贮藏温度对薄膜包装菠菜品质的影响

为研究贮藏温度对菠菜货架期的影响,首先从减少贮藏过程的失重率的角度对菠菜采用薄膜包装,然后研究菠菜在(0±0.5),(5±1),(10±1),(20±1)℃下贮藏期间的品质变化.结果表明,(0±0.5)℃下贮藏的菠菜具有较好的保鲜效果,(0±0.5)℃结合薄膜包装可以有效抑制失重率增加、叶绿素的分解、感官品质的下降和亚硝酸盐含量的增加,减少营养成分的损失,延长菠菜的货架寿命.     

郑州市“海棠”暴雨及其“4水”转化分析

2005年7月的"海棠"暴雨对郑州市部分地区造成了极大危害.为改进城市的防洪系统、输水系统,对"海棠"暴雨的形成、特点及其"4水"转化进行了分析,发现城市的土地大面积硬化和地下输水管道的老化堵塞为影响其转化的主要因素,此分析结果对城市建设等方面的改造具有实用价值.     

新型复合早强剂对混凝土(砂浆)力学性能的影响及机理分析

实验就传统早强剂进行了有机与无机组分的复合,以实现不同组分之间的叠加效应,提高早强性能,满足工程中对材料早强的性能要求.通过对传统早强剂及其复合后的早强力学性能的对比分析发现:C6 H15 O3 N、Al2(SO4)3、Li2 CO3三组分复合效果最佳,实验结果表明:复合早强剂能显著提高砂浆早期的力学性能,8 h抗折强度由0.12 MPa达到了7.9 MPa,提高了6483％;抗压强度达到了43.06 MPa,提高了256％,并采用SEM扫描电镜、XRD和DSC测试方法对其早强作用进行了机理分析.同时研究了C6 H15 O3 N+Al2(SO4)3+Li2 CO3复合早强剂对混凝土(砂浆)长期力学性能的影响,掺复合早强剂的砂浆28 d抗折强度提高了16.7％,抗压强度提高了6.9％.     

P-Trans接口软件实际工程应用

随着BIM概念及技术在国内建筑行业的普及与认可度的提高,同一个建筑模型用于多个软件之间的转换接口的实现成为广大用户一个迫切的需求。基于此,我们开发了PMCAD与Revit和Etabs的模型转换接口,并做了大量工程测试,结果符合工程需求。本文介绍了软件设计的基本架构,并列举了一些实际工程的转换效果、转换前后的计算结果比较等,结果证明P-trans软件可以应用于实际工程。     

煤矿井下水仓淤煤清理新方法

结合焦煤集团某煤矿井下水仓的现场情况及洗煤工艺,设计了高效水仓清淤系统,并进行了相关设备的选型,对系统综合性能和效益进行了分析。     

架空乘人装置在王楼煤矿弯曲巷道中的应用

架空乘人装置(在煤矿里简称猴车)是一种新型的采用PLC可编程序控制的矿井斜巷或平巷辅助运输设备,该装置具有运行安全可靠、人员上下方便、随到随行、不需等待、一次性投入低、动力消耗小、操作简单、便于维护、工作人员少和运送效率高等特点。     

贮藏温度对打孔保鲜袋包装青椒品质的影响

研究处理温度对打孔保鲜袋包装青椒的生理生化指标、贮藏效果和冷害程度等的影响。结果表明:10℃是采后青椒果实冷藏的最佳贮藏温度,该温度下,营养成分的流失最低,货架期最长;7℃及以下的贮藏温度对青椒产生了不同程度的冷害,其主要表现为冷害指数、丙二醛含量和电导率的升高,其中4℃处理的冷害程度最为严重。     

采样容器对环境空气中非甲烷总烃检测结果的影响

随着工业化和城市化的发展,环境空气污染问题日益严重。非甲烷总烃是一类重要的大气污染物,其浓度反映了空气污染的程度。因此,准确地测定非甲烷总烃的浓度对于环境保护具有重要意义。然而,采样容器的选择对非甲烷总烃的检测结果有着重要影响。本研究选取了玻璃瓶、不锈钢容器、聚合物袋、积雪采集器和活性碳管作为采样容器,对比了它们对非甲烷总烃检测结果的影响,旨在为实际工作提供参考。     

内燃机车冷却水系统流阻匹配分析

为满足新型低油耗低排放大功率柴油机的冷却、降低机车辅助功率、缩小冷却装置空间、减少辅助系统重量的要求,公司研发了新型冷却水循环系统,该系统成败的重要因素之一就是各大部件流阻匹配是否合理。本文针对此项关键技术,对某型内燃机车冷却系统进行三维流体仿真分析,获得系统流阻匹配性能,根据分析结果对原系统性能进行优化,使得系统流阻匹配性能良好,并与试验数据进行对比,结果较为吻合,为新型冷却系统的研发提供有力支撑。     

基于隐私保护的联邦推荐算法综述

推荐系统通过集中式的存储与训练用户对物品的海量行为信息以及内容特征,旨在为用户提供个性化的信息服务与决策支持.然而,海量数据背后存在大量的用户个人信息以及敏感数据,因此如何在保证用户隐私与数据安全的前提下分析用户行为模式成为了近年来研究的热点.联邦学习作为新兴的隐私保护范式,能够协调多个参与方通过模型参数或者梯度等信息共同学习无损的全局共享模型,同时保证所有的原始数据保存在用户的终端设备,较之于传统的集中式存储与训练模式,实现了从根源上保护用户隐私的目的,因此得到了众多推荐系统领域研究学者们的广泛关注.基于此,对近年来基于联邦学习范式的隐私保护推荐算法进行全面综述、系统分类与深度分析.具体的,首先综述经典的推荐算法以及所面临的问题,然后介绍基于隐私保护的推荐系统与目前存在的挑战,随后从多个维度综述结合联邦学习技术的推荐算法,最后对该方向做出系统性的总结并对未来研究方向与发展趋势进行展望.