精细化工行业环境保护与污水生物处理技术

随着社会经济的快速发展,我国精细化工行业也取得了许多令人瞩目的成绩,但是随着环境问题越来越受到人们的关注,精细化工行业在环境保护方面遇到了一些困境,因此重视精细化工与环境保护间的关系就显得尤为重要。污水处理作为环境工程基础项目之一,过去常用的传统生物处理技术不能够从根本上解决污水中生物降解问题,依旧有很多有机物不能被传统生物处理技术降解处理,因此如何通过探索应用新技术提高污水生物处理技术水平是当前需要解决的主要问题。在这样的背景下,主要就精细化工行业污水生物处理方面问题进行探讨研究,希望能为相关从业人员带来一些启发和帮助。     

基于概率潜在语义分析的Web用户聚类

Web用户聚类知识可以为改进信息搜索效率和提供个性化服务提供帮助。通过对海量日志记录分析,构建会话－页面矩阵;根据信息论理论,在会话－页面矩阵中权值计算中考虑局部和全局权值贡献;利用概率潜在语义分析将隐式变量Z对页面P的条件概率转换为隐式变量Z对会话S的条件概率,然后在聚类分析中以此作为相似度计算依据。聚类算法采用了基于距离的k-medoids算法,以进一步改善聚类精度。实验结果验证了该算法的有效性和局限性。     

关于《动态公路车辆自动衡器》检定规程JJG907—2006的几点建议

《动态公路车辆自动衡器》检定规程JJG907--2006是专为“动态公路车辆自动衡器（以下简称“动态汽车衡”或“衡器”）的计量性能要求、通用技术要求、计量器具控制以及检定方法和试验程序。适用于动态汽车衡的型式评价（定型鉴定）、首次检定、后续检定和使用中检验以及产品质量监督抽查。”而制定的。在实际工作中发现一些问题,为了使规程更加具有科学性、合理性和可操作性,现提出以下建议,正确与否仅供专家参考。     

径向基神经网络优化及在储层敏感性定量预测中的应用

径向基(RBF)神经网络法具有网络结构简单、逼近能力强和学习速度快等优点,已成为最具发展潜力的储层敏感性智能预测方法之一,但在实际应用中仍存在泛化能力不强、网络训练不收敛等问题。通过在输入层中引入补充节点,对网络拓扑结构进行优化,有效地提高了RBF神经网络的逼近精度和泛化能力。在确定储层敏感性主要影响因素的基础上,通过对径向基函数散布常数的优选,进一步优化了RBF神经网络的性能。采用所收集的胜利、辽河、大港及江苏油田共125组数据,进行了神经网络训练和预测检验,优化了RBF神经网络,并在储层敏感性预测方面进行了应用。结果表明,对于训练集内的样本,预测的平均准确率均大于93.79%,且预测值与实验值的相关系数均大于0.995;对于训练集外的样本,预测的平均准确率大于91.59%,预测值与实验值的相关系数大于0.994,实现了对储层敏感性的准确、定量预测。