冬季活性炭层上微生物的硝化性能研究

为解析工艺运行过程中氨氧化能力和硝化能力变化的原因,研究了冬季活性炭层上微生物的硝化性能。结果表明,在冬季,当有机碳浓度不高、溶解氧充足时,活性炭层对氨氮的去除率达到34%,0.3、0.8、1.3、1.6 m处(自上而下)的炭层对氨氮的平均去除率分别为5.2%、8.3%、11.5%、8.8%。不同活性炭层上的生物量差别不是太大,均值为17.1×108个E.coli/g活性炭。亚硝化菌、硝化菌占细菌总数的比例较大,已成为优势种群。     

西北电网水调信息管理系统研究

信息管理系统在电网的生产和安全经济运行中日益重要，水调信息管理系统作为电网信息管理系统中不可分割的一部分，其设计以及实现对于电网安全运行、水电站水库防洪、发电等意义重大，本文着重探讨了西北电网水调信息分类、信息管理系统功能以及其实现。     

日本和风建筑的现代形式解读——以桂离宫为例

选取日本古典园林建筑的杰出代表桂离宫为研究案例,从形式解读人手,进行了空间构成和材料建构的分析.从总平面图到建筑细部等不同层面,以图解的方式,分类概括总结出其所具有的现代特质,并结合当代建筑的实例进行对比,从而揭示出传统和风建筑所蕴含的现代性和其对日本建筑和当代建筑文化的巨大影响.     

扬水站挡水墙地基加固工程

扬水站挡水墙地基加固工程张灵（辽宁省轻工业设计院沈阳市１１００３１）关键词防渗，动水压力１工程概况：锦州盐场第一扬水站设计在渤海湾的大小凌河之间，由引潮沟纳潮，西侧为泄卤沟。在扬水站进水闸前的引潮沟与泄卤沟之间用一道钢筋混凝土挡水墙分隔，墙两则进水闸...     

任务驱动法在“电力系统”课程改革中的应用

发电厂及电力系统专业是郑州电力高等专科学校电力技术类的主要专业之一,也是郑州电力高等专科学校基于工作过程的教学改革试点专业。"电力系统"课程是发电厂及电力系统专业的一门主干课程,电力系统潮流计算、短路计算和分析内容较多,既是该课程的重点,也是难点,学生往往不能很好的掌握,为了提高教学效果,在学习电力系统潮流计算和短路计算中引入了任务驱动教学法。介绍了如何将任务驱动法运用于电力系统潮流计算和短路计算的教学改革中。     

两种油田用阴-非离子表面活性剂PDES和ODES的性能

为揭示不同结构表面活性剂的性能特征,对棕榈酸二乙醇胺聚氧乙烯醚磺酸盐钠(PDES)和油酸二乙醇胺聚氧乙烯醚磺酸盐钠(ODES)两种磺酸盐型阴-非离子表面活性剂的表面活性性能进行了研究。结果表明:DPES和ODES溶液的临界胶束浓度ccmc分别为1.14×10-3、6.67×10-4mol/L,相对应的表面张力γcmc分别为38.40和35.68 m N/m;随着温度和矿化度升高,ccmc逐渐减小,γcmc逐渐降低。DPES和ODES的Krafft点均低于常规阴离子表面活性剂,分别为17℃和14℃,浊点均大于110℃,溶解性好,具有优良的抗高温性能。质量分数0.5%的PEDS和ODES在Na+浓度为100 g/L或Ca2+浓度为4 g/L的矿化水溶液中均未出现沉淀,表现出了极强的耐盐性能。     

矿物掺合料与纳米材料复掺在水泥基材料中的应用

水泥硬化浆体和水泥石是由众多的纳米级的粒子、水化凝胶体和众多的亚微米及纳米级的孔、毛细孔、结构缺陷以及尺寸较大的结晶型水化产物所组成的。可将水泥石中的孔隙按孔径大小分为四级：     

面向多源数据的可扩展主题建模分析框架

随着信息技术的不断发展和应用,大量信息系统积累了海量多源异构数据,这些数据中有很大一部分都是结构化数据,具有高维度、低质量、无标注等特点,难以进行特征提取与进一步的知识提炼。主题建模是文本处理和数据挖掘中的一个非常重要的方法,它是一种无监督学习算法,最初用于对无结构的自然语言文本进行建模,可以有效地从文本语义中提取主题信息,以进行特征提取和降维分析,然而主题建模技术尚不能很好应用在关系复杂的多源数据,尤其是结构化数据的处理中。提出了一个基于可扩展主题建模技术的针对结构化与非结构化多源数据分析框架,通过数据导入、数据分析、数据可视化三个步骤对多源数据进行基于主题建模技术的数据分析,并在此基础上实现了一个多源数据分析工具,最后通过两个数据集的实验证明了所提的多源数据分析框架的有效性。     

智能化娱乐系统设计在邮轮舱室中的应用研究

中国的豪华邮轮产业刚刚起步,作为一种新兴的高端娱乐娱乐消费方式,设计者需要真正按照"以人为本"的原则,研究不同类型、不同层次用户在邮轮全航程中的需求。文章通过对不同类型舱室中人群的需求,量身定做满足不同用户需求的智能化娱乐设施,让乘客全身心的享受邮轮旅程,真正体现出邮轮的"服务"附加值。     

结合结构自相似性和卷积网络的单幅图像超分辨率

针对单幅图像超分辨率（SR）复原病态逆问题,在重建过程边缘细节丢失导致的模糊,提出一种结合结构自相似和卷积网络的单幅图像超分辨率算法。首先,通过将尺度分解获得待重构图片样本的自身结构相似性,结合外部数据库样本结合作为训练样本,可以解决样本过于分散的问题;其次,将样本输入卷积神经网络（CNN）进行训练学习,得到单幅图像超分辨率的先验知识;然后,利用非局部约束项自适应选择最优字典重建图像;最后,利用迭代反投影算法对图像超分辨率效果进一步提升。实验结果表明,与双三次插值（Bicubic）方法、K-SVD算法和基于卷积神经网络的图像超分辨率（SRCNN）方法等优秀算法相比,所提算法可以得到边缘更为清晰的超分辨率重建效果。