蒙脱土改性三元共聚高吸水树脂制备与性能研究

以酸处理有机蒙脱土为改性剂,采用水溶液聚合法制备蒙脱土改性丙烯酸基三元共聚高吸水性树脂。在丙烯酸∶丙烯酰胺∶烯丙基磺酸钠单体质量配比为8∶4∶0.5,中和度70%,反应温度75℃,交联剂用量为单体的0.1%,引发剂用量为单体的0.18%和有机蒙脱土用量为单体的4%条件下,所制得树脂的吸水倍率、吸生理盐水倍率和吸人工尿液倍率分别为735.6,58.5,46.6 g/g。     

景区行人检测YOLOv5-GSPE算法模型研究与实现

针对景区内高密度行人检测中遮挡与小目标行人漏检率高、模型复杂度高、计算量大的问题,提出一种YOLOv5-GSPE改进算法模型,在保证精度的同时改善检测效果,降低模型复杂度。改进算法模型通过GhostConv优化主干网络中常规卷积(Conv)降低模型复杂度,并使用空洞卷积改善SPPF模块中池化操作带来的特征信息丢失,提升模型检测时效性,增强主干网络特征提取。提出一种增强的特征金字塔网络—PrFPN,使用同层连接进一步丰富原始输入特征的融合,减少特征提取过程中的特征损失。将引入正态分布计算优化后的EIoU损失函数作为边界框回归损失函数,提高边界框定位精度。实验结果表明,YOLOv5-GSPE算法模型对比YOLOv5s模型在保证检测时效性的情况下整体复杂度降低了12.51%,基于Pedestrian测试集的平均精度提升4.05%,基于WiderPerson测试集的平均精度提升3.28%,并降低了行人遮挡及小目标漏检率,改善了检测效果,该模型的可行性与有效性得到验证。     

基于人工神经网络的“零数字”音频水印算法

提出了一种基于人工神经网络的数字音频水印算法.利用人工神经网络学习和自适应的特征,将音频信号的重要特征作为人工神经网络的输入,通过人工神经网络的学习,建立音频信号与水印信息的对应关系,达到在不修改音频信号情况下把水印"嵌入"到原始音频信号中.实验结果表明该算法具有很强的鲁棒性和抵抗常用信号处理方法处理的能力,并且在提取水印时不需要原始音频信号.     

面向电力用户的群簇核心推荐算法

目前,电力用户的缴费方式仍以线下为主,长期以来造成了电力企业运营成本高、管理压力大等问题.传统的线上引流方法用户增长速度慢,用户粘性差.为快速转变电力用户长期以来所形成的线下缴费方式,提出采用基于群簇核心用户的推荐模型.电力用户的缴费行为表现出一定的群聚性和周期性,群簇核心用户不仅可以精准地代表某一类簇的行为特征,还可以间接地影响相关用户,实现新型缴费方式的快速传播,从而加速线上用户的增长速度.此外,提出的模型具有速度快、可并行、易迁移、易操作等特点,实现了一户一方案的精准推荐,在大规模电力用户数据下表现出了极高的应用价值.仿真实验结果表明,所提算法在进行电力用户精准引流时,在召回率和精确度等指标上具有较好的效果.     

HC冷轧机静态特性有限元分析

通过分析1720HC冷轧机工作原理及性能特点,建立了1720HC冷轧机工作机座三维模型及有限元模型。与以往模型相比,该模型充分考虑了由于窜辊、辊形、单侧驱动等因素带来的辊系不对称缺陷,最大程度减少了假设,极大提高了计算精度及结果可信度。按1#轧机最大轧制力施加载荷,在进行接触设置、约束后进行有限元模拟,得到最大轧制力下,工作机座应力、应变分布规律。其后分别对辊系及机架进行强度和刚度分析,并计算出轧机工作机座刚度为12470kN／mm。分析认为轧机结构合理,满足生产要求。计算结果不仅为HC冷轧机工作机座的结构设计提供理论指导,且对板形控制及轧制规程的制定具有实用价值。     

中国公众科学素养性别差异研究

以2005年中国公众科学素养调查为依托,参考国内外研究资料,对公众科学素养测评题进行分类评分;利用SPSS对调查数据进行尝试分析研究,对影响科学素养的部分社会背景变量进行多元线性回归分析;特别是注重性别因素的影响,并根据计算分析建立了相应的多元线性回归模型.     

2007领导干部和公务员科学素质典型调查

本文通过借鉴历次中国公众科学素质调查经验,针对领导干部和公务员这一重点人群设计问卷,进行科学素质状况调查.通过调查了解了领导干部和公务员科学素质水平及特点,认识到从领导干部和公务员科学素质行动实施的重要意义,为<全民科学素质行动计划纲要>的实施从理论和实践两方面提供了参考.     

自有幽香,花开满庭芳

正刻玉玲珑,吹兰芬馥,搓酥滴份丰姿。缟衣霜袂,赛过紫辛夷。自爱临风皎皎,笑溱洧、芍药纷遗。藐姑射,肌肤凝雪,烟雨画楼西。开齐,还也未。绵苞乍褪,鹤翅初被。称水晶帘映,云母屏依。绰约露含日,冰轮转、环参差。问琼英,返魂何处?清梦绕瑶池。她拥有很多名字:辛夷、玉堂春、望春、玉树、木兰、玉兰……她拥有好几种颜色:黄色、紫色、白色。秋风真正来临之前,她早早脱光了叶子,春雨真正来临之前,又迫不及待穿上新