填充金属泡沫铜对相变材料在半圆柱容腔中传热机理的研究

为研究不同金属泡沫铜填充率下金属泡沫铜对石蜡融化过程的传热规律,设计并搭建了一套可视化蓄能实验装置,并建立了对应的数学传热模型,分析了不同填充率下复合相变材料在融化过程中温度分布、固液相界面、速度矢量、液相分数和平均Nu的变化,得到了不同填充率下金属泡沫铜对石蜡相变过程的强化传热机理,并进行了实验验证。结果表明：当金属泡沫铜的填充率从0增大至1.28%时,复合相变蓄热材料的融化时间从901 s缩短至830 s,较纯石蜡减少了7.88%,而当泡沫铜填充率为1.28%时,石蜡内部温度为12.6 K,梯度最小;平均Nu从24.89下降到3.27,下降了86.9%。由模拟结果可得,填充率为0.43%、1.28%的复合相变材料液化速率较纯石蜡分别提高了1.61%、7.11%,这说明金属泡沫铜的填充率越大,强化传热效果越好。     

不同热端温度对低温热电制冷试验箱制冷性能的影响

为优化低温热电制冷试验箱的制冷效率及降低其冷热端温差,理论计算了热电制冷片热端温度为56.18℃和27.31℃时电流、电压、冷热端温差对试验箱制冷性能的影响。建立了三维数学传热模型,模拟了3种热电制冷片布置方式对制冷箱温度分布的影响。结果表明：当热端温度由56.18℃降至27.31℃时,低温热电制冷试验箱的制冷量由150.2 W降至139.5 W,制冷系数由4.41降至3.09,冷凝温度由-22.30℃降至-41.90℃。可见,热电制冷片热端温度的降低能够获得更低的冷凝温度,较高的热端温度拥有较好的制冷性能。     

房地产市场信息不对称的动态博弈

通过对房地产市场信息不对称的动态博弈关系进行研究,认为目前我国房地产市场中出现问题的根本原因在于信息不对称及诚信缺失,信息不对称使得参与备方的机会主义行为盛行,正常的市场机制难以发挥应有作用.信息不对称前提下一对多的动态博弈模型能够解释目前房地产市场中出现与供求规律不相符的高空置率与高价格并存现象.研究认为,"双高"现象有利于重复博弈的开发商一方,其重要原因是讨价还价双方的信息不对称及地位不对等,使开发商具有充分的激励维持高价并在此过程中获得更多的利润,通过等待可以获得有关置业者更多风险偏好程度的信息,进而在讨价还价过程获得更多收益.信息在买卖双方之间传递的阻隔和不对称是房地产市场的普遍特征,是市场交易关系中所处地位不对等这一客观状况所造成的.为了有效地解决房地产市场的信息不对称问题,保障置业者合法利益,提高房地产市场效率,从政府、开发商和置业者等方面提出了解决房地产市场信息不对称的建议.     

政产学研协同创新的演化博弈分析

从博弈双方有限理性的假设前提出发,在研究纯市场行为产学研协同创新的基础上,引入政府行为,构建政产学研协同创新的演化博弈模型,通过数值模拟描述了具体的演化路径及影响因素.政产学研协同创新的初始状态影响系统演化的方向及速度,系统演化具有明显的“路径依赖”特征,协同创新的投入成本、额外收益、政策支持力度及惩罚机制等对演化路径产生重大影响.政产学研协同创新的演化动力来自系统内部的竞争与合作关系.竞争使系统不断趋于非平衡,是系统演化的首要条件;合作关系则使政产学研协同创新的某些趋势联合起来并加以放大,支配着政产学研协同创新系统的整体演化.建议政府从建立合理的创新利益分配机制,完善创新风险分摊机制,优化职能等方面促进政产学研协同创新的有效实施.     

可持续发展系统(SDS)研究

可持续发展不仅是人类主观选择的一种战略 ,而且是客观存在的一个系统 ,有其自己的运行规律。人类应能动地适应并促进其良性循环 ,保持SDS系统中各子系统的协调平衡与发展。本文就可持续发展系统的结构、基本构成要素及其特征等基本理论问题作了初步探讨。     

麦芽糖淀粉酶CDS 1-3在淀粉糖化过程中的作用分析

为探究多糖相互作用对淀粉糖化速率的影响,本研究使用较传统麦芽糖淀粉酶更具支链淀粉水解能力的麦芽糖淀粉酶CDS 1-3,将其与α-淀粉酶及糖化酶协同进行淀粉糖化,并对糖化液进行还原糖测定以及高效液相色谱分析。结果表明：反应到30 min时,CDS 1-3作用效果最明显,相比于Control组,CDS 1-3组糖化液的葡萄糖当量(Dextrose Equivalent,DE)值提高了4.51%。随着反应的进行,DE值提高速率降低。反应到60 min时,DE值提高了1.17%;反应到90 min时,DE值提高了2.12%。高效液相色谱结果显示,在整个反应过程中,CDS 1-3组葡萄糖和麦芽糖的产量始终高于Control组,说明CDS 1-3可有效加快木薯淀粉糖化速率,可应用于淀粉工业中。     

海洋微结构湍流垂直剖面仪设计与试验

针对海洋微结构湍流垂直剖面仪测量系统的设计,建立了系统运动坐标系与动力学模型,分析了系统稳态运动特性,推导了剖面仪物理参数计算公式．设计完成海洋微结构湍流垂直剖面仪实验样机,指出样机进行测量工作时应保持的运动角度与运动速度．海试实验结果表明了系统方法的可行性和正确性．     

小小体育模型 奔向广阔天地

为实施全民健身战略,体现广大人民群众对美好生活的向往,加强青少年爱国主义教育和国防教育,培养青少年科学创新精神,促进青少年身心健康发展,2020年11月14日上午8时30分.     

基于战略联盟的企业协同创新模型研究

随着经济的发展,企业边界变得越来越模糊,战略联盟已逐渐成为企业间合作的重要方式。战略联盟的组织结构形式可以分为横向联盟和纵向联盟。通过建立企业协同创新模型对战略联盟行为主体间的协同创新关系进行研究。研究表明:市场机会的识别是确立战略联盟的目标前提,风险分担与利益共享是其价值基础。战略联盟内成员企业的创新动力及创新需求随时间变化呈现下降趋势,伴随任务的完成、目标的实现战略联盟将会最终解散,协同创新终止。     

Seasonal Least Squares Support Vector Machine with Fruit Fly Optimization Algorithm in Electricity Consumption Forecasting

Electricity is the guarantee of economic development and daily life. Thus, accurate monthly electricity consumption forecasting can provide reliable guidance for power construction planning. In this paper, a hybrid model in combination of least squares support vector machine(LSSVM) model with fruit fly optimization algorithm(FOA) and the seasonal index adjustment is constructed to predict monthly electricity consumption. The monthly electricity consumption demonstrates a nonlinear characteristic and seasonal tendency. The LSSVM has a good fit for nonlinear data, so it has been widely applied to handling nonlinear time series prediction. However, there is no unified selection method for key parameters and no unified method to deal with the effect of seasonal tendency. Therefore, the FOA was hybridized with the LSSVM and the seasonal index adjustment to solve this problem. In order to evaluate the forecasting performance of hybrid model, two samples of monthly electricity consumption of China and the United States were employed, besides several different models were applied to forecast the two empirical time series. The results of the two samples all show that, for seasonal data, the adjusted model with seasonal indexes has better forecasting performance. The forecasting performance is better than the models without seasonal indexes. The fruit fly optimized LSSVM model outperforms other alternative models. In other words, the proposed hybrid model is a feasible method for the electricity consumption forecasting.