水库型饮用水水源地非点源污染控制技术方法

为了改善水库型饮用水水源地普遍存在的富营养化和水质达不到功能区划要求的现状,以合肥市为例,在现状调查的基础上,应用功能性模型中国土壤流失预报方程并适当地进行修正,对非点源污染负荷和水环境容量进行了定量分析,得出了非点源污染的主要来源和污染规律,并据此提出了水库型饮用水水源地非点源污染的控制技术方法.     

凝结水精处理系统工艺流程研究——以安庆电厂凝结水精处理系统为例

对安庆电厂由武汉凯迪股份公司提供的中压凝结水精处理的高速混床和再生系统的设备、设计、工艺流程的特点进行分析研究.     

光学编码成像术中光源稳定性研究

针对光学编码成像的光源强度随时间波动对编码成像结果的影响,研究了编码机制对光源光强变化响应的表现,发现了阿达玛变换光学系统对光源强度波动的特异敏感性规律:像元强度改变量与光源光强波动量成比例;一个编码周期内光源光强的多次波动导致像元强度改变量按次累加但并不导致发散;各次源强度波动对像场强度改变量的分布具有循环性.采用数值模拟方法计算了与1×7阵列像场对应的7阶S矩阵编码成像,结果表明光源光强随时间的变化对编码成像质量有严重影响.指出了在编码成像系统中所用的光源的不稳定性应该受到的限制.     

流行词“吃货”的多角度考察

"吃货"最早出现在清代小说中,指光吃不干活的人,带有贬义色彩。近年来,"吃货"一词被广大美食爱好者广泛传播,用于自称和互称。"吃货"一词的词义已发生明显变化,指"喜欢吃各类美食的人,有品位的美食爱好者";词义附带的感情色彩逐渐趋于中性甚至褒义。而导致这些变化的原因主要是人们对"吃"观念的改变,网络语言环境的高度自由化以及使用网络语言的从众心理。     

新的ICA算法实现成组fMRI信号盲分离

独立成分分析(ICA)方法已被成功地用于处理功能磁共振成像(fMRI)信号,但主要是用于处理单个被试的fMRI信号,对于多个被试的情况却很少考虑.为此利用一种扩展的ICA方法--Group ICA来处理多个被试的fMRI信号,结果表明这种方法在保证结果准确性的前提下,可以大大减少计算量,快速获得统计结果.计算中应用的是NewFP算法,统计结果表明这种算法在估计激活的时间动力学准确性上优于FastICA算法.     

油泥与煤混合滤饼燃烧过程的数值模拟与分析

为解决辽河油田油泥所带来的环保、污泥排放及治理问题,利用Fluent软件平台着重对油泥和煤制成的混合滤饼在循环流化床炉内燃烧过程的温度场和速度场进行计算模拟并分析。结果表明,混合滤饼在炉内燃烧情况良好,实现了油泥彻底的无害化和燃料化,而且结合CFB锅炉技术滤饼燃烧效率更高,为油田的油泥处理处置提供全新的途径。     

固液流化床中不同粒径粒子群的滑流速度

在稳定的流动状态下,实验考察了铅直管内粒径不同的两组分粒子群的滑流速度,并与每一组分单独存在时的值进行了对比.相对于单组分时的滑流速度,两组分场合的每一组分的滑流速度都会发生偏离并相互接近,偏离的程度受两个粒子群的粒径比、浓度比以及总粒子浓度的影响.通过对两个粒子群之间的相互影响因素的定量分析,以单成分的空隙方程式为基础,建立了在多种操作条件下直接计算滑流速度的模型.     

全球大地震破裂空间复杂度特征研究

基于有限断层反演得到的滑移数据,用独立滑移单元的数量表征地震破裂复杂度,据此对大地震破裂进行分组,并研究破裂复杂度与主要震源参数之间的关系,探讨破裂复杂度的全球及区域空间分布特征。结果表明,矩震级很大(Mw≥8.5)的事件,地震破裂复杂度更大;破裂复杂度较高的地震分布在浅层地壳(≤30km)内的概率最大,随着震源深度增加,破裂复杂度对震源深度的敏感性逐渐消失;走滑断层机制占比较大的事件,破裂复杂度较高;破裂复杂度与地震能矩比没有明确的关系;破裂复杂度的空间分布特征与区域地质构造环境相关。破裂复杂度的空间分布特征可以分为3类,第一类是板块之间简单碰撞产生的俯冲带,板块交界处的滑动速率和方向较为一致,这种情形下以比较简单的事件类型为主;第二类是多板块交界处,或者板块交界处的滑动速率和方向在整个区域内存在差异;第三类是大陆内部的强烈挤压地带。与第一类空间分布特征相比,第二类和第三类情形下破裂复杂度相对更高。地震破裂复杂度可以在一定程度上反映区域应力场的复杂性。     

多智能体系统对移动放射性辐射源的环绕跟踪

针对多智能体系统对移动放射性辐射源的环绕跟踪问题进行了研究,利用一种全新的方法,证出多智能体系统在有限时间内对移动放射性辐射源群组进行环绕跟踪。通过设计三个不同的分布式估算器分别对辐射源的几何中心、环绕半径以及极角进行估计,最后将得到的估计值为环绕智能体设计分布式控制协议,使得智能体在有限时间内能够将所有辐射源包围在环绕圈内,并实现均匀分布。最后,通过MATLAB仿真验证了控制方案的有效性。     

基于RBF神经网络的线性混叠盲分离算法

提出一种RBF神经网络算法应用于线性混叠信号的盲分离。所用的RBF神经网络算法是从输入信号的数据中训练出中心值和宽度值,再训练通过用最大熵值的代价函数推导的权值。所用的代价函数保证了网络的输出尽可能独立,使信号能正确地分离。仿真验证了所用的算法能减少分离时间和提高分离效率。对比ME算法,该算法更好。