实习大纲内容 1、实习目的:通过实习,使学生了解岩石岩性;地质构造;地质演化历史、矿床及野外采集地质标本。加深学生对课堂教学内容的理解。 2、实习内容: (1)岩性实习;(2)构造实习;(3)野外地质综合实习。 3、实习基本要求:能够认识常见的矿物、岩石,了解地质构造、地质演化历史和矿床,掌握野外采集地质标本方法。 4、教学重点与难点: 教学重点是地质构造。难点是岩石岩性

一、制定本课程实验大纲的依据 依据黑龙江八一农垦大学农业资源与环境专业地学基础教学计划和教学大纲要 求,为达到教学目的和要求而制定。 二、本课程实验教学的作用 通过实验课程,使学生认识常见矿物、岩石,并更好的理解有关的课堂教学内 容。 实验中要认真、仔细,爱护实验仪器设备,并能严格遵守课堂纪律,以保证每 次实验的顺利完成

第一节蛋的成分、形成和营养因素的影响 一、蛋的成分 二、蛋的形成 三、营养因素对蛋形成的影响 第二节产蛋的营养需要 一、产蛋禽的能量需要 二、产蛋的蛋白质和氨基酸需要 三、产蛋的矿物质需要 四、产蛋的维生素需要 五、水的需要

第一节粉煤灰粉煤灰是燃煤电厂排出的主要污染物，长期以来主要堆积于贮存场或直接排入江河中，不仅占用大量农田，据统计，仅我国已占用的农田达4万公顷），况且排送粉煤灰又浪费了珍贵的水电资源，更可惜的是排弃粉煤灰浪费了大量宝贵的矿物资源，它还通过水体污染侵害人们身体健康，给生态环境造成严重危害。第二节煤矸石

第一节生长的概念 一、生长的概念 二、生长的一般规律 三、影响生长的因素 第节生长肥育的营养需要 一、能量需要 二、蛋白质氨基酸的需要 三、矿物质元素的需要 四、维生素的需要 第三节生长肥育的饲料利用效率 一、营养水平与饲料利用率 二、生长肥育的能量利用效率 三、生长肥育的蛋白质效率

第一节维持需要的概念及意义 一、维持和维持需要 二、维持需要的意义和作用 第二节动物维持状态下的营养需要 一、维持的能量需要 二、维持的蛋白质、氨基酸需要 三、维持矿物质、维生素需要 第三节温热环境对动物营养的影响 一、动物的影响 二、饲粮组成和饲养的影响 三、环境的影响

通过单矿物浮选试验、光学显微镜分析、E-DLVO理论计算、团聚动力学分析等研究了油酸钠浮选体系下赤铁矿浮选过程中的自载体作用。单矿物浮选试验表明，粗粒赤铁矿（?106 + 45 μm）的可浮性较好，当油酸钠用量超过15 mg·L?1时，回收率可达到90%以上，而细粒赤铁矿（?18 μm）的浮选回收率、浮选速率则较低；当粗?细赤铁矿中粗粒和细粒的质量近似相等时，粗粒的“自载体”效果最强，浮选回收率增加的也最明显，但粗粒过量则会导致粗粒对细粒赤铁矿浮选的强化作用减弱。光学显微镜分析和E-DLVO理论计算表明，粗?细赤铁矿颗粒间的相互作用能高于细粒赤铁矿间的相互作用能，与细粒赤铁矿相比，粗?细赤铁矿间更容易发生团聚，这也是粗粒能够强化细粒赤铁矿浮选（自载体作用）的主要原因。但过量的粗粒赤铁矿会增强其浮选过程中的“磨削、剪切”作用，导致粗粒的“自载体”效果减弱，浮选回收率降低

本文采用光学显微镜,电子探针及穆斯堡尔效应等手段对MgO在烧结矿和球团矿中的赋存状态及其对冶金性能的影响进行了微观分析研究。显微镜下观察表明,随烧结矿中MgO含量增加,赤铁矿及铁酸钙明显减少。当MgO约达4%以上时,烧结矿渣相中开始出现少量镁质硅酸盐矿物。电子探针扫描分析表明,MgO主要分布于除赤铁矿之外的铁相矿物中,在烧结矿中形成含镁磁铁矿,在球团矿中形成镁铁矿,少部分分布于渣相中。对杭钢球团矿所做的穆斯堡尔谱学研究表明,在焙烧过程中,Mg2+大量进入磁铁矿八面体晶位,揭示了MgO在人造富矿中富集于铁相及引起物相变化的机理。基于上述试验研究,分析了MgO对人造富矿冶金性能的影响

通过化学成分、光学显微镜、X射线衍射、扫描电镜能谱分析等测试手段，分析了镍沉降渣矿物成分和嵌布特点和沉降渣深度还原过程中物相的转变特征，结果表明，渣的物相由铁镁橄榄石和玻璃质组成.渣中主要有用成分铜镍铁硫化物嵌布粒度微细，分布无规律，回收困难.经深度还原，沉降渣逐渐转变为镁黄长石、含镍金属铁、辉石、钙霞石、钠闪石、石英等新的矿物成分，加热至1300℃，还原产物物相组成稳定，镁黄长石和含镍金属铁相对含量最高.还原时间也是影响还原效果重要因素，含镍金属铁相对含量随还原时间的增加而增长，120 min时相对含量最高.热力学分析表明，镍沉降渣深度还原过程中主要发生的反应为铁镁橄榄石与氧化钙作用生成镁黄长石和FeO，FeO被C和CO还原为金属铁.金属硫化物与CaO和C通过氧化还原作用，生成的金属铜和镍溶于金属铁中，产生的CaS与硅酸盐一起析出

作为磨矿过程的主要生产质量指标, 磨矿粒度是实现磨矿过程闭环优化控制的关键.将磨矿粒度控制在一定范围内能够提高选别作业的精矿品位和有用矿物的回收率, 并减少有用矿物的金属流失.由于经济和技术上的限制, 磨矿粒度的实时测量难以实现.因此, 磨矿粒度的在线估计显得尤为重要.然而, 目前我国所处理的铁矿石大多数为性质不稳定的赤铁矿, 其矿浆颗粒存在磁团聚现象, 所采集的数据存在大量异常值, 使得利用数据建立的磨矿粒度模型存在较大误差.同时, 传统前馈神经网络在磨矿粒度数据建模过程中存在收敛速度慢、易于陷入局部最小值等缺点, 且单一模型泛化性能较差, 现有的集成学习在异常值干扰下性能严重下降.因此, 本文在改进的随机向量函数链接网络(random vector functional link networks, RVFLN)的基础上, 将Bagging算法与自适应加权数据融合技术相结合, 提出一种基于鲁棒随机向量函数链接网络的集成建模方法, 用于磨矿粒度集成建模.所提方法首先通过基准回归问题进行了实验研究, 然后采用磨矿工业实际数据进行验证, 表明其有效性