以不同组成和结构的高炉矿渣作为研究对象,借助XRD、ICP-MS以及29Si MAS NMR等微观测试手段,探究了高炉矿渣在碱性环境中的离子溶出特性、硅氧四面体聚合状态随水化龄期变化的影响规律。研究表明:高炉矿渣中玻璃体的活性受其化学组成和...
详细信息
以不同组成和结构的高炉矿渣作为研究对象,借助XRD、ICP-MS以及29Si MAS NMR等微观测试手段,探究了高炉矿渣在碱性环境中的离子溶出特性、硅氧四面体聚合状态随水化龄期变化的影响规律。研究表明:高炉矿渣中玻璃体的活性受其化学组成和结晶相含量影响,结晶相及铝氧结构单元的存在和增多降低了玻璃体结构的聚合度;网络改性剂在玻璃体结构中表现为不均匀分布,不同网络形成体结构单元的水解会伴随不同的水化特性;在碱性环境下,高炉矿渣玻璃体结构中硅氧四面体含量较大时,其硅氧结构更易被破坏,溶液中硅离子的浓度较高,溶液pH值维持在较低水平,生成的水化产物中高聚态硅氧四面体较多;高炉矿渣玻璃体结构中铝氧四面体含量较大时,其铝氧结构更易被破坏,溶液中铝离子及钙离子的浓度较高,液相pH值维持在较高水平,生成的水化产物中高聚态硅氧四面体较少。
为了有效获取出租车乘客出行目的,提出了一种基于出租车运营数据和POI(Point of Interest)数据的出行目的识别方法.构建了基于乘客出行特征和下车所属POI点类别的乘客出行目的识别模型,该方法从出行特征及乘客下车点最终可能到达的目的...
详细信息
为了有效获取出租车乘客出行目的,提出了一种基于出租车运营数据和POI(Point of Interest)数据的出行目的识别方法.构建了基于乘客出行特征和下车所属POI点类别的乘客出行目的识别模型,该方法从出行特征及乘客下车点最终可能到达的目的地所属POI点类型两个方面确定乘客的出行目的.为了验证所提方法的有效性及实用性,对成都地区展开了出租车出行调查,并利用调查数据对模型进行了精度验证.结果发现,相比于现有的利用出行特征推断出行目的的方法,本文提出的决策树+POI(II)能够提高最终识别准确度15.76%.最后,将所提方法应用于成都1周的实际运营数据中,成功地识别出219 942名乘客的出行目的,说明该方法能够应用于实际数据量较大的出行目的识别.本文提出的方法,可以作为出行调查的辅助手段.
传统眼动模型基于心理学假设和经验数据构建,不能对未见文本数据进行预测,且不能解决阅读个体化差异问题。针对这一问题,该文提出了一种利用深度神经网络预测读者注视点的眼动模型。与传统基于心理学的眼动模型不同,该模型不是基于经验数据集,而是基于双向长短期记忆-条件随机场(bi-directional long short-term memory-conditional random field,bi-LSTM-CRF)神经网络。该模型使用阅读过程中读者的眼球运动数据作为训练数据,来预测该读者阅读其他文本时的注视点。计算机模拟结果表明:bi-LSTM-CRF模型能够使用较少的数据特征获得与现有机器学习模型相似的预测准确度,这使所提出的模型在实时人机交互应用领域具有吸引力。
暂无评论