排序方式: 共有3条查询结果,搜索用时 15 毫秒
1
1.
针对国内环保型抗高温抗盐降滤失剂种类较少,分子结构过于单一的现状,以1-溴代十二烷为引发剂,对羟乙基纤维素进行改性,使其与纳米碳酸钙接枝共聚,使接枝共聚物大分子链间产生分子内或分子间的缔合作用,形成了不同形态的超分子网络结构,并与纳米颗粒相互作用形成稳定结构以增强其相关性能,合成了一种新型的耐温抗盐的微纳米环保型降滤失剂MND-1。该降滤失剂体积小,比表面积大,表面活性羟基多,可形成以氢键和范德华力连接的空间网架结构,这种空间结构的强度有限,在高剪切作用下容易被破坏,溶液的黏度下降,当剪切速率降低后,大分子间的缔合作用形成的交联网络结构重新形成,黏度恢复,空间网架结构的破坏和恢复形成了动态平衡,体现了优异的剪切稀释性,可有效封堵滤饼和微纳米空隙,起到降滤失作用。通过对MND-1性能评价结果得出,MND-1有优异的降滤失作用,在淡水、盐水、饱和盐水中降滤失性能良好,在180℃、16 h下的饱和盐水基浆中的API滤失量仅为6.8 mL,易生物降解,EC50为4.3×104mg/L,环保性能良好,可用于高温高盐且对环保性要求较高的地层。 相似文献
2.
3.
社交平台上文本和图像相结合的多模态谣言比纯文本谣言更易于误导用户,因此研究多模态的谣言检测方法具有重要意义。现有方法大多只是对各个模态特征直接进行向量拼接,忽略了模态间联系,不能充分利用多模态信息。为了解决上述问题,提出了一种基于双预训练Transformer和交叉注意力机制的多模态谣言检测模型:首先使用预训练的Transformer(BERT和ViT)分别提取文本单词和图像的特征,克服了训练样本小的局限性;然后使用交叉注意力机制将文本和视觉特征进行特征融合,充分地学习到两种模态间的潜在联系;最后将得到的多模态融合特征输入谣言检测模块进行分类。实验结果表明,该模型在Twitter和微博数据集上的检测性能均高于多模态基准模型,有效性和泛化性进一步提升。 相似文献
1