也谈“力学性能”

笔者读到《中国科技术语》2015年第1期赵中平的《mechanical properties中文译名演变过程及定义》一文,很受启发,但也有一些不同看法。该文斩钉截铁地说,"力学性能"并不存在,只有"机械性能",恐怕事实并不那么简单。问题的起源大概是对英文中mechanical和mechanics的理解。我们查找一本英文辞典(比如Webster’s New World College Dictionary),便可以知     

“二三结合”开发模式渗流特征研究

L油田B区块开展"二三结合"实验区,"二三结合"开发模式渗流特征对区块的合理高效开发具有重要意义。为了明确其渗流特征,利用油藏数值模拟软件Eclipse建立代表意义的油藏数值模型,研究区块"二三结合"开发模式下原射孔层和补孔层的渗流特征,分析了"二三结合"开发模式下,不同开发阶段综合含水率、采出程度、井底压力、地层压力及含水饱和度的变化特征。研究表明,"二三结合"开发模式先通过水驱开发挖潜原射孔层剩余油,提高厚油层顶部剩余油的采出程度,再通过聚合物驱进一步提高开发效果,通过水驱与聚驱的综合作用,最终得到较好的开发效果。     

山地水田土壤环境质量评价及重金属来源解析

选择以非传统重点关注农区——广东省东部山地水田土壤作为研究对象，调查土壤中Cd、Hg、As、Pb、Cr、Cu等6种重金属的质量分数水平及空间分布情况，评价环境质量现状并进行重金属来源解析.研究结果表明:该区水田土壤环境中各重金属的平均质量分数未超过国家标准中的农田土壤污染风险管制值；基于筛选值的样本超标率均在10%以下，土壤环境质量总体良好，农产品重金属超标风险低；土壤中重金属的来源可能主要包括受人为干扰的土壤成土母质因素、工业污染因素、无干扰的土壤成土母质因素和交通污染因素，分别影响土壤中Cd、As、Cr、Cu、Hg、Pb的质量分数和空间变化特征，是导致土壤环境污染的潜在因素.建议该区在发展农业经济、工业经济、公共服务体系等时，注意做好环境规划、管理及污染防治；对超筛选值的轻度和中度污染土壤采取进一步的生态风险评估和农产品协同监测机制，对极少数重度污染土壤采取改种非食用农作物的措施.     

高校图书馆员科研能力培养探析

馆员科研能力的培养有利于馆员做好服务工作,提升其职业地位以及促进其专业化发展.从馆员科研意识淡薄、缺乏科研实践、缺少科研评价机制等方面论述了制约馆员科研能力提升的因素,提出了提高馆员科研意识、开展科研实践、完善科研评价机制等措施,以提升馆员的科研能力.     

改进GA-BP神经网络在高校教学质量评价中的应用

为了提高高校教学质量评价的有效性和准确性,提出了一种基于混合智能优化算法的教学质量评价模型。引入熵值法客观地确定教学质量评价体系的指标权重及初始评价结果,利用自适应变异的遗传算法(Genetic algorithm)优化BP神经网络(Back propagation neural network)的参数,建立教学质量评价模型。实验结果表明,与BPNN(Back propagation neural network)、GA-BPNN(Genetic algorithm-back propagation neural network)模型相比,预测精度分别提高15.04%和5.41%,收敛速度明显提高,说明基于自适应变异的GA-BPNN教学质量评价模型能够及时有效地完成教学质量评价。     

广西高技术产业科技创新能力评价研究

文章在分析广西高技术产业发展现状基础上,构建高技术产业科技创新能力评价指标体系,运用熵值法,基于2015—2019年面板数据对广西高技术产业的创新能力进行实证研究.研究表明:广西高技术产业创新能力在西部五省中处于较低水平;广西高技术创新产出实力略低于创新投入实力,创新技术吸收实力仍相对较弱;广西高技术四大行业创新能力存在差异,即电子及通信设备制造产业科技创新投入和产出效果最好,医药制造业和电子通信及装备制造业创新投入高,创新产出评分偏低,医疗仪器设备及仪器仪表制造产业和计算机及办公设备制造产业创新吸收能力很弱.基于以上结论,文章从加大创新资源投入、推动创新平台建设、加强人才队伍建设等方面提出了对策建议.     

乡村振兴绩效评价:意义、维度与路径

2018年,中共中央、国务院印发《中国乡村振兴战略规划(2018-2022年)》,全面部署和布局乡村振兴战略.文章基于政府绩效评价的理念和方法,构建乡村振兴绩效评价指标体系,明确评价维度,为实现乡村振兴、城乡融合发展提供价值导向、度量体系和动力工具.该评价维度包涵资源投入、过程监管、目标实现情况和社会满意度四个方面.文章指出,相关单位以绩效评价推进乡村振兴时应注重顶层设计,强化部门协同,构建评价体系,引入第三方评价主体,凸显农民获得感.     

高温作用后砂岩物理力学性质阈值温度的确定——基于机器学习算法

通过采用机器学习算法，提出了高温作用后砂岩物理力学性质变化的阈值温度的确定方法。基于Python语言，利用K-Means、SVM算法，实现了对样本数据的分类和聚类，确定了阈值温度区间，验证了二分类法的合理性和准确性.结果表明，砂岩样本的阈值温度区间为400~600 ℃，阈值温度上下砂岩的物理力学性质存在显著差异，体现为阈值温度区间以下的岩样物理力学性质较为分散，而阈值温度区间以上的岩样物理力学性质较为集中.