从沸腾炉渣中浸取有价金属

研究了从钢厂炉渣中回收有用金属的一种新方法。实验中，炉渣用硫酸浸取，浸取液采用EDTA络合滴定分析元素组成，颗粒粒径分布采用标准筛筛分，化学组成和微观结构分别采用XRF。结果表明，铝的最大提取率为86．20％，条件为：H2SO4浓度4mol·L^-1、固液比1：5条件下在80℃浸取24h。在同一条件下铁获得最大提取率为94．3％。     

人与自然:论道家的深层生态思想

自西方深层生态学诞生以来,中国道家思想便成为现代深层生态学的哲学基础和理论源泉。道家强调自然万物平等,提倡以道观物,物无贵贱;道家的人与自然的整体观成为自然哲学的基础;道家主张回归自然,达到天人合一的圣人境界。这些都是现代深层生态学的核心。因此,在环境恶化、生态危机日趋严峻的当下,深入发掘道家的生态智慧,不仅可完善或重构深层生态学,而且可为人类解决环境问题和生态危机提供智性的生态思维方式。     

云计算给图书馆发展带来的机遇与挑战

云计算是计算机网络发展的一个趋势,代表了一种新的数据处理方式和人们未来的一种生活方式,在不久的将来,云计算必将在图书馆中得到大规模的普及应用。在介绍云计算概念、技术特点、现状的基础上,探讨了云计算技术给图书馆发展带来的机遇与挑战。     

多交通方式实时信息影响下的通勤者出行行为

为确定实时信息对于出行行为的影响,探索了手机APP提供多交通方式实时出行者信息下的通勤者交通方式选择行为。采用意向调查方法,获取了上海市居民在提供包含两条自驾路线（以高架为主和以地面为主）和一条停车换乘地铁路线的实时交通信息情况下的交通方式选择行为数据。运用描述性分析和多元logit模型,得到了交通方式选择的主要影响因素。研究发现,通勤者的驾龄、家庭私家车数量、开车频率、获取交通信息频率、停车换乘设施使用经历等个体属性,行程时间和车厢拥挤程度等信息内容,会显著影响出行决策。此外,提出了对交通规划与管理和多交通方式出行者信息系统研发有指导意义的建议。     

具多个执行机构的一般Lurie控制系统的鲁棒绝对稳定性

用区间矩阵分析和Lyapunov函数族方法讨论了一般区间Lurie型直接控制系统的鲁棒绝对稳定性,得到了一些绝对稳定的充分条件,推广和改进了前人的一些结果。     

四川盆地富有机质页岩硅质生物成因及对页岩气开发的意义

通过岩石学、有机碳含量、主量元素和力学性质分析, 对四川盆地长宁双河剖面上奥陶统五峰组和下志留统龙马溪组页岩进行硅质成因研究。长宁双河剖面底部页岩过量硅含量为40%~62.7%, 具有高SiO₂, P₂O₅和Fe₂O₃, 低Al₂O₃, TiO₂, FeO和MgO的特征。Al/(Fe+Al+Mn)比值为0.67~0.71, Si/(Si+Al+Fe)比值为0.89~0.93, 在Al?Fe?Mn图解上落在生物成因区。五峰组有机碳含量(TOC)为2%~7.55%, 平均3.73%。龙马溪组页岩有机碳含量为0.23%~8.36%, 平均1.16%, TOC>2%段集中在剖面底部21 m, TOC与硅质含量具有正相关关系。页岩中发现大量放射虫、海绵骨针等微体化石, 证实硅质为生物成因, 指示页岩沉积环境为深水陆棚, 有利于形成自然裂缝和后期压裂改造, 对页岩气勘探开发具有重要意义。     

可压Euler方程的格子Boltzmann方法:二维情形

根据微观和宏观之间的质量、动量和能量守恒原理，构建了一个可用于模拟可压流体的D2V19格子Boltzmann模型，利用Chapman—Enskog分析可从该模型推导出宏观流体力学方程-Euler方程．利用该模型对三种典型激波管进行数值模拟并与Riemann解析解进行比较和分析，发现该模型能较好的捕捉激波，精度令人满意，证明了该模型对可压流体的适用性．该模型适用于气体多方指数为任意值的系统．     

超导约瑟夫森结微波单光子量子态测量的研究

超导状态下用约瑟夫森结构成的微波单光子探测电路测量量子系统状态,定量分析并探讨约瑟夫森结的量子特征,作为一种新兴的固态量子位状态测量系统,对未来的量子信息理论与量子位的研究有着显著的帮助.     

界面处反射电磁波与入射电磁波的相位关系

从电磁波理论中的菲涅耳公式出发,分析电磁波在两种介质交界面发生反射时,反射波电矢量的平行分量和垂直分量与入射波电矢量相应分量的相位差,讨论全反射时垂直分量和平行分量的相移差.     

基于多任务权重参数学习的兴趣点推荐算法研究

基于位置的社交网络的快速发展,通过借助社交网络来分享用户位置信息,其中包含了丰富的上下文信息,比如用户签到、兴趣点地理位置、用户社交关系等,从而对兴趣点推荐的发展提供了很大的机遇.但是,如何有效地利用这些上下文信息,解决数据稀疏和隐式反馈等问题,是很大的挑战.针对这一问题,提出了一种能够动态融合不同上下文因素的推荐算法,该推荐算法可以融合不同类型的上下文因素,比如地理信息、类别信息、时间信息等,通过一种类似梯度下降的动态权重参数学习的方法,动态地学习每个因素的权重,适应不同类型用户特点,从而改善兴趣点推荐效果.