粉末压片制样-波长色散X射线荧光光谱法测定直接还原铁中6种组分

直接还原铁中的Si、Al、P、Mg、Ca和S等杂质元素对钢的质量有重要影响,目前一般采用化学湿法分析和熔融制样-X射线荧光光谱法检测,程序相对繁琐。为缩短检测周期,研究采用粉末压片制样-X射线荧光光谱法测定直接还原铁中SiO₂、Al₂O₃、P、MgO、CaO和S,通过试验确定将淀粉作为粘结剂,在7.000 0 g样品中加入0.350 0 g淀粉,研磨120 s混匀并使其粒度小于0.074 mm,于30 t压力下压制成片。选取与待测试样组成、结构及粒度相似的具有一定梯度含量的直接还原铁标准样品/校准样品建立校准曲线,SiO₂、Al₂O₃、P、MgO、CaO和S校准曲线的线性相关系数分别为0.999、0.998、0.992、0.995、0.997和0.999。按照实验方法测定直接还原铁中SiO₂、Al₂O₃、P、MgO、CaO和S,结果的相对标准偏差(RSD,n=11)分别为0.014%、0.030%、0.076%、0.009%、0.026%和0.047%;分别采用实验方法与国家标准方法测定直接还原铁中SiO₂、Al₂O₃、P、MgO、CaO和S,结果相一致。方法满足进口直接还原铁样品的快速检测要求。     

基于LEBERT的多模态领域知识图谱构建

多模态知识图谱(multi-modal knowledge graph, MMKG)是近几年新兴的人工智能领域研究热点.本文提供了一种多模态领域知识图谱的构建方法,以解决计算机学科领域知识体系庞大分散的问题.首先,通过爬取计算机学科的相关多模态数据,构建了一个系统化的多模态知识图谱.但构建多模态知识图谱需要耗费大量的人力物力,本文训练了基于LEBERT模型和关系抽取规则的实体-关系联合抽取模型,最终实现了一个能够自动抽取关系三元组的多模态计算机学科领域知识图谱.     

粉末压片制样-波长色散X射线荧光光谱法测定直接还原铁中6种组分

直接还原铁中的Si、Al、P、Mg、Ca和S等杂质元素对钢的质量有重要影响,目前一般采用化学湿法分析和熔融制样-X射线荧光光谱法检测,程序相对繁琐。为缩短检测周期,研究采用粉末压片制样-X射线荧光光谱法测定直接还原铁中SiO₂、Al₂O₃、P、MgO、CaO和S,通过试验确定将淀粉作为粘结剂,在7.000 0 g样品中加入0.350 0 g淀粉,研磨120 s混匀并使其粒度小于0.074 mm,于30 t压力下压制成片。选取与待测试样组成、结构及粒度相似的具有一定梯度含量的直接还原铁标准样品/校准样品建立校准曲线,SiO₂、Al₂O₃、P、MgO、CaO和S校准曲线的线性相关系数分别为0.999、0.998、0.992、0.995、0.997和0.999。按照实验方法测定直接还原铁中SiO₂、Al₂O₃、P、MgO、CaO和S,结果的相对标准偏差(RSD,n=11)分别为0.014%、0.030%、0.076%、0.009%、0.026%和0.047%;分别采用实验方法与国家标准方法测定直接还原铁中SiO₂、Al₂O₃、P、MgO、CaO和S,结果相一致。方法满足进口直接还原铁样品的快速检测要求。     

进口含铬物料的固体废物属性鉴别研究

通过对一例进口含铬样品的研究,综合样品的外观及物理、化学等特性,并通过利用X射线荧光光谱仪进行元素分析和X射线衍射仪进行物相分析,确定样品里含有的主要物相为Fe(Cr,Al)_2O_4,并且其他元素组成含量也与铝铬铁矿相似,符合天然矿石的特性,由此判断样品为铝铬铁矿,不属于固体废物。     

基于事件抽取的学科建设知识图谱构建与应用

学科建设是高校发展的核心,随着高校学科建设的不断深入与强化,学科建设信息持续增加,且以离散的文件组织形式难以对学科建设成果进行高效的管理,不利于后续分析与评估工作的开展.针对此问题,对学科建设知识图谱的构建及相关应用进行了研究.首先通过BERT-BiLSTM-CRF模型对学科建设文本进行事件抽取,并使用爬虫进行相关知识的补充.然后选择属性图模型存储知识,完成学科建设知识图谱的初步构建.基于构建好的知识图谱,搭建了学科建设可视化系统,并引入最小斯坦纳树算法实现智能问答应用.最后,通过对学科建设事件抽取与智能问答方法进行实验分析,验证了本文所提出方法的有效性.