铬渣污染砂土修复的试验研究

根据某化工厂铬渣污染场地初步污染调查结果,选择污染场地中受污染砂土作为研究对象,进行了形态分析与酸淋洗试验研究.结果表明,砂土中铬主要以酸溶态铬为主,最高达96%.在形态分析的基础上,选择2%～6%的盐酸作为淋洗剂,进行淋洗可行性研究,研究结果表明,淋洗后可使铬总量达到加利福尼亚州土壤总铬限值,总铬去除率达到88.8% ～92.6%.     

再生粗骨料混凝土抗冻性试验研究

再生混凝土的研究与应用对于保护环境具有重大意义,其耐久性则是影响生产应用的重要指标.重点研究了再生粗骨料取代量、矿物掺和料等因素对再生混凝土抗冻性的影响.结果表明：再生粗骨料混凝土的质量损失率均满足5%的试验要求,且质量损失率随着再生骨料取代率的增加而下降;再生粗骨料混凝土的相对动弹模量低于天然骨料混凝土,达到了冻融循环抵抗性指标,满足抗冻性要求;掺普通矿粉的再生混凝土比掺粉煤灰的再生混凝土抗冻性好;硅灰对提高再生混凝土（掺粉煤灰）的抗冻性有明显作用.     

大孔/介孔NiO/g-C_3N_4复合材料的制备及其可见光光催化活性

在本章中,以丁二酮肟与四水合乙酸镍为原料制备出一种新型的分等级大孔/介孔NiO,再与三聚氰胺混合,通过煅烧成功制备出大孔/介孔NiO/g-C_3N_4复合光催化剂。所制得的样品通过X-射线粉末衍射(XRD)、红外光谱分析(FT-IR)、比表面积(BET)、扫描电镜(SEM)等手段进行了表征。所有样品通过在可见光下降解罗丹明B(RhB)水溶液以评估其催化活性。实验结果表明,当氧化镍和三聚氰胺质量配比为1∶80时,NiO/g-C_3N_4复合材料的光催化活性最高。     

还原温度对熔盐修饰Ni/MgO双功能材料CO2吸附-甲烷化一体化性能的影响机制

CO₂捕集-转化一体化是实现烟气CO₂减排和洁净能源高效存储的重要策略,也是加速实现碳中和的关键负碳排放技术,而兼具高CO₂吸附容量和催化活性的双功能材料构筑是关键。基于碱金属熔盐修饰Ni/MgO双功能材料CO₂吸附-甲烷化的技术路径备受关注。碱金属熔盐的稳定性和Ni活性组分的还原是提升熔盐修饰Ni/MgO双功能材料CO₂吸附-甲烷化性能的关键。构筑了NaNO₃修饰Ni/MgO一体化双功能材料,考察了还原温度对其CO₂吸附-甲烷化一体化性能的影响规律。结果表明,双功能材料中的碱金属熔盐在低温条件下(～300℃)可促进CO₂和MgO溶解扩散,提升CO₂吸附性能,而较高的温度(>340℃)导致CO₂和MgO溶解扩散受阻,熔盐组分迁移覆盖活性位点,致使材料攒聚烧结和熔盐分解,造成其吸附性能衰减。还原温度提高有利于NiO还原,可提高CH₄产量、CO<...     

色谱-质谱联用技术在食品检测中的应用

色谱-质谱联用技术是近年来迅速发展的一类技术。本文综述了色谱-质谱联用技术在食品检测中的应用,分别介绍了气相色谱-质谱联用技术、液相色谱-质谱联用技术、离子色谱-质谱联用技术的原理和技术特点,并结合具体实例对各项技术的应用加以阐述。在食品检验过程中,应根据未知样品的特点,选择适当的色谱-质谱联用技术,建立起高效、灵敏的检测方法,对其进行定性定量分析,以保证食品安全。     

EK-PRB联合修复技术及其应用进展

介绍了一种新兴的绿色土壤修复技术——EK-PRB联合修复技术,根据近年来的相关研究进展,综述了该技术修复有机物、重金属及其他物质污染土壤的应用进展,指出了该技术目前还存在的一些问题．     

解决大城市交通的新方案：智慧交通

住房和城乡建设部连续公布了两批共193个智慧城市的试点名单，包括发改委在内的八部委也联合发布了《关于促进智慧城市健康发展的指导意见》。新型城镇化背景下的智慧城市建设被决策层寄予厚望。     

重金属污染土壤修复清洗剂的研究进展

土壤清洗技术是一种经济的、应用性强的技术.综述了重金属污染土壤修复清洗剂的研究现状,探讨了重金属污染土壤修复清洗剂的研究方向,提出来源广泛、可生物降解的高效清洗剂,如天然有机酸、生物表面活性剂等,是今后重金属污染土壤修复清洗剂的研究重点.对于复合污染的土壤,使用复合淋洗剂也是目前的一个研究方向.清洗剂的再生和循环利用,对于土壤清洗技术的大规模应用具有重要意义,它将大大降低土壤修复的成本.     

小企业融资的破冰之旅

小企业融资难问题由来已久，已经成为制约小企业发展的最大障碍，但不容忽视的是，我国国民经济的1／3正是来自小企业的贡献。[编者按]     

基于PSO算法的系统可靠性优化分析

提出了将粒子群优化算法(Patticle Swarm Optimization Algorithm,PSO)用于求解系统可靠性优化问题,建立了系统的可靠性模型,分别采用遗传算法(Genetic algonthm,GA)和PSO算法进行了优化仿真,结果表明采用PSO算法和GA算法都能实现系统可靠性优化,但是相比之下PSO算法的计算精度和求出最优解的概率更高,需较少的迭代次数,能更稳定的求解最优解,而且没有求解早熟的弱点,因此PSO算法更适合于系统可靠性优化。