基于氢研究核石墨中氚的去除

世界现阶段有大量的退役核石墨需要处理,~3H和~(14)C为其中含量最多、需重点去污核素。对于~(14)C来说,低温(不高于700°C)低氧环境下的热处理能比较有选择性地去除核石墨中的~(14)C。基于氚是氢的同位素、与氢具有相同的物理化学特性,本研究通过对三种不同产地的核石墨中氢在350oC的吸附以及400~700oC的解吸行为,探究核石墨中氚的去污工艺。实验发现:三种核石墨的氢吸附量不同,解吸规律大致相同,解吸量随时间的变化上有差异。国产核石墨NG-CT-10、日本核石墨IG-110以及德国核石墨NBG-18的氢总吸附量分别为6.7×10-3 mL·g-1、9.30×10~(-3) mL·g~(-1)以及9.12×10~(-30 mL·g~(-1),其中化学吸附量分别为3.2×10~(-3) mL·g~(-1)、3.0×10~(-3) mL·g~(-1)和0.92×10~(-3) mL·g~(-1)。石墨对氢吸附量上的差异可能来源于三种核石墨的不同制备工艺和物理性质上的一些差异,这些差异主要来自于平均孔径、比表面积、成型工艺以及焦粒粒径上的区别;NG-CT-10有效吸附量所占比最高,表明NG-CT-10有较大量的氚吸附量。400~700oC的核石墨氢解吸实验表明:三种石墨中的氢主要是从700oC开始有效解吸,但各自相对于总吸附量的解吸量有明显区别,NG-CT-10、IG-110和NBG-18在700°C时的解吸量分别为7%、13.5%和70%。由此可得,NBG-18中的氚最易被解吸出来。根据氢在石墨中的吸附模型,700oC解吸出来的氢应该位于石墨晶粒边缘。为了解吸剩余氚,同时不影响~(14)C的有效去除,不提高热处理温度,可能需要改变解吸时的载气组分。     

退役核石墨中氚的去污

核石墨在反应堆的运行过程中,产生大量的放射性核素。其中,氚由于其较高的含量以及极易与环境中的水发生同位素交换而进入环境的特性,被视作核石墨退役中需要特殊处理的对象。根据国际上该领域的相关研究,对核石墨的热处理被认为是现阶段最佳的去氚方法,但是,最终氚的去除效率还受到热处理工艺中各种参数的影响。核石墨中氚去除的热处理温度为至少600°C,载气流速越高,氚的去除效率也就越高,并且,向载气中加入少量的水蒸气能够有效地提高氚的去除效率,而核石墨由于其本身性质的差异以及工作环境的区别,不同核石墨之间的热处理除氚效果也有很大区别。现阶段该领域都是一些定性的研究,还需要通过更多更细致的研究来优化各参数以达到最佳的氚去除效率。国内对于退役核石墨中氚的去除工艺研究还非常少,本文对国际上核石墨去氚的研究进行了综述,希望能为国内相关研究的开展提供参考。     

视频语义模型及评价准则

视频语义模型的目的是表示和管理视频中包含的对象、事件及关系等语义信息,并提供实现语义查询的基础.随着视频技术及与视频相关的应用的发展,对有效的视频语义模型的要求越来越迫切.文章对现有的视频语义模型进行了全面的综述,共包含16种视频语义模型:5种基于标注的模型和11种丰富语义模型.尽管视频语义模型对视频数据库提供查询服务和其它特性来说是至关重要的,但目前仍没有较好的评价视频语义模型的准则.因此,作者提出了针对丰富语义模型的评价准则共22条,并根据这些准则对11种丰富语义模型进行了评价.评价的结果表明这些模型可以满足用户的基本查询要求,但在高级能力方面(如表达能力方面的不确定性和对象历史等,查询能力方面的推理、查询条件重写等)还有所欠缺.而在表示与领域相关的约束以及为语义信息获取提供辅助功能等方面,目前的模型基本上还没有考虑.根据这些评价结果,文章最后建议了视频语义模型未来的研究方向.     

负载感知的存储子系统调优研究

存储IO的性能远远低于CPU、内存的性能，而且它们之间的差距还在扩大。因此，对于越来越多的数据密集型应用系统来说，存储系统往往是系统瓶颈。存储的性能不仅与存储子系统体系结构以及子系统中各部件的性能相关，还与系统的工作负载和应用环境相关。负载感知的性能调优指存储子系统通过对负载特征的分析实现对应用环境的动态感知，并根据负载特征动态调整系统运行策略。负载感知的性能调优使得存储子系统能够更合理地调度存储系统资源，从而提高IO性能。     

流媒体服务中即时响应的层次存储数据放置策略

为了获得较高的性能价格比，流媒体服务器通常采用层次存储技术。由于三级存储设备的机械特性，访问层次存储系统(HSM)中的数据需要很长的响应时间。本文提出了具有即时响应性能的数据放置方法：把流媒体对象特定长度的头部数据预先放置在磁盘上，而数据请求首先从HSM的磁盘上得到响应，在读取磁盘数据期间进行三级存储设备的准备。在特定的头部数据长度以及读取算法下，可以消除访问三级存储设备需要的等待时间。本文给出了此头部数据长度的计算方法以及HSM的数据读取算法。仿真试验表明，只需较小的存储代价，就可以使得HSM系统的响应时间大大降低，而且数据具有良好的连贯性，从而提高了整个系统的性能。     

基于BIRT的报表搜索

BIRT(Business Intelligence and Reporting Tools)是一款具有代表性的开源报表设计软件,根据基于XML的报表模版文件,BIRT能够从关系数据表中提取数据,动态生成报表.报表对象模型(Report Object Model,ROM)是BIRT的报表各元素的格式规范.本文在ROM的基础上,提出一个报表搜索引擎解决方案,该解决方案通过对XML定义的报表设计文件的搜索,定位符合要求的报表文件,并根据查询关键词在报表中的位置,计算报表的权重系数,给出符合用户用意的结果报表列表.同时,根据用户对查询结果的参数设定,动态生成报表,从而更为准确的找到满足用户需求的报表.     

面向数字图书馆的海量信息管理体系结构研究

分析了数据密集型应用的特点,讨论了管理海量数字资源面临的技术挑战和关键问题,并综述了支持高性能数据密集型应用的相关工作,包括标准、技术和应用系统.在分析和比较相关工作的基础上,设计了一个新型的面向海量信息管理的数字图书馆体系结构,并描述了其中的关键功能组件和核心服务模块.最后,给出了一个遵循该体系结构设计和实现的应用实例——清华大学建筑数字图书馆.     

一种基于中间件的自适应动态负载平衡方法

负载平衡是提高分布式系统性能不可缺少的技术,同时也是系统高可用性、可扩展性、容错性的必然要求。该文在分析和研究负载平衡模型的基础上,提出了一种基于消息队列的负载平衡模型,并在此模型下改进了基于阈值的动态负载平衡算法,给出了一种自适应的动态负载平衡算法。最后,在J2EE平台下,进行了实验和性能比较。     

基于内容过滤的个性化搜索算法

传统信息检索技术满足了人们一定的需要,但由于其通用的性质,仍然不能满足不同背景、不同目的和不同时期的查询请求.提出了一种基于内容过滤的个性化搜索算法.利用领域分类模型上的概率分布表达了用户的兴趣模型,然后给出了相似性计算和用户兴趣模型更新的方法.对比实验表明,概率模型比矢量空间模型更好地表达了用户的兴趣和变化.     

基于深度学习的民事案件判决结果分类方法研究

裁判文书数量的快速增长对自动化分类提出了迫切要求,然而已有研究缺乏在民事案件这一细分领域下以判决结果为分类标准的方法的研究,无法实现对民事案件判决结果的准确分类。文中将深度学习技术应用于民事案件判决结果分类领域,通过横向对比多种深度学习模型得出了该领域下表现较好的模型,并依据裁判文书的数据特点对该模型进行了进一步的优化。实验结果证明,Transformer模型的判决结果分类的宏精准率、宏召回率和宏F1分数均高于其他模型。通过对数据预处理流程的优化和对Transformer模型位置嵌入方式的优化,模型的性能指标提升了1%～2%。