排序方式: 共有18条查询结果,搜索用时 15 毫秒
1.
大学寝室文化建设是高校全员育人工程的重要组成部分,是大学生自我发展与成长成才的关键。高校应采取切实有效措施推进、落实这项长期的系统工程。 相似文献
2.
页岩对CH_4的解吸、吸附作用直接影响页岩气渗流规律,进而影响页岩气井的开采效率。为真实反映储层页岩的吸附/解吸特性,选用相对颗粒更能保持岩层原始地质结构的Ф50 mm×100 mm页岩岩心试样,并在恒定轴压和围压条件下,通过恒温水浴改变试验温度,开展了不同温度、不同储层压力作用下页岩吸附/解吸试验。试验结果表明:①由于页岩原始结构的微裂隙的各向异性,岩心吸附曲线表现出"阶梯状"和"负吸附"特征;②颗粒试样比岩心样品的吸附量更高,并且吸附量随围压变化更均匀,而岩心吸附过程压力与吸附量相关性差,并在极限压力点出现突增现象;③页岩岩心吸附CH_4以微孔和微裂隙填充为主,其次是大孔的单分子层吸附;④吸附势理论模型在描述岩心的吸附和解吸过程比Langmuir模型更合理。 相似文献
3.
基于功率流方法,本文提出了一种分析压电陶瓷变压器电气特性的方法.其主要贡献是:(1)给出了计算最佳负载、电压增益、效率和输出功率等电气特性的公式;(2)利用这些公式,给出了分析压电陶瓷变压器电气特性的计算程序,并提出了最佳电阻和最佳匹配网络的概念;(3)为了证明其理论结果,文中给出了仿真结果.本文所得到的结果为分析压电陶瓷变压器电气特性提供了一个有用的工具. 相似文献
4.
湖泊蓝藻水华的精准动态监测,可为水利及环保部门评价污染水体的防治效果、优化和调整防治政策提供依据。论文以巢湖为研究对象,利用Landsat TM/OLI、HJ-1B CCD/IRS和NPP-VⅡRS三种不同空间分辨率的影像数据,通过归一化水体指数(Normalized Difference Water Index,NDWI)实现巢湖水域范围提取,利用归一化植被指数(Normalized Difference Vegetation Index,NDVI)和浮游藻类指数(Floating Algae Index,FAI)提取2010~2014年共22景巢湖蓝藻的爆发区域。进一步的,对NDVI和FAI两种方法计算的蓝藻爆发区域进行对比分析,评价Landsat、HJ-1B以及VⅡRS三种影像数据对巢湖蓝藻水华空间和时间的监测效果及适用性,进而结合气象因素分析不同气象因子对蓝藻水华爆发的影响。研究结果表明:(1)相比NDVI指数,FAI指数(Landsat和HJ-1B数据为主,VⅡRS数据辅助)能降低薄云对蓝藻水华提取效果的影响,可提高蓝藻水华爆发区域、程度的识别能力;(2)气象因子中气温和日照时长加重了蓝藻水华爆发的严重程度,降水则对蓝藻水华的爆发起到一定的抑制作用。综上所述,论文引入VⅡRS卫星影像研究巢湖蓝藻水华爆发,利用FAI指数降低薄云对蓝藻水华爆发面积提取精度的影响,取得的研究结果可为基于多源卫星遥感数据的巢湖蓝藻水华动态监测系统开发提供重要的方法支持,有利于推进卫星遥感技术在安徽省河长制和湖长制中发挥重要作用。 相似文献
5.
6.
页岩对CH4的解吸、吸附作用直接影响页岩气渗流规律,进而影响页岩气井的开采效率。为真实反映储层页岩的吸附/解吸特性,选用相对颗粒更能保持岩层原始地质结构的Ф50 mm×100 mm页岩岩心试样,并在恒定轴压和围压条件下,通过恒温水浴改变试验温度,开展了不同温度、不同储层压力作用下页岩吸附/解吸试验。试验结果表明:①由于页岩原始结构的微裂隙的各向异性,岩心吸附曲线表现出“阶梯状”和“负吸附”特征;②颗粒试样比岩心样品的吸附量更高,并且吸附量随围压变化更均匀,而岩心吸附过程压力与吸附量相关性差,并在极限压力点出现突增现象;③页岩岩心吸附CH4以微孔和微裂隙填充为主,其次是大孔的单分子层吸附;④吸附势理论模型在描述岩心的吸附和解吸过程比Langmuir模型更合理。 相似文献
7.
国内外高校电力电子技术教育现状综述 总被引:1,自引:0,他引:1
为了促进我国高校电力电子技术教学的改革和发展,本文从电力电子教材内容和课程内容的设置、课程体系设置、实验室建设和教学方法改革等几个方面对国内外高校电力电子技术的教育现状进行了综述。并针对我国高校电力电子技术的教育现状提出了几点改革建议。 相似文献
8.
国民经济信息化及其推进国家经济信息化联席会议办公室副主任张东彦当会世界正在迈入信息时代,展息技术及产业已经成为推动各国经济增长和社会进步的强文推动力,以计变机、通信和电视相结合为主要特征的新的信息革命正在兴起,给世弄经济注入了空前的活力。面对正在向深... 相似文献
9.
10.
快速、准确地掌握作物空间分布,估算不同作物种植面积及范围,这对制定宏观农业政策并指导农民进行农业生产具有重要意义。以我国内蒙古自治区扎赉特旗现代农业示范园区为研究区域,基于2019年5月至10月共9景多时相Sentinel-2卫星遥感影像,通过计算并分析不同作物归一化差值植被指数(NDVI)、比值植被指数(RVI)、增强型植被指数(EVI)等多种典型植被指数和近红外波段Ref(NIR)的时序变化特征,采用随机森林(Random Forest, RF)、决策树(Decision Tree, DT)、支持向量机(Support Vector Machine, SVM)和最大似然法(Maximum Likelihood, ML)4种分类方法对研究区多种作物进行分类识别,成功提取园区内主要作物(水稻、玉米、甜叶菊、旱稻和大豆等)空间分布情况。将RF结果与DT、SVM和ML分类结果对比,结果显示,RF总体分类精度最高,达到95.8%,Kappa系数为0.944;DT、SVM和ML分类精度分别为92.2%、91.6%和86.5%。上述研究结果表明,多时相Sentinel-2遥感影像经过光谱指数时序变化特征提取后,利用随机森林算法进行作物分类可得到精度较高的结果,这为精细指导规模化园区农业生产提供了有效的技术支持。 相似文献