基于Hibernate的实化视图维护的研究

在传统的实化视图维护时,数据源把增量数据以XML文档的方式报送给数据仓库,数据仓库从此文档中解析出数据,利用JDBC完成对实化视图的更新。文中提出在数据源把增量数据封装成序列化对象存储于文件中再报送给数据仓库,而数据仓库从文件中读出对象,利用Hibernate直接把对象更新到实化视图。通过两种方案性能的比较,表明后一种方案是可行并且更加高效的。

基于散列技术的自适应关联规则挖掘算法

针对关联规则挖掘经典的Apriori算法多次扫描数据库,侯选项集数目多而引起的效率低下问题,本文提出了将Apriori算法与散列技术和自适应步长相结合的改进算法,算法压缩了侯选项集的数目以及减少了扫描数据库的次数。通过理论分析与实验结果表明,该算法与经典的Apriori算法相比较,效率上有明显的提高,特别是对大事务集,长事务集数据挖掘效果更为明显。

基于燃烧控制和SNCR＋烟气CFB的循环流化床锅炉超低排放示范

循环流化床工业锅炉也要具备超低排放的能力。除了深度挖掘循环流化床燃烧自身低污染排放潜力之外,还可以对烟气进一步控制处理。利用炉内低氮燃烧,配合低成本的选择性非催化还原(SNCR)控制NOx;利用炉内脱硫产生的CaO在烟气循环流化床吸收塔中吸收SO_2和其他污染物,有一定的优势,为此开展了工程示范。示范在燃用Ⅱ类烟煤的75 t/h蒸汽工业锅炉进行。运行表明,炉内不投石灰石时,即使不投SNCR,NOx能控制在50 mg/m3以内,此时烟气循环流化床吸收塔必须喷消石灰浆,吸收塔出口SO_2浓度有一定的波动。炉内投石灰石后,NOx排放因受其催化浓度迅速增加,此时需及时投入SNCR;烟道上增湿活化、控制烟气循环流化床吸收塔中的温度,能够稳定地将SO_2控制在35 mg/m3。可见,基于燃烧控制和SNCR+烟气CFB控制,循环流化床锅炉在高效运行的同时,烟气污染物能可靠地实现超低排放。