邯郸市煤气公司铁西储配站10万m3气柜开始停产检修

为进一步提高邯郸市煤气安全运行保障能力,近日,邯郸市煤气公司对铁两站10万m3干式气柜进行停产检修,检修工期约需43天。     

There's no smoke without fire与"无风不起浪"——谚语翻译中的意象与文化信息的传递

谚语是用简单通俗的话语,通过类比的方式反映深刻的道理.谚语翻译传递源语谚语中的喻义和文化信息.There's no smoke without fire 与"无风不起浪"看似相同,但二者在概念意义和联想意义上都有所不同.为更有效地传递源语谚语所表达的联想意义,谚语翻译应采用以异化为主、以归化为辅的翻译策略.     

监控班异常信号处理浅析

监控员负责受控站设备的监视工作,主要包括事故、异常、越限、变位信息,异常发生时,监控员应对异常信号、时间等重要相关信息做出初步分析,通知运维人员现场检查处理。同时将情况汇报上级调度。     

改善大型鸡舍空气质量的探讨

针对现代化鸡场高密度饲养使鸡舍产生过量有害气体,导致鸡的产量及鸡肉品质下降问题,采用数值模拟方法,建立数学模型,分析进风口数量、位置、入射角度及风机流量变化对整个鸡舍通风状况的影响,探讨最佳通风方案,在最短时间消除舍内有害气体.结果表明,入射角越大,两个入射口间距越大,流场覆盖面越广,流动效果越好.     

莱鲍迪苷A在甲醇-水体系中溶解度与超溶解度的测定

测定了莱鲍迪苷A在甲醇溶液中的溶解度和超溶解度曲线,并用数学模型进行了拟合,同时还测定了温度、降温速率、搅拌速率对甲醇溶液中莱鲍迪苷A介稳区宽度的影响。结果表明,莱鲍迪苷A在甲醇溶液中的溶解度随着温度的升高而增加,而介稳区宽度随着温度的升高而减小,随着降温速率的增加而增大,随着搅拌速率的增加先减小后增大。     

基于FY-3D/MERSI-Ⅱ的积雪面积比例提取算法北大核心CSCD

风云三号D星(FY-3D)是我国新一代极轨气象卫星。中分辨率光谱成像仪(MERSI-Ⅱ)是其携带的核心传感器之一,FY-3D对于全球数值天气预报、大气定量探测以及气候变化监测等具有重要意义。积雪面积比例产品是众多陆面产品之一,是水文模型和区域气候模型的主要输入参数。基于MERSI-Ⅱ数据发展了业务化提取积雪面积比例的算法,算法核心是混合像元分解。空间光谱端元提取(SSEE)的方法自动提取端元,全约束最小二乘法(FCLS)求解线性混合模型。解混结果叠合云掩膜得到FY-3D/MERSI-Ⅱ积雪面积比例数据(FY-FSC)。以Landsat 8的积雪面积比例数据(L-FSC)作为参考值对FY-FSC进行验证,同时将FY-FSC和MODIS积雪面积比例数据(M-FSC)进行比较。结果表明:FY-FSC的总体相关系数(R)为0.54,均方根误差(RMSE)为0.17,绝对平均误差(AME)为0.10;M-FSC总体R为0.41,RMSE为0.26,AME为0.29;利用积雪面积提取的精度评价因子K比较FY-FSC和M-FSC获取的总积雪面积的精度。结果表明:FYFSC和M-FSC数据的平均K值分别为88.51%和86.78%,FY-FSC精度高于M-FSC。FY-FSC将作为试验参数纳入FY-3D/MERSI-Ⅱ积雪覆盖业务产品中,可填补国产卫星业务化反演积雪面积比例参数的空白。     

浮点数编码改进遗传算法在平面度误差评定中的研究

随着智能制造系统的迅猛发展,应用元启发模式计算方法快速、准确地求解平面度误差值凸显出重大现实意义。为进一步提高平面度误差计算精度,研究了一种基于浮点数编码的改进遗传算法,在原有遗传算法的交叉变异基础之上,引入模拟退火思想,建立最小包容区域法的数学模型,通过计算机仿真获得了最佳适应度收敛曲线和平均适应度收敛曲线,优化结果表明相比传统遗传算法,平面度误差计算精度提高了33.67%。本算法采用浮点数编码、三段式交叉、转轮式选择和最优保存策略,借助模拟退火算法的局部搜索优势,提升了算法的整体性能,且更便于计算机编程,可进一步推广应用到智能测量仪器的其他高精度形位尺寸计算问题领域。     

基于WLS的Retinex单幅夜间彩色图像增强方法

为了提高夜间可视效果,针对单幅夜间彩色图像,作者提出一种基于加权最小二乘(WLS)的Retinex增强算法.首先构造优化的颜色恢复函数,然后在HSV(hue,saturation,value)颜色空间下,根据夜间图像的亮度与梯度特性构建WLS框架对图像照度分量进行估计,获得仅包含物体本身特性的反射分量图像,通过颜色恢复函数与Gamma校正等操作进行颜色恢复与补偿,实现夜间彩色图像增强.实验结果表明:该算法增强效果显著,与其他算法相比,具有消除"光晕伪影"现象、抑制噪声、颜色保真和较好保留边缘细节信息等能力.     

基于AMSR2和MODIS数据融合的雪深降尺度算法研究—以北疆地区为例

高空间分辨率雪深数据对于区域气候、水文研究具有重要的意义。利用10 km空间分辨率的AMSR2 L1B亮度温度数据,结合500 m空间分辨率的MODIS逐日无云积雪面积比例数据,发展了一种多源数据融合的空间动态降尺度雪深反演算法（SDD）。基于该算法获取了北疆地区500 m空间分辨率的雪深数据（SDDsd）,并利用研究区30个气象台站和野外实测的雪深数据对该算法反演雪深的精度进行了评估。结果表明：基于SDD方法获取的雪深数据与实测雪深数据之间的决定系数R²为0.74,均方根误差RMSE为3.47 cm;雪深反演的精度与下垫面类型密切相关,草地精度最高,城镇和建设用地次之,耕地相对较差;雪深反演的精度也会受到地形的影响,精度随坡度的增加而降低。相对于微波遥感雪深数据直接重采样结果,新的算法有效提高了浅雪区雪深反演精度,同时能更精细地描述积雪的空间分布,为理解区域气候变化、水文循环提供了可靠的数据支撑。此外,随着长时间序列全球尺度逐日无云FSC数据的生产,结合现有的长时间序列全球尺度AMSR2数据,该算法有望制备全球的降尺度雪深产品。