【摘 要】
：
铺设保温材料是降低渠道冻胀的重要措施。然而，服役过程中，保温材料因吸湿将导致其保温性能降低。为探究吸湿对保温材料导热系数的影响，基于均匀化方法和最小热阻力法则，建立了考虑含水率影响的导热系数预测模型，并讨论了孔隙率和含水率对导热系数的影响，最后利用实测结果及已有模型对本文模型进行了验证。结果表明：保温材料的导热系数随孔隙率的增大而减小，随含水率的增大而增大。本文模型预测值与实测值的误差小于5％，验
【基金项目】
：
国家自然科学基金（41701060）；
论文部分内容阅读
铺设保温材料是降低渠道冻胀的重要措施。然而，服役过程中，保温材料因吸湿将导致其保温性能降低。为探究吸湿对保温材料导热系数的影响，基于均匀化方法和最小热阻力法则，建立了考虑含水率影响的导热系数预测模型，并讨论了孔隙率和含水率对导热系数的影响，最后利用实测结果及已有模型对本文模型进行了验证。结果表明：保温材料的导热系数随孔隙率的增大而减小，随含水率的增大而增大。本文模型预测值与实测值的误差小于5％，验证了用此方法计算保温材料的导热系数是可行的。证实水分是降低保温性能的重要因素，并对提出了改善聚氨酯保温材料憎水性的建议。
其他文献
＜正＞冬春季节是感冒咳嗽的高发期，面对市面上如此多的止咳类中成药，该怎么选呢？我的建议是，止咳中成药，只选1种。第一个原因，在2018年的《北京地区基层医疗机构中成药处方点评共识报告》里面提到的，我们曾经对北京市基层卫生机构的中成药处方做过一个较大范围的摸底点评，结果显示，中成药联用的品种数越多，不合理率越高。所以，在满足治疗需求的前提下，用药品种越少越好。
随着信息技术的发展态势蒸蒸日上,人们日常生活的各个领域逐渐变得信息化与智能化,“互联网+”已成为各个领域未来的发展方向。在此背景下,“互联网+教育”也逐渐出现在大众的视野中,我国的教育改革及教育规划也正处于学习规模化向学习个性化转变的局势中。在这种情况下,支持以自然语言问句来提问的智慧教育问答系统逐渐成为当前国内外研究的重点,与通过搜索引擎来获取新知识的传统方式相比,智慧问答系统能够更准确地理解用
＜正＞问题1倦怠典型代表:志向远大的张晓立志一定要考上北京大学,为了达到自己的目标,她从高三伊始就给自己制定了严格的学习计划,并且每天都要求自己一定要完成。看过这份计划书的同学都称这是魔鬼计划书,太苛刻了。然而张晓认为要成为人上人就须吃得苦中苦。在高强度的训练下,她的成绩在开始时有了不错的提高。然而好景不长,到了冲刺期后,张晓发现自己变得越来越"懒"了,魔鬼计划书中的内容最近总是不能完成。更
近年来，STEAM教育逐步走进中小学基础教育领域。为了让学生更好地适应未来发展的需要，武汉外国语学校初中部建立了3D打印社团，积极探索STEAM教育理念在社团活动中的应用。本文将具体讲解STEAM教育理念下3D打印笔绘图设计晴川桥模型的教学设计。
依托西溪国家湿地公园的自然生态条件,开展自然导赏和情境教学、实践探索和科学实验、科普讲座和问题发现、标本采集和艺术创作等研学项目,使学生在旅行中体验生物学理论在实际生活中的应用,加深对生物学知识的理解。通过将生物学研学旅行与体验式课程相融合的方式,培养了学生的综合科研探索能力。
“配送业务实务”课程作为高职院校部分商科专业核心课程，存在讲授过程重理论轻实践，授课形式单一，重结果性考核轻过程性考核，以及课程内容过于平淡等问题。以工作过程系统化为视角，提出遵循应用性诉求、人本性意蕴、操作性指向三个逻辑依据进行课程改造。首先需要制定可行的教学计划，明确课程的主要知识点，以及各个知识点所占的学时数；其次需要在教学过程中将课程内容分为自学部分和讲授部分，明确工作过程中需要解决的重要
＜正＞ 鲁迅先生的《祝福》,是一篇具有深刻典型意义的短篇小说。它描写了祥林嫂被封建礼教、鬼神迷信和封建宗法制度吞噬的经过,再现了中国半封建半殖民地社会的一个重要侧面。作品以其内容的充实,思想的深刻,刻划的深切,技巧的圆熟而著名,堪称为鲁迅先生短篇小说的代表作。单从结构来说,它剪裁精巧,市局合理,针线严密,显得十分巧妙而独特,很值得我们学习和借鉴。
＜正＞当今，随着互联网技术日新月异，信息技术迭代更新，全媒体时代的大潮正奔涌而来。新兴媒体的发展从未像今天这样迅猛，人们获取信息的方式从未像今天这样便捷，传统媒体面临的挑战从未像今天这样严峻。处于传播技术瞬息万变的全媒体时代，欠发达边疆地区的传统媒体，能否突破人才、技术、资金等束缚，在传播实践中实现开拓、创新、出彩？本文以云南省文山日报社组织策划的“文山脱贫攻坚故事会——身残志坚篇”全媒体报道为例
云肩是传统民族服饰艺术中的重要服饰部件，其纹饰具有民族特色和文化底蕴，文章为提高清代云肩纹饰图案数字化保护的有效性和准确率，建立了语义分割中U-Net网络提取清代云肩纹饰的系统路径。首先，搭建基于U-Net的算法模型对清代云肩纹饰图像进行提取；其次，将U-Net模型训练的关键参数优化对比，选出其最优参数；最后，将训练好的U-Net模型与其他网络模型进行对比实验。实验结果表明，该算法的准确率、召回率