曝气微电解-双氧水工艺处理炼厂焦化废水

采用曝气微电解－双氧水工艺处理炼厂焦化废水,考察了废水pH、反应时间、双氧水投加量以及空气流量等因素对废水COD、NH3－N2、除率和BOD／COD比值的影响。结果表明,在pH5～7、铁稻用量100g／L、双氧水（浓度为30％）用量2mL／L,反应时间1．5h、空气流量60L／h（实验废水量150mL）的条件下,COD、NH3－N的去除率分别为37.6％和299％,BOD／COD比值从0．25提高到0．66,废水可生化性提高。     

一种低凝点柴油抗磨剂的研制

采用脂环酸与1, 3 - 丙二醇为原料, 甲苯为带水剂, 合成了一种柴油抗磨剂。考察了酸醇物质的量比,反应温度及反应时间对酯化率的影响, 并利用红外光谱对产物结构进行表征。结果表明, 当脂环酸与醇的物质的量比为2. 1∶1、 反应温度为1 5 0℃、 反应时间1. 0 0h时, 酯化率可达到9 6. 1%, 红外光谱结果表明合成的产物是目标产物。合成产物具有较高的运动黏度和较低的凝点, 添加质量分数为2 0 0μ g / g的合成产物到加氢柴油中, 可有效改善其抗磨性, 同时降低柴油的凝点。     

基于密集卷积神经网络的全卷积池化算法

目前用于图像识别的大多数卷积神经网络(CNN)都使用相同的原理构建,即:卷积层、池化层、全连接层.文中使用密集卷积神经网络重新评估了用于图像识别的所有组件,并对池化层不存在的必要性提出了质疑.经过实验,分析发现池化层可以由步幅增加的卷积层代替,却不会降低图像识别的准确率.研究中则在DenseNets上训练提出的由卷积层替代池化层的方法,组成新的卷积神经网络体系结构,并在多个图像分类的数据集(CIFAR-10,SVHN)上产生了先进的性能.本文提出了基于密集卷积神经网络(DenseNets)的全卷积池化算法,提高了图像分类的准确率.最后,在多个经典数据集上进行比较,实验结果验证了全卷积池化算法的高效性.