新型发酵机的原理方案设计探讨

从系统功能出发,采用形态学矩阵的方法(是提出设计预选方案的有效方法),列出了实现每一个功能的子方案及其优缺点。经过组合,提出了发酵机设计的三个方案,通过方案比较得出了新型发酵机设计的最优方案,提出了双向螺旋搅笼的新型结构,这对于新型发酵机的设计、制造将有着重要的实用价值。     

非设计工况下叶轮进口附近的流动及其控制

对叶轮进口附近流动在偏离设计工况下的回流和汽蚀(空化)两大特性进行了系统的描述,阐述了它们的诱发机理及其对泵性能的影响.根据回流的诱发机理对诱导轮的作用进行了全面的分析,提出了控制回流发生的有效方法,从叶片进口流动这一角度完善了离心泵叶片设计理论.     

砜基碳负离子的选择性环合反应

比较1，1－双（2－叔丁基砜乙基）十二烷基苯基砜（1）双碳负离子在不同条件下的环合反应结果，控制反应条件，在铁催化下可以生成偶联糁烯化的环烯产物（2）为主要产物；不加催化剂，加热回流反应得到分子内亲核取代反应产物环丙烷化合物（3）。     

关于混凝土多边形非均匀受压区的等效矩形应力图探讨

本文首先分析推导出了混凝土多边形非均匀受压区等效矩形应力图的特征值，然后利用这些特征值对钢筋混凝土双向偏心受压构件的承载力进行简化计算，并与两个试验结果进行比较，计算值与试验值吻合较好。     

双向HFC网上行传输的技术问题及对策

文章对有线电视双向HFC网上行传输的若干技术问题作了较详细的研究;阐述了双向HFC网传输通道中的特有问题——“汇集干扰”、“汇集均衡”等概念及形成原因,并通过实例分析;提出了解决双向HFC网中信号存在“汇集干扰”、“汇集均衡”等问题的可行性方案及加强有线电视上行通道安全性的措施。     

应用等维新息双向差分灰色模型进行趋势分析的新发现

本建立了最佳等维新息双向差分灰色模型，不仅拓宽了灰色预测的适用范围，而且还通过维数选择确定了最佳维数；使用最新数学工具软件MATLAB进行编程，同时通过对上证周指进行趋势分析，该等维新息预测能较准确地预测未来随机时间序列的涨、跌幅度。     

双轴等拉低周疲劳实验装置

本文给出能在一般单向加载液压疲劳试验机上做双轴等拉低周疲劳实验研究的双向拉伸装置,并对有关影响因素进行了讨论。 本试验是在百吨液压低周疲劳试验机上进行的。双向拉体装置已经受近百万次疲劳载荷,其中交变载荷幅围5.5,t亦经受近20万次。在使用过程,各构件完好合手使用要求,将十字试样进行低周疲劳断裂试验,成功地开出合格裂纹,用它进行超速条件下叶轮材料性能研究亦取得初步结果。可以认为它适用于平而应力集中问题低周疲劳性能的研究。若使用液压高、中周疲劳试验机,它还可用于双轴载荷下裂纹试样裂纹扩展的研究。 本文指出了双向拉伸装置有待改进的方面。     

基于词-标签概率的多标签文本分类研究

针对多标签文本分类任务中如何有效地提取文本特征和获取标签之间潜在的相关性问题,提出一种CNN(convolutional neural networks)结合Bi-LSTM (bi-directional long short-term memory)的模型.首先,通过CNN网络和最大池化提取文本的特征;然后,利用训练的Labeled-LDA(labeled latent dirichlet allocation)模型获取所有词与标签之间的词-标签概率信息;接着,使用Bi-LSTM网络和CNN网络提取当前预测文本中每个词的词-标签信息特征;最后,结合提取的文本特征,预测与当前文本相关联的标签集.实验结果表明,使用词-标签概率获取文本中词与标签之间的相关性信息,能够有效提升模型的F1值.     

回流充气法处理中,高量含铁地下水的研究

本文介绍一种深井回流充气工艺,它兼具充氧和除铁综合性能的新型工艺形式,能改善含铁地下水的过滤性能.在此基础上提出了深井回流充气稳定期的概念,建立了深井回流充气系统中氧量的平衡关系.通过正交试验,提出了处理中、高量含铁地下水的推荐工艺流程和工艺参数.采用χ—射线衍射方法测试了井内铁泥和成熟滤料表面滤膜的成分和形态,分析了"充气"和"过滤》两过程中的除铁机理.     

基于新型相似日选取和VMD-NGO-BiGRU的短期光伏功率预测

光伏功率预测在现代电力系统调度和运行中起着重要作用.针对光伏发电功率的多变性和复杂性,提出了一种基于新型相似日选取和北方苍鹰算法（Northern Goshawk Optimization, NGO）优化双向门控循环单元（Bidirectional Gated Recurrent Unit, BiGRU）的短期光伏功率预测方法.首先,利用斯皮尔曼相关系数选取主要气象因子,通过变分模态分解（Variational Mode Decomposition, VMD）将原始光伏功率和最大气象因子分解重构为一系列子信号.其次,通过构建新的评价指标筛选出相似日数据集,利用一组BiGRU建立以相似日子信号为网络输入的深度学习模型,并利用NGO对每个BiGRU网络的超参数进行有效优化.最后,对各子信号的预测结果进行综合,得到最终的光伏功率预测值.仿真结果表明,所提混合深度学习方法在预测精度和计算效率方面均优于其他方法.