ICp－AES法同时直接测定氟碳铈精矿中稀土和部分非稀土元素

ＩＣｐ－ＡＥＳ法同时直接测定氟碳铈精矿中稀土和部分非稀土元素张义东,曾,刘贵标,韩英辉,赖娟,夏禹谟（赣加稀土有限公司,江西赣县,３４１１００）ＩＣｐ─ＡＥＳ法在混合稀土分析中已有报道（１～３）,但直接测定氟碳铈矿中全部稀土和部分非稀土元素未见报道。...     

ICP-AES法直接测定高纯氧化铒中14个稀土杂质元素

本文采用ＩＣＰ－ＡＥＳ技术,对纯度为９９．９９％氧化铒中１４个稀土杂质元素的直接测定进行了研究,对分析线的选择,工作功率,载气流量,观测高度,进样浓度等条件进行了试验。本法条件下,各分析元素的相对标准偏差小于８％,标准加入回收率介于９２％～１０８％之间。试验证明,本法准确、快速,满意。     

一种硬实时调度算法的可行性判定及实现

实时调度算法是实时系统的关键。验证实时调度算法的可行性是在实时系统中实施某种调度算法的必经环节。本文针对硬实时调度算法中的最早时限优先(EDF)调度算法,分别介绍在简单模型上和复杂模型上如何判定实时任务的可行性。     

基于S3C4510B的USB主控器驱动设计

基于嵌入式系统平台所做的系统扩展随着ARM技术的飞速发展备受青睐。与此同时通用串行总线USB接口技术也得到了广泛的普及。本设计将二者的优势有效的结合,采用ISP1161A1芯片作为USB主控器,主要任务是通过对开发板的功能以及ISP1161A1工作原理的研究,完成基于S3C4510B的主控驱动开发。     

新时期地形测绘研究

本文展望21世纪地形测量学科的发展。由于遥感技术的进步,全球定位系统和惯性测量系统技术的重大突破,地形测量进入了航空摄影地形测量和卫星摄影地形测量的新的发展阶段。先进的地形测绘技术体系正在发展和建立,从地图测绘到影像测绘,多时相、多光波段和电磁波段、多角度遥感影像的获取和使用,使得可视化技术在地形制图、环境制图和相关的空间制图中,得到迅速和广泛的发展和应用。21世纪的地形测绘为人类社会提供服务和经济的可持续发展必将作出贡献。     

不同种类大米黄酒酿造的研究

以10种不同种类的大米为原料,采用相同的工艺进行酿酒,检测分析不同种类大米的成分含量及发酵结束后的理化指标、出酒率、感官评价、挥发性风味物质含量。结果表明,10种不同种类大米酿造的黄酒理化指标和感官评价差异较大,出酒率差异较小。不同香气物质在10种大米原料酿造的黄酒中均有检出,但是质量浓度有所差异,粳米酿造的黄酒中醇类化合物的质量浓度要高于糯米酿造的黄酒。     

市政道路深基坑施工工艺及质量安全控制

随着我国社会经济的飞速发展和人们生活质量的提高,对市政道路的建设提出了更高的要求。在进行市政道路工程施工中,由于城市环境的限制,深基坑的施工工程常会影响其地下管道和附近建筑物的安全。所以对市政道路工程深基坑施工的工艺和质量采取相应的控制措施是必须的。     

页岩气储层总有机碳含量地震定量预测方法及其在四川盆地LZ区块的应用

总有机碳含量(w(TOC))是评价页岩气储层生烃能力的重要指标,也是页岩气甜点预测的关键参数之一.页岩气储层w(TOC)地震定量预测是通过地震岩石物理分析,优选储层w(TOC)敏感参数,得到基于地震弹性参数的w(TOC)计算模型;通过全道集叠前反演获得高精度弹性参数反演数据体,根据计算模型将反演数据体转换为w(TOC)数据体,从而定量预测页岩气储层w(TOC)的空间展布.应用该方法对四川盆地LZ区块上奥陶统五峰组—下志留统龙马溪组页岩气储层w(TOC)空间展布进行了研究.结果表明:基于全道集的叠前反演技术充分利用叠前道集中的AVO信息刻画出储层内部特征变化,有效提高弹性参数的反演精度;确定密度为LZ区块w(TOC)的敏感参数,结合全道集叠前密度反演获得w(TOC)数据体,预测出五峰组—龙一1亚段储层w(TOC)空间及平面分布;LZ区块6口井w(TOC)地震定量预测结果与测井解释结果对比,相对误差均小于5％.页岩气储层w(TOC)地震定量预测方法能有效预测w(TOC)的空间分布,为页岩气开发设计提供可靠依据.     

基于EDF算法的可行性判定及实现

实时调度算法是实时系统中的关键技术。验证实时调度算法的可行性是在实时系统中实施某种调度算法的必经环节。在介绍实时系统中常用的各种实时调度算法．包括固定优先级调度算法和动态优先级调度算法基础上．详细分析了动态优先级调度算法EDF算法的运算过程和使用条件。提出了该算法在实际应用中存在的问题。针对该硬实时调度算法．提出了分别在简单模型上和复杂模型上如何判定实时任务的可行性。为实际应用中实现该实时调度算法确定了依据．     

基于规则约束的深度学习网络用于文本信息抽取

针对文本信息抽取中由于训练样本不足导致性能下降的问题,提出一种基于规矩约束的深度学习网络模型.模型分为深度学习模块、逻辑规则库和差异单元3个部分.将文本句子作为输入数据馈送到学习模块中,基于Bi-GRU网络和多头自注意力机制在多个维度上为每个单词生成一个预测向量;规则库采用带权重的逻辑规则对深度学习进行约束;差异单元利用损失函数协调学习模块与规则库之间的一致性.实验结果表明,所提模型比其它算法具有更好的性能,能够高效精确处理复杂文本.