标识化语言的发展及在电子物流中的应用

重点阐述了XML技术的发展和对EDI技术的有效补充与改进，并展望基于XML技术的电子商务物流数据交换技术的发展前景。     

多功能陶瓷粉末的制备及其应用

多功能陶瓷粉末采用对人体和环境均无污染的非金属材料加工而成。     

关于水库泥沙淤积计算的新方法

关于水库泥沙淤积计算的新方法［日本］竹林征三广濑昌由在利用水库库容的问题上，有效地发挥库容是非常重要的。特别是如何算出泥沙淤积量对水库库容的规模有很大的影响，而且对水库建设所需的费用也有较大的影响。如果算出的设计淤沙量过于小，则库区将很快地淤满，水库...     

形状记忆合金的开发

利用燃烧合成法制造的镍钛形状记忆合金〔1〕　镍钛形状记忆金属间化合物 (合金 )由于其构成元素之间的比重差很大 ,在传统熔炼过程中容易发生重力偏析所以很难制得成分均匀的材料。因此 ,发展了利用其构成元素单体粉末之间的反应来制取这种金属间化合物的燃烧合成技术。但是这种金属间化合物较之铁系金属材料 ,其塑性加工极难 ,因此 ,研究了利用燃烧合成法制得的镍钛形状记忆合金的塑性加工性能。研究用的原材料粉末是工业上最常用的粒度 <15 0 μm的纯钛粉和粒度为 8～ 15 μm的纯镍粉 (INCO镍 )。以Ni过量的TiNi组成比配好的粉末混合…     

生产氧化铁黄工艺改进研究

目前氧化铁黄生产方法为晶种法，该法生产周期长（５０ｈ以上）、能耗高（氧化温度为７０～７５℃）。若选取ＮａＮＯ_２作催化剂，用空气（或氧气）在特殊反应器中来氧化ＦｅＳＯ_４，可一步完咸，该工艺具有能耗低、生产周期短、催化剂用量少并且ＮＯｘ对环境污染低等优点。本文主要介绍改进后的工艺和条件。     

基于多元混合时序分析及灰色理论的水华藻类生长阶段多因素预测方法

在水华防治工作中,水华预测一直都是1个难点,由于藻类水华整个生成过程各阶段的变化机理不尽相同,现有预测方法采用某1个模型对水华生成的全过程进行建模预测并不合理。因此本文针对水华生成过程中持续时间最长且变化规律明显的藻类生长阶段,采用多元时序分析技术,通过对藻类生长阶段中的多特征因素时序建模分析,以影响和表征藻类生长的特征因素作为模型输入和输出,考虑藻类生长阶段的趋势性、周期性、随机性变化规律,建立多元混合时序模型,并结合灰色理论思想,改进模型预测算法,从而提出基于多元混合时序分析及灰色理论的水华藻类生长阶段多因素预测方法,以实现对包含影响因素在内的特征因素变化特性的全面描述和预测以及对模型预测精度的进一步提高。采用本文方法及传统方法分别对江苏太湖水华特征因素监测数据进行建模预测,结果表明,基于本文方法的水华特征因素预测结果与实测结果更相符、预测平均误差绝对值更小。     

基于Bagging集成学习的水华预测方法研究

随着经济社会的高速发展和工业化建设程度不断提高,水环境问题已经严重影响甚至威胁了人类的健康。近年来,国家大力推行水环境的预测预警,许多专家学者利用人工神经网络等智能方法在富营养化评价及水华预测中得到了较为广泛的运用,也取得了一定成效。然而,人工神经网络的性能受到样本训练算法等方面的影响,在选取合适的神经网络模型、算法以及设置参数麻烦、耗时。随着问题复杂程度的增加,单个网络的隐层节点数将增加很多,训练时间将大大增加,从而造成训练困难。且由于训练过度或不够,往往导致泛化能力较差。为解决此问题,本文在对湖库水华形成机理深入分析的基础上,建立了BP网络的水华预测模型,并利用Bootstrap采样技术获取不同的数据集,分别训练多个BP网络,最终将多个网络进行集成用于建立太湖流域水华预测模型。通过基于Bagging算法的集成学习,可以对样本包含的信息进行充分挖掘,更全面的刻画因素之间的相互联系和变化规律。实验表明基于Bagging算法的BP网络集成模型预测结果与单个BP网络模型预测结果对比,具有较高的预测能力,从而获得了相对理想的预测效果。     

绝热反应生产硝基苯

这种方法与等温反应不同,不需要除去反应热,而将它用于浓缩废酸,省去了废酸的贮存和处理,同时降低能耗。美国氰胺公司和 C—I—L 公司联合开发了绝热法生产硝基苯工艺,并已工业化。这种工艺比传统的等温硝化工艺的成本低70%左右,能耗只需传统方法的10%左右,本工艺     

氨—次氯酸钠法合成偏二甲肼的研究

研究了氨一次氯酸钠法合成偏二甲肼的反应,探索出本合成法的最佳反应条件,收率达87％。对影响因素进行了初步讨论。     

基于改进的投影寻踪-云模型的农业灌溉水质综合评价

提出基于投影寻踪函数和云模型的水质综合评价模型,选取太湖流域20个样本盐度、氯化物、氨氮、溶解性固体4类具有代表性的农业灌溉水质监测数据,在综合其投影值及隶属度基础上,计算农业灌溉水质的等级区分粒度。结果表明,投影寻踪模型计算值平均绝对误差仅为0.125 2级,达到了较好的水质评价精确度,同时利用云模型计算各个监测指标得到的最大综合确定度所属级别与经验等级一致。