟典型故障进行了故障诊断模型的验证,实践表明,该模型可以有效地约简冗余的故障征兆,并具有较好的诊断效果和一定的容错能力。     

产超广谱β-内酰胺酶沙门氏菌的分布与基因型研究

目的 了解不同来源的产超广谱β-内酰胺酶(extended-spectrumβ-lactamase,ESBLs)沙门氏菌的分布特征以及耐药特点.方法 分离来自食品与食物中毒患者体内的沙门氏菌,用双纸片法筛选产ESBLs沙门氏菌;采用最低抑菌浓度(minimum inhibitory concentration,MIC)...     

凝析油环境下缓蚀剂的防腐性能及乳化倾向性研究

以海外阿姆河某气田为例,介绍了在产凝析油气田中缓蚀剂通常面临的主要问题,包括汇管积液部位防腐效果不佳,气田水乳化问题。通过室内实验对凝析油环境下缓蚀剂的性能进行了相应的评价研究。从缓蚀剂的物理化学性质的角度简要分析了出现这些问题的原因,并提出了今后缓蚀剂的研发及优化方向。     

基于BiLSTM-CNN串行混合模型的文本情感分析

针对现有文本情感分析方法准确率不高、实时性不强以及特征提取不充分的问题,构建了双向长短时记忆神经网络和卷积神经网络（BiLSTM-CNN）的串行混合模型。首先,利用双向循环长短时记忆（BiLSTM）神经网络提取文本的上下文信息;然后,对已提取的上下文特征利用卷积神经网络（CNN）进行局部语义特征提取;最后,使用Softmax得出文本的情感倾向。通过与CNN、长短时记忆神经网络（LSTM）、BiLSTM等单一模型对比,所提出的文本情感分析模型在综合评价指标F1上分别提高了2.02个百分点、1.18个百分点和0.85个百分点;与长短时记忆神经网络和卷积神经网络（LSTM-CNN）、BiLSTM-CNN并行特征融合等混合模型对比,所提出的文本情感分析模型在综合评价指标F1上分别提高了1.86个百分点和0.76个百分点。实验结果表明,基于BiLSTM-CNN的串行混合模型在实际应用中具有较大的价值。