连接基对双子表面活性剂2C_(12)H_(25)C_nAm表/界面性质的影响

通过三步反应合成出一系列不同碳原子数连接基阴离子双子表面活性剂(N,N′-双十二烷基-双羧丙酰基-烷撑二胺(2C12H25CnAm,n=2,3,4)。三种表面活性剂都具有低临界胶束浓度,且都能高效地降低表面张力。通过pC20,CMC/C20,pC30,CMC/C30参数分析了它们的吸附和胶束化行为。表面活性剂CMC值随连接基长度的增加先减小再增大,在n=3时达到最小2.17×10-5 mol/L;界面张力值随着连接基长度的增加而减小,最小可达到1.87mN/m。

大数据下的教务管理系统研究与设计

近年来,高校的招生规模不断扩大,学生数量不断在增加,随之而来的是数据量的急剧增加,使得高校的日常教学管理变得更复杂。所以,要想提高高校的教学管理的效率和处理海量数据的能力,就需要研究和设计一个符合高校情况的教务管理系统来帮助高校完善每天的教学管理。本文设计的教务管理系统是使用Java语言开发,采用MySQL数据库存储后台数据,使用MyEclipse工具设计开发,应用大数据来对传统的教务管理系统进行重新设计与实现,本文设计的系统能显著提高高校日常教学管理的效率,同时对高校进行教学方式方法改革提供了积极的参考的作用。

藜麦茶研发及香气电子鼻分析

该研究以藜麦为原料,分别在150、180、210℃下用龙井锅炒制25 min,得到3种不同香型的藜麦茶,进而对其进行感官审评和香气电子鼻分析。感官审评表明:180℃炒制的藜麦茶品质最佳,藜麦香浓厚。电子鼻分析表明:在主成分分析(principal component analysis,PCA)中,第一主成分PC1的贡献率为87.81%,第二主成分PC2的贡献率是11.42%,总贡献率为99.22%,在线性判别分析(linear discriminant analysis,LDA)中,第一主成分PC1的贡献率为78.94%,第二主成分PC2的贡献率为15.36%,总贡献率为99.83%,两者均可以将原料和3种用不同温度炒制的藜麦茶区分开来;传感器区分贡献率分析(Loadings)分析可以看出,传感器7、9、6、1即硫化合物、硫的有机化合物、芳烃化合物以及烷类,对区分不同炒制温度的藜麦茶贡献较大,这几类成分可能是影响不同炒制温度的藜麦茶茶香气差异的主体成分。

焦炉温度对焦炭质量的影响

本文首先对煤的成焦过程进行简单介绍,然后对炭化室内结焦过程中不同部位的特征进行分析,接着探讨了结焦过程中工艺条件对结焦过程的影响,最后分析了长结焦时间炉墙温度的变化。

大数据对企业管理决策的影响分析

在现阶段,企业的发展受市场竞争的因素越来越大,因此,对企业的管理和决策成为当下企业发展的核心要素。现阶段,随着社会科技的进步发展,企业发展越来越依赖于大数据,而大数据规模和内容的不断变化,也成为变革企业管理和决策的主要原因。

焦炉除尘自动控制系统的改造

原有的焦炉除尘自动控制系统存在着双层排尘阀限位信号故障率太高、系统某些组成的断裂故障频发,以及调试检修工作的不方便等问题。这些问题的存在,对系统的排尘效率造成了不小的影响。为了改善这些问题,在本文,我们就针对这三个问题提出了解决办法,对系统进行提高排尘阀工作频率、对排尘阀进行优化控制以及设置隐藏式手动按钮等方面的改造。

绿茶加工过程含水率在线检测技术研究

实现绿茶加工过程含水率在线检测对于稳定产品质量具有重要意义。针对传统人工评判存在的准确率低、一致性差等缺陷,研究提出利用在线近红外光谱建立绿茶加工过程含水率快速、准确、量化的检测方法。以多季节、多批次的415份杀青叶样本为研究材料,采用在线光谱仪实时采集杀青叶的近红外光谱信号,随后采用传统烘干法测定杀青叶真实含水率。分别采用SG平滑(Savitzky-Golay,SG)、标准正态变量变换(Standard Normal Variate,SNV)、多元散射校正(Multiplicative Scatter Correction,MSC)、去趋势(Detrending)等预处理方法消除原始光谱中的噪声等干扰信息,比较遗传算法(Genetic Algorithms,GA)和竞争性自适应复权抽样(Competitive Adaptive Reweighted Sampling,CARS)对水分特征波长的筛选效果,并结合偏最小二乘回归(Partial Least Squares regression,PLS)算法分别建立含水率的PLS,GA-PLS和CARS-PLS定量检测模型。结果表明,光谱预处理能够降低原始信号中的噪声干扰,显著提高模型的预测精度,其中SNV的效果最优;GA和CARS均能有效降低数据维度,其中CARS取得了最优的预测性能,所建的SNV-CARS-PLS模型对预测集样本的预测精度为相关系数Rp=0.9402,预测均方根误差RMSEP=1.57%,残余预测偏差RPD=2.90。研究建立的绿茶杀青叶含水率在线检测方法,能够为杀青环节质量状况提供实时量化反馈,为实现绿茶的智能化加工提供重要基础。