新型抗水氯氧镁水泥防渗渠在自然环境的水化产物、相转变规律及其对强度的影响

氯氧镁水泥(Magnesium oxychloride cement,MOC)具有快凝、早强、高强、防火和不腐蚀玻璃纤维等优点,非常适合于制作玻璃纤维增强薄壁制品,在农业灌溉工程中具有良好的应用前景。采用XRD和TOPAS分析了新型抗水氯氧镁水泥制成内蒙古防渗渠的物相组成,探讨了氯氧镁水泥制品在自然环境的水化产物与相转变规律、以及相组成对强度的影响。结果表明,在水分缺少的条件下,氯氧镁水泥的水化产物主要为5Mg(OH)_(2)·MgCl_(2)·8H_(2)O(5·1·8)和Mg(OH)_(2);在水分充足的条件下,水化产物主要为Mg(OH)_(2)和5·1·8,碳化产物为碳化氯氧化镁Mg(OH)_(2)·MgCl_(2)·2MgCO_(3)·6H_(2)O(1·1·2·6)和水菱镁矿4MgCO_(3)·Mg(OH)_(2)·4H_(2)O(4·1·4)。水化产物对强度有促进作用,而碳化产物会降低强度。通过10年的工程环境考验,证明新型氯氧镁水泥制品在环境中能够保持主要强度相5·1·8的稳定性,具有良好的长期力学性能。

基于递归神经网络的风暴潮增水预测

风暴潮增水的准确预测能极大地减少人员伤害和经济损失,具有重要的实用价值。传统的风暴潮预报方法主要包括经验和数值预报,很难建立起相对准确的模型。现有的基于机器学习风暴潮预报方法大都只提取出静态数据间的关系,并没有充分挖掘出风暴潮数据背后的时序关联特性。文中提出了一种基于递归神经网络的风暴潮增水预测方法。本文对风暴潮时序数据进行特定的处理,并设计合适结构的递归神经网络,从而完成时序数据的预测。相较于传统的BP神经网络,递归神经网络能更好地应对时序数据的预测问题。将该方法用于潍坊水站的增水预测中,结果表明,相对于BP神经网络,递归神经网络能得到更好的预测结果,误差更小。