为了研究不同絮凝条件下超细尾砂的絮凝效果, 本文基于超级絮凝理论, 应用超级絮凝测试仪UFT-ТFS-029, 采用相对絮凝率表征人造超细尾砂在pH值为9~12、絮凝剂单耗fd=2~20 g·t-1、料浆剪切速率γ=100~2000 s-1、料浆固体体积分数φ=2%~14%等条件下的絮凝行为. 发现相对絮凝率随着pH、絮凝剂单耗、剪切速率的增加均先增加后减少, 而随着浆料固体体积分数的增加逐渐减少, 并获得了一定条件下的最优絮凝条件, 即pH值为11、fd=12 g·t-1、γ=500 s-1、φ=4%. 同时, 固体体积分数越高, 达到最优相对絮凝率所需的最优剪切速率对固体体积分数的依赖性也越高. 因此, 在实际生产中需要对pH、絮凝剂单耗、剪切速率与固体体积分数等工况参数进行调整, 以达到最优絮凝效果. 应用超级絮凝理论可实现超细尾砂在极短时间内实现很好的絮凝, 为基于流场剪切速率与停留时间的深锥浓密机进料井设计提供参考

5.1野外数据采集原理 5.4.6数据编码的输入 5.2大比例尺数字测图系统设计 5.5图式符号库的设计 5.2.1系统设计目标 5.5.1建立图式符号库的一般原则 5.2.2设计原则 5.5.2图式符号库的设计原理 5.2.3系统模块结构 5.6连接信息的设计 5.2.4系统主要功能 5.7分幅与接边 5.2.5系统数据组织 5.7.1分幅的意义 5.3数据编码 5.7.2地形图的分幅 5.4 MAPSUV数据编码的设计 5.7.3分幅的步骤 5.4.1采用的标准 5.7.4图幅间的接边处理 5.4.2GB14804-93主题内容与适用5.7.5图廓 范围 5.8层 5.4.3GB14804-93分类、编码原则5.9建立DTM的原理和方法 5.4.4编码方法 5.10地形图的绘制 5.4.5编码设计 5.11图形应用接口

以往对全尾砂膏体屈服应力的研究局限于理想屈服应力流体框架内，认为一定材料配比条件下，膏体的屈服应力是确定的，即认为屈服应力是膏体料浆固有的一个物理属性值。通过开展不同质量分数全尾砂膏体屈服应力测量实验，分析了测量速率与测量时间对不同浓度膏体屈服应力的影响，发现屈服应力值的大小与测量过程相关。对比分析峰值屈服应力、动态屈服应力、静态屈服应力，发现全尾砂膏体屈服应力随测量时间–测量速率在一定条件下的变化规律，即峰值屈服应力、静态屈服应力正比于膏体的测量速率，动态屈服应力反比于测量时间，以变异系数Cv评价料浆屈服应力的离散程度，其中74%质量分数膏体动态屈服应力变异系数最大，Cvmax=27.07%，而66%质量分数膏体静态屈服应力变异系数最小，Cvmin=2.33%。进而从细观层面分析了膏体屈服过程中颗粒间作用力、颗粒网络结构随测量时间–测量速率的变化规律，解释了全尾砂膏体屈服应力易变性机理

通过本章学习,使学生了解账户分类的意义及三种账户分类方法的一般关系,掌握账户 按经济内容分类的方法,掌握账户按用途和结构分类的方法,熟悉各类账户的用途和结构

针对赤铁矿渣中存在杂质，影响其综合回收利用的问题，开展赤铁矿渣高温水热法脱杂，制备铁红的研究。研究了不同酸度、温度、时间和液固比条件，对铁红产品中铁、锌、硫含量以及锌、硫脱除率和铁溶出率的影响。实验结果表明：pH值为1，温度220 ℃，保温时间3 h，液固比6∶1，转速400 r·min?1条件下，铁红产品中铁质量分数由58.66%上升为66.83%；赤褐铁类矿物含铁由占总铁质量分数94.05%，上升为97.79%；硫质量分数由2.96%下降至0.82%；锌质量分数由1.03%下降至0.18%。经X射线衍射检测，与赤铁矿渣相比，铁红产品中氧化铁信号峰值提高，杂峰减少。通过扫描电镜/能量散射X射线分析，铁红产品表面附着的硫酸盐等杂质经高温水热法处理后明显减少；实验前后，赤铁矿渣与铁红产品颗粒形貌与大小没有发生变化。实验处理后的铁红产品经检测，满足国家标准氧化铁红含铁量C级，水溶物和水溶性氯化物及硫酸盐含量III型，筛余物2型，105 ℃挥发物V2型，来源a型标准

一、重量分析法:通过称量被测组分的质量来确定被测组分百分含量的分析方法。 二、分类: 挥发法利用物质的挥发性 萃取法利用物质在两相中溶解度不同 沉淀法利用沉淀反应 三、特点: 准确度高,费时,繁琐,不适合微量组分

针对分类数据, 通过数据对象在属性值上的集中程度定义了新的基于属性值集中度的类内相似度(similarity based on concentration of attribute values, CONC), 用于衡量聚类结果中类内各数据对象之间的相似度; 通过不同类的特征属性值的差异程度定义了基于强度向量差异的类间差异度(dissimilarity based on discrepancy of SVs, DCRP), 用于衡量两个类之间的差异度.基于CONC和DCRP提出了新的分类数据聚类有效性内部评价指标(clustering validation based on concentration of attribute values, CVC), 它具有以下3个特点: (1)在评价每个类内相似度时, 不仅依靠类内各数据对象的特征, 还考虑了整个数据集的信息; (2)采用几个特征属性值的差异评价两个类的差异度, 确保评价过程不丢失有效的聚类信息, 同时可以消除噪音的影响; (3)在评价类内相似度及类间差异度时, 消除了数据对象个数对评价过程的影响.采用加州大学欧文分校提出的用于机器学习的数据库(UCI)进行实验, 将CVC与类别效用(category utility, CU)指标、基于主观因素的分类数据指标(categorical data clustering with subjective factors, CDCS)指标和基于信息熵的内部评价指标(information entropy, IE)等内部评价指标进行对比, 通过外部评价指标标准交互信息(normalized mutual information, NMI)验证内部评价效果.实验表明相对其他内部评价指标, CVC指标可以更有效地评价聚类结果.此外, CVC指标相对于NMI指标, 不需要数据集以外的信息, 更具实用性

通过密炼?注塑成型工艺制备了不同苎麻纤维含量的聚乳酸基复合材料，研究了纤维含量对复合材料性能的影响规律，并揭示了纤维增强机理。研究表明，苎麻纤维的添加提高了复合材料的耐热性能，尤其是当纤维质量分数为40%时，复合材料的热变形温度提高了10.5%。此外，苎麻纤维均匀地分散在基体中，由于纤维与聚乳酸的界面强度较弱，断面上有大量的纤维拔出和纤维孔洞；差示扫描量热仪测试表明高含量的纤维限制了聚乳酸分子链的运动，促进复合材料形成更加致密完善的晶核；同时，流变行为也表明苎麻纤维含量的增加有助于提高复合材料的黏弹响应和复合黏度；最后，苎麻纤维的加入提高了复合材料的拉伸和弯曲强度，且随纤维含量的增加而增大。与聚乳酸相比，当纤维质量分数为40%时复合材料的拉伸和弯曲强度分别提高了30%和21.9%

第一节事件与概率 第二节概率分布 第三节正态分布 第四节二项分布 第五节泊松分布 第六节样本平均数的抽样分布 第七节t分布

一、名词解释(每题3分,共18分): 1.半不连续复制 2.基因家族 3.信号肽 4.操纵元√ 5. CDNA 6.基因转换 二、是非题(每题1分,共20分):是(+),否() 1.真核生物的基因常含有增强子,它通过特定的蛋白质结合因子能够促进基因的转录,具有明显的位置与方向效应。()