基于联合神经网络学习的中文电力计量命名实体识别

随着电力计量业务的不断扩展，迫切需要由业务信息、技术知识、行业标准及其内在联系所组成的电力计量知识图谱，为电网的决策和发展提供更为全面有效的支持。命名实体识别是构建知识图谱的基础。针对电力计量领域需要，结合中文分词技术特点，基于联合学习思想，提出了一种基于联合学习的中文电力计量命名实体识别技术。该技术联合CNN-BLSTM-CRF模型与整合词典知识的分词模型，使其共享实体类别和置信度；同时将2个模型的先后计算顺序改为并行计算，减少了识别误差累积。结果表明，在不需要人工构建特征的情况下，方法的正确率、召回率、F值等均显著优于以往方法。     

考虑季末调整的季节性产品(Qi,Ri)库存模型与管理

考虑季节性产品需求的季节性周期变化、季节内需求不确定性双重波动对产品需求的影响,为季节性产品进行综合需求预测,制定库存管理策略提供参考.本研究综合Holt-Winter需求预测模型和(Q,R)库存模型进行订货点和订货量的决策,并针对季节性产品特点提出了季节间转换时期的订货策略.最后,利用上述模型和某化工企业多年实际数据,进行实证研究,对化工产品的订货量和订货点进行优化,验证了本研究提出的模型与方法可以大幅降低季节性产品库存成本和缺货率.研究对季节性产品库存管理有着重要的学术与实践意义.     

氯化铵对AACH热分解制备纳米α-Al2O3的影响

以硫酸铝铵和碳酸氢铵为主要原料,采用沉淀法制备纳米碳酸铝铵(AACH)前驱体,通过碳酸铝铵热分解制备α-Al2O3,并利用X射线衍射(XRD),透射电镜(TEM)对前驱体及其煅烧产物的物相和形貌进行表征.研究表明通过添加氯化铵能够降低α-Al2O3的相变温度,并且随着加入量的增加,颗粒粒径减小,分散性改善.加入10;氯化铵的前驱体在1150 ℃下煅烧1 h后可以得到分散性较好的纳米α-Al2O3颗粒.