双氧水氧化废轮胎胶粉在改性沥青中的应用

采用双氧水对废轮胎胶粉进行表面氧化改性,将氧化改性胶粉用于制备胶粉改性沥青.通过XPS表征证明氧化改性胶粉表面的C—O和C=O的含量显著增加.通过多因素正交试验方法研究氧化剂用量、氧化温度及氧化时间对胶粉改性沥青的25,℃针入度、软化点和5,℃延度等主要性能指标的影响.运用极差分析法和方差分析法探讨了各影响因素对改性沥青性能的敏感性,发现氧化温度对改性沥青性能指标的影响最大,并提出了胶粉氧化改性的最佳反应条件为:氧化剂用量10,m L,氧化温度80,℃,氧化时间3,h.氧化胶粉改性沥青在不使用界面改性剂的条件下,能够使5,℃延度提高到11.6,cm,主要性能指标达到美国废轮胎胶粉改性沥青标准,说明废轮胎胶粉的表面氧化能够显著提高胶粉与沥青的界面结合强度.     

北京市水资源利用与经济增长动态关系研究——基于VAR与SVAR模型分析

基于1990—2012年北京GDP数据和三次产业用水量数据,进行GDP数据与三次产业用水量的平稳性检验和协整检验,检验通过后,对四组数据构建SVAR模型,利用脉冲响应函数,分析北京GDP与三次产业用水量之间的相互关系,结果显示第一产业用水量、第二产业用水量与北京GDP的增长负相关,第三产业用水量与北京GDP的增长正相关.     

井式梁的最大弯矩及剪力系数应予修正

本文运用有限单元法对《建筑结构静力计算手册》中的几种平面形状的井式梁进行了分析计算,将其内力与查系数算得的结果比较,发现按系数表近似计算的M、V值并不一定是该梁的最大弯矩及剪力。井式梁楼盖梁自重简化为梁上均布线荷载,板面荷载简化为作用梁上的三角形或梯形荷载,所算得的结果比较正确。提出应对《手册》中井式梁内力系数予以修正,以免结构设计人员采用查系数计算井式梁内力而引起较大误差。     

对"碘量法滴定铜的改进"的异议

对《理化检验－化学分册》上刊登的“碘量法滴定铜的改进”一文所提出的方法，示以新的见解，并从理论和实验的角度，分别予以说明和验证。     

高层短肢剪力墙结构变形能力分析优化

短肢剪力墙结构以剪力墙为基础,并吸取框架的优点,已广泛应用于工程实践中.应用ANSYS软件对高层T形短肢剪力墙结构的变形能力进行了仿真试验,分析了楼层层数、连梁跨高比、墙肢截面高厚比和轴压比等因素对变形能力的影响,并对结果进行了分析优化,为工程中的T形短肢剪力墙结构设计提供理论和试验依据.     

猫眼内压升高对视网膜节细胞及视神经的影响

在人为升高猫IOP(眼内压)条件下,记录了视网膜节细胞反应及ONR(视神经反应),并与同时记录的ERG (视网膜电图)进行了比较,发现不同视网膜节细胞的耐压性也不同,ONR 与ERG 几乎平行消失。在两只猫上同时记录了VECP(视皮层诱发电位)与ERG,发现ERG 先于VECP 完全消失,这与家兔的类似实验比较结果不同。     

固相燃烧法制备MgO-CeO2纳米粉体

以硝酸铈、醋酸镁为原料,并以酒石酸铵作为还原剂和络合剂,固相反应法合成了前驱物,将前驱物燃烧制备了M gO(0.2)-C eO2(0.8)混合氧化物纳米粉体,考察研究了焙烧温度和酒石酸铵及其用量对样品粒径的影响.采用XRD、TEM、SEM等测试手段对样品的物相粒径形貌进行了表征.样品的形貌为蓬松絮状多孔性立体结构,是M gO纳米粒子担载到C eO2超细粒子表面上的混合氧化物纳米粉体.前驱物经600℃焙烧2 h所得样品平均粒径分别为M gO:6 nm、C eO2:10 nm,经700℃焙烧2 h M gO:8 nm、C eO2:12 nm,经800℃焙烧2h M gO:10 nm、C eO2:18 nm左右.实验发现在同一体系中形成混合氧化物时,两者有互相抑制颗粒生长的作用,则可以得到分散性好、粒径小的纳米粉体.     

黄花铁线莲组──河南铁线莲属一新记录组

报道了河南铁线莲属一新记录组即黄花铁线莲组(Sect.Meclatis(Spach)Tamura,)增补了《河南植物志》(1981)未记录的1新记录种,即黄花铁线莲(Clematis intricata Bunge.).     

基于二次分解NGO-VMD残差项与长短时记忆神经网络的超短期风功率预测

鉴于目前使用变分模态分解（VMD）搭建的单次或二次分解风功率组合预测模型中,大多均直接忽略了风功率经VMD分解后残差项所包含的丰富信息,使得超短期风功率预测精度受限。本文提出了一种基于二次分解NGO-VMD残差项、K均值聚类算法与LSTM的组合预测模型。首先,使用北方苍鹰优化算法(northern goshawk optimization,NGO)对VMD的参数进行寻优,以选出最佳VMD参数组合;其次,采用NGO-VMD模型对VMD残差项进行二次分解,深度挖掘VMD残差项所包含的丰富信息;再次,利用K均值聚类算法解决VMD分解模态分量个数多,计算量繁冗的问题;最后,创建LSTM模型对各子模态分量分别进行预测并叠加各子模态分量的预测值得到超短期风功率预测结果。结果表明：该二次分解NGO-VMD残差项、K均值聚类算法和LSTM组合预测模型可充分挖掘VMD残差项的重要信息,有效提高了超短期风功率预测的精度。