在线加湿压力和加湿流量对PM_(10)排放的影响

利用实验室粉体物料自由下落在线加湿模拟试验装置,研究气水两相喷嘴中的加湿压力和加湿流量对不同粉体物料中PM10排放的影响。通过实验,获得的最佳加湿压力为0.30MPa,最佳加湿流量为2.4 L/h。利用最佳加湿压力和最佳加湿流量可以优化在线加湿条件,达到最佳的降尘效果和节约降尘成本。

使用泥土!马丁·劳奇的生活与工作

节选自马丁·劳奇的《优雅的泥土——夯土建筑与设计》,奥托·卡普芬格和马尔科·索尔(编著),细部出版社,慕尼黑,2015年,第6-13页(图1,2)由细部出版社再版。这本书讲述了一位另类思考者的成功故事——他在字面意义上'脚踏实地'的工作方法使他通过真实的个人经验获得了一种生态社会学的立场。最初,他把自己定义为对当地'感兴趣'的外来者,后来逐渐成为享誉全球的权威。

可充碱性锌锰电池<英文>

七十年代初,可充碱锰电池在美国和芬兰就商品化了,由于MnO_2尚不能做到全放电,与铅酸和镍镉电池相比,缺乏竞争力。它主要用于便携式电视机和大型信号灯中,但没几年就停产了,此后又经历了以下几方面的改进:(1)控制锌阳极的容量,使MaO_2为第一电子放电,使锌近于完全溶解后再充电的问题减少,因锌几乎完全溶解后,电池再充性变差。控制阴极物质的组成,加入晶格稳定剂,使电池循环寿命延长。(2)阴极中添加适当的催化剂使电池中腐蚀氢再结合。采用第三电极氧循环,使电池增强过充电能力。(3)试验表明,高温时,其搁置寿命比镍镉、镍氢电池长。(4)降低电池中汞含量,有利于环境保护。(5)原材料及生产工艺进一步完善。最近,可充碱性锌锰电池的研制又取得了新进展。 1 薄阴极的特性 圆柱形电池中,MnO_2电极的厚度对电池的性能起决定性作用。图1(见正文——下同)表明阴极的厚度与MnO_2利用率的关系。适用于“D”(LR—20)、“C”(LR—14)、“AA”(LR—6)和“AAA”(LR—03)等电池。图中可看出,厚度越小,MnO_2利用率越高。对商品化的“D”型、“C”型、“AA”型及“AAA”型电池,其厚度分别为6mm、4mm、2mm、1mm。表1说明了不同型号的单体原电池的重量(g)与容量的关系。表2、表3则说明了单个原电池以及与之对应的电池组之间?

奥地利私有土地滞洪工程补偿机制:洪灾风险管理中的多中心治理探索

在洪涝风险管理战略中,滞蓄洪水,尤其是调控滞洪正发挥着愈加突出的作用。滞洪工程虽然能够有效降低洪涝高发地区的洪水风险,但也会占用大量土地,侵犯其所有者的财产权益。因此,此类工程在实施过程中,往往会面临可用土地不足以及越发高昂的(农业)土地补偿费等阻碍。滞洪工程的大规模推广不仅会改变滨河土地的用途,也会使相关权力及机构向低层政府机关下沉,甚至转移到提供滞洪用地的私人土地所有者、滞洪工程受益者等非政府行为主体。本文以奥地利山地城市阿尔滕马克特市的调控滞洪工程补偿方案为例,通过多中心视角探索了一系列新型治理路径;同时以多中心理论的五大命题为依据,辨析了"治理"在奥地利滞洪工程补偿机制中的含义,并分析了滞洪工程在提高滨河地区景观韧性方面的潜力和局限性。

混凝土坝设计和施工中断裂力学问题的研究

1 导言 混凝土坝的大量损坏可归咎于三种特性形式的影响: ·设计不当和施工质量差 (切口,角隅,参差的坝一基界面,岩体突变和混凝土粘结等) ·体积变化 (收缩,蠕变,水化作用,约束力,混凝土成分的化学不相容性,等) ·异常荷载和反应产生的应力 (地震,气候剧烈变化,不连续支撑条件,等) 其中有些影响(例如与气候条件相关的混凝土浇筑工序,坝一基互作用特性)是不易用分析来预测的,可能要凭工程师的经验和直觉来判断。 但是,利用断裂力学原理,混凝土坝开裂的某些诱因一眼便可查明。因为断裂力学能够分析不能用材料的常规强度准则分析的区域的应力状态。 本文根据断裂力学的观点提出和讨论混凝土坝结构设计不当(大多数根据实际破坏情况)的典型实例。

电子生产管理系统中的DNC

通过在数控系统以及电子生产管理系统中按照时间要求进行的组合工作方式,可以大大改善生产过程中信息流的利用情况。由于及时、完整地提供了生产加工机床的当前信息,使电子生产管理系统的控制和监控能力大大提高,使生产准备与生产过程更加紧凑。

感知物理先验的机器学习及其在地理空间智能中的研究前景

许多复杂的物理现象和动态系统尚未为科学家所完全理解和解释,因此不能构建确定的数学方程来描述,不能直接使用紧凑的物理机理模型来进行分析和预测。随着观测数据的日益丰富,数据驱动的机器学习方法可以较好地描述复杂非线性现象,但是纯数据驱动模型在表征能力、可解释、泛化能力、样本利用效率方面还存在很多不足。常规机器学习方法在地学领域的应用还面临时空异质性、样本稀疏等带来的挑战。近年来感知物理先验的机器学习方法可以在物理原理不太明确的情况下更有效地利用观测数据描述和分析动态系统,受到了广泛关注,并在物理、计算机、生物、医学和地学等领域得到了一定的应用。近年来人工智能和机器学习技术已经大量应用于地理学尤其是地理信息和遥感领域,受到地理学者广泛重视,被称为地理空间智能,并已成为一个热门的研究方向。感知物理先验的机器学习方法融合了模型驱动和数据驱动思想,为地理空间智能研究带来新的研究范式,促进各种复杂地理现象的精细描述和预测。本文首先分别从物理先验的表达形式和如何在机器学习中集成物理先验两方面概述了该领域的进展。物理先验是在机器学习建模之前已经存在、独立于机器学习方法的知识。本文从增广的数据和定制特征、物理定律和约束规则、支配方程、几何特性等方面总结物理先验知识的表达形式。主要从机器模型约束建模、辅助任务设计和模型的训练推理角度总结如何在机器学习模型中有效集成各种物理先验。本文基于以上的综述框架,结合地学机器学习和地理空间智能的发展和前沿问题,探讨了地理时空先验与其他物理先验的关系,简要总结和分析了目前感知时空先验的地理空间智能方法研究案例,探讨了时空先验表征以及集成时空先验地理空间智能的未来研究规划和应用前景。随着感知物理先验的机器学习方法研究的快速发展,我们相信感知时空先验的地理空间智能研究未来将逐步构建起跨多时空尺度的通用地理表征、分析、预测和解释框架,不仅能更好地解决地理信息科学的传统问题,还将鼓励地理学者与其他相关学科一起建立交叉研究的前沿机会,探索解决人类未来面临的共同挑战。