高掺量粉煤灰路面试验研究获得成功

据悉，“十一五”期间六盘水市的煤产量将达到4000万t／年，火电装机容量为1000万KW，粉煤灰排放量将逐步增到1000万t左右。为提高粉煤灰的综合利用率，拟将粉煤灰混凝土用于公路路面工程。     

成核剂在聚丙烯改性中的协同作用

介绍了聚丙烯成核剂的种类、特点和成核机理。着重论述了不同成核剂及成核剂与其它助剂之间在聚丙烯改性中的协同效应。研究表明，协同效应可以显著改善聚丙烯的热力学性能、物理机械性能和光学性能，显著提高成核剂的使用效果。并对其发展提出了建议。     

新除草剂alloxydim的开发和工业化

日本曹达公司充分利用过去开发新农药所积累的知识,合成和筛选了许多化合物,开发成功新除草剂alloxydim。该药以75％水剂出售,对禾本科杂草有优异的防除效果,而对甜菜、大豆、棉花、蔬菜等阔叶作物无影响,有优良的选择性,已在欧洲等地作为以甜菜田为中心的茎叶处理剂使用。1980年5月在日本注册,用于防除大豆等旱田的禾本科杂草,发挥了卓效。     

呋喃丹防治茶苗根结线虫病有良效

茶苗根结线虫病又称根瘤线虫病,是一种危害性较大的世界性病害,有些地区的苗圃常因此病而造成大量死苗乃至全圃被毁。目前已知我国浙江、广东、广西、四川、云南、贵州及台湾等省(自治区)均有发生,而浙江省除舟山地区尚待查明外,其他各地区先后都已有发现。鉴于此病对茶苗危害的严重性,多年来浙江农业大学植保系曾对它进行了调查研究,除了已初步明确其发生规律、农业防治措施和病原线虫主要是南方根结线虫(Meloidogyneincognita)与花生根结线虫(M.arenaria)少数是爪哇根结线虫(M.javanica),以及在杭州郊区茶苗上每年发生不完整的八代等问题     

受限节点的WSNs非均匀分簇算法应用研究

针对常规分簇路由算法不能有效解决节点位置、能量、频段受限的固态发酵温度检测无线传感器网络(WSNs)中节点过早死亡和能耗不均衡的问题,提出了一种基于粒子群优化(PSO)算法的非均匀分簇路由协议。首先,根据网络规模选择固定数目的簇首节点,然后,引入PSO算法和非均匀分簇机制,以簇首节点覆盖范围和簇内节点与簇首之间平均欧氏距离作为评价函数的影响因子,选取一组最优簇首。仿真实验结果表明:所提算法有效改善了受限节点无线测温网络"热区"效应,均衡了节点能耗,显著延长了网络生存周期。     

热老化对恒定内压下PE管材性能的影响

为了研究热老化对恒定内压作用下的PE管材结构和性能的影响,在80℃水浴环境中对聚乙烯管进行了长期压力测试,通过力学性能测试、热重试验、DSC测试以及衰弱全发射红外光谱试验,分析了老化过程中管材的结构和性能变化。结果表明,在老化过程中,随着老化时间的增加,PE管材抗氧化剂逐渐被消耗,2 200 h时,老化管材的氧化诱导期降低至原始管材的73. 1%;随着老化时间的延长,管材表面发生氧化,产生了羰基(—CO)与羟基(—OH)等含氧基团。热老化使PE分子链发生了以交联为主的化学反应,导致管材的热稳定性上升。结晶度增加、分子链交联以及管材表层氧化等,导致拉伸强度略有提升,而管材的断裂伸长率和冲击强度分别下降了27. 5%、28. 9%。     

可控源大地电磁法在地质灾害勘察中的应用研究

基于石膏矿产的物性特征,根据断层（破碎带及含水裂隙）和矿体上覆的淋滤灰岩富含水特性差异,在视电阻率曲线上呈现良导电的低电阻率反映,推断和解译矿体周围岩体含水性分布情况及断层位置,取得了较好的地质效果。实践证明,可控源大地电磁法是一种可靠的、理想的矿山地质灾害勘察物探手段。     

基于马氏距离和H-K聚类的空值估计研究

传统的基于欧氏距离和K-means聚类算法的空值估计算法容易因为欧氏距离对量纲的敏感性和初始聚类中心对K-means聚类效果的影响产生估值误差。将层次聚类算法和K-means聚类算法有机结合起来的H-K聚类算法克服了K-means算法对初始聚类中心的敏感性,从而改善了聚类效果。与欧氏距离不同,马氏距离可以避免量纲的影响。为此提出一种改进的空值估计算法,将H-K聚类应用到空值估计算法中进行聚类,在聚类时采用马氏距离代替欧氏距离,在聚类后使用多元线性回归法计算样本中的空值。实验结果表明改进后的空值估计算法使得估计值的绝对误差率(MAER)得到降低。     

霉菌克星—富马酸二甲酯的合成与应用

霉菌是人类乃至整个生物世界生命的大敌。我国常用的食品防霉剂为苯甲酸及其钠盐、丙酸钙、山梨酸等。苯甲酸及其钠盐因对人体有害在美国及其它发达国家已提出“禁用”问题;丙酸钙和山梨酸及其盐的使用,在酸性条件下效果较好,使用范围受到了局限。近年来,国外报道了防霉剂富马酸二甲酯(Damethyl Fumarate,以下简称DMF)的优异防霉效果。我们于1986年底完成了DMF     

基于生成感知差异的无参考图像质量评价模型

人眼视觉系统中的视觉感知差异是图像质量评价过程中的重要组成部分,通过感知失真图像与原始图像之间的视觉差异,可对图像的失真程度进行判断,然而在无参考图像质量评价中无法获取原始未失真的图像,且缺乏对失真图像的视觉感知差异。通过对深度学习中的生成对抗网络进行分析,提出一种基于生成视觉感知差异的无参考图像质量评价模型。利用生成对抗网络产生与失真图像相对应的视觉感知差异图像,并将其与失真图像输入质量评价网络以进一步学习图像的失真信息,从而达到评估图像质量的目的。在TID2008和TID2013数据库上的实验结果表明,与CNN、SOM、CORNIA等模型相比,该模型能够使失真图像质量预测准确度提升1个百分点以上,且对不同种类失真也表现出良好的预测性能。