摘要：含铬皮屑的资源化利用一直是制革工业关注的核心问题,含铬皮屑产生、运输和处置过程都需要按照规范来进行。含铬皮屑全过程监管平台的缺失在一定程度上影响了含铬皮屑的规范化处置。文章设计并开发了一款包含有用户管理模块、企业信息上报模块、企业信息上报查询模块、企业含铬皮屑预警模块、含铬皮屑运输管理模块5大功能模块的监管平台软件。在此基础上,将企业实际生产情况引入本平台进行检验,根据检验结果提出了制革含铬皮屑全程监管平台软件的优化建议。

摘要：以皮革胶原和超支化聚合物的结构特点为基础,综述了皮革对超支化聚合物材料的要求。提出采用自由基共聚法制备水性超支化聚合物复鞣填充剂,改善了由缩合聚合制备带来的操作复杂、污染大等缺点,为超支化聚合物在皮革化工中的应用提供新途径。

摘要：可控震源动态扫描地震数据采集过程中,相邻多组震源震动时产生的地震波会相互干涉,从而影响地震数据采集品质。合理设计采集时距规则可以降低可控震源高效采集时震源相互干涉的影响,同时平衡原始数据采集品质和可控震源高效采集施工效率。以往动态扫描时距规则设计时,对资料处理过程中高效采集噪声的压制效果考虑较少,并且时距规则的设计缺乏统一量化标准。首次将高效采集噪声压制效果引入动态扫描时距规则设计中,对现场不同地表类型采集的可控震源相关前记录采用互相关法获取高效采集噪声信息,以环境噪声能量、干涉时空位置和干涉区域能量比值为阈值建立量化统一的时距规则设计标准,形成了可控震源动态扫描时距规则定量优化设计方法。动态扫描时距规则定量优化设计方法优化了现场试验方案,降低了试验工作量,与地震数据处理信噪分离技术相适应优化滑动时间参数,定量与定性相结合设计时距规则避免了以频率扫描为主的常规定性分析方法带来的人为主观歧义。该方法不受勘探区地表特征约束,能够在保障地震数据品质条件下最大限度地提高可控震源采集施工效率,是对可控震源高效采集配套技术的补充和完善,有助于“两宽一高”地震采集技术的推广应用。

摘要：在群组推荐中庞大且稀疏的数据往往容易忽视用户群组及项目之间的复杂依赖关系,因此融合不同用户偏好行为嵌入,使用户对群组依赖关系的表现更直观,同时为了在对比中增强视图效果,以获得更准确的推荐结果的目的,提出了一个面向超图的可解释性对比元路径群组推荐框架。通过聚合用户项目群组之间的依赖关系,构建元路径表现实体之间的不同类型交互,以促进实体的相似性,更准确地从数据中获取用户的组内、组外交互;通过将可解释性模型与对比学习相结合的技术,以提高模型的可解释性和性能;通过解释引导增强操作在模型框架上生成的正负视图上结合自监督对比学习,来解决上述问题。在真实数据集上进行实验,验证了所提出方法的有效性。

摘要：传统蒸发实验都是通过观察液体减少来判断液体由液态转化为气态,而气态的物质又难以用肉眼直接观察到,学生缺乏物质由液态变为气态的直观感受。纹影法能够实现物质由液态通过蒸发转化为气态过程的可视化,突破传统蒸发实验的局限性,有利于学生直观地观察与理解蒸发现象。

摘要：新型生态袋式护堤可以改善水质和景观效果,提升河道功能和社会评价,具有良好的工程应用和推广价值。以贵州省册亨县者楼河生态治理工程为例,进行生态袋护堤方案设计,并通过工程建成后的监测和调查数据,对工程效果进行评价。研究结果可促进生态袋护堤的推广和应用。

摘要：聚乙烯醇(PVA)基复合材料是一种具有广阔应用前景的高分子材料,导热性能是影响其在热管理、电子器件散热等领域实际应用的重要因素之一。近年来,许多学者对PVA基复合材料的导热性能进行了深入研究,涉及不同的导热填料和制备方法。本文介绍了导热填料的类型、添加量、尺寸与形态对PVA导热性能的影响,以及复合材料的结构设计和界面工程对导热性能的调控,并总结了PVA基复合材料的导热机理及导热性能,为其在各种领域的应用提供了更多的参考。

摘要：基于英语学科大观念的单元整体教学帮助教师梳理整合课程内容,同时引导学生探寻语言所承载的主题意义,形成结构化知识。教学设计可从“依据课程内容六要素,提炼单元学习内容”“基于单元学习内容,建构单元大观念”“基于单元大、小观念和学情,设计单元与课时教学目标”和“践行英语学习活动观,设计教学活动”四个方面展开,以此发展学生的核心素养,实现英语课程立德树人根本任务。

摘要：工程监理是利用专业技术、管理知识以及有关的法律法规和工程项目建设文件,提供专业化的监督管理,这决定了工程建设监理企业经营与建设的难度。随着新时期发展建设的推进,工程建设监理企业应以创新为内驱,以减省、绿色、开放、共享的新发展理念为抓手,推动工程建设监理企业全面健康持续发展。本文阐述了“技术创新型、资源节约型”工程建设监理企业特征,提出了双型监理企业的建设意见,并设计了其评价指标。

摘要：深度学习算法已广泛应用于地震数据处理分析领域,并在地震数据去噪等方面取得了较好的应用效果.目前业界关注重点在于各种不同深度学习算法和相关的网络结构形式,以及不同标签数据对算法效果的影响,较少关注数据集本身的差异对深度学习算法的应用效果影响.本文以卷积神经网络(Convolutional Neural Network,CNN)算法中批量规范化层(Batch Normalization)对地震数据去噪的影响分析为例,通过理论公式和应用效果的对比分析,提出了基于地震数据特征分析下的批量规范化层的使用建议.批量规范化层的使用依赖于数据集的统计分布特征,只有当训练集的归一化能量分布集中在能量较强的区域,批量规范化层的使用才会提升网络的效果.但通常情况下,在地震数据去噪的应用中,不建议使用批量规范化层.这些特征为深度学习算法在地震数据去噪应用中的网络结构设计提供了有价值的参考.