含醇体系超额性质模型TDAM的导出和应用

本文针对含醇体系的特性,基于缔合溶液理论,导出了一个形式简单、物理意义明确的溶液模型——TDAM.由于TDAM模型中引入了较为合理的温度关系,仅需两套不同温度下的超额焓数据,即可进行其它温度下超额焓数据以及汽液平衡数据的推算.将TDAM模型对非极性、极性体系超额焓的关联结果与其它常见溶液模型(Wilson、W-C和QCSM等)进行了比较,以TDAM模型为最佳;对含醇体系汽液平衡数据也进行了同样的比较,TDAM模型关联结果优于或相当于其它溶液模型.将该模型用于超额焓和汽液平衡的推算,结果令人满意.

BP神经网络在铝合金温度测量装置上的应用

智能仪器在工业生产和科研中应用越来越广泛,针对其性能的要求也随之提高。为了提高其性能以此来获取更精确的数据,保证工业生产和科研的需求,提出了在原有基础上将BP神经网络应用到智能仪器中,利用其函数逼近能力来模拟输入和输出的关系式,以此来提高智能仪器对数据的处理能力,同时获取更准确的数据。

基于SAO语义挖掘的用户需求-专利技术匹配

【目的】解决现有研究中需求和专利文档的文本挖掘不充分问题以及需求-技术匹配不准确问题。【方法】结合需求多任务学习框架TDAM和F-term专利识别方法,设计一种更为精确、有效的需求-技术匹配流程框架,并以新能源汽车领域为例,应用本文模型验证其有效性。【结果】从模型匹配性能上,本文模型的需求-技术匹配精确度为0.819,比S-LDA模型精确度高了大约13.1%,将比BiLSTM模型高了约31.5%。本文模型的召回率为0.796,F1值为0.807。【局限】仅收集了日本专利,数据来源不够全面。【结论】应用本文模型可生成与用户需求匹配度较高的专利技术,促进企业制定针对特定消费者需求的技术解决方案,从而引导相关企业确定技术研发方向。