针对服务区污水处理的相关技术 一、项目分类 关键核心技术突破 二、成果简介 现有高速公路服务区污水处理系统的总体设计不合理，直接套用市政污水工艺，无法有效应对服务区高波动、高氨氮的水质特征，普遍存在设备运行维护难、生化系统稳定性差和经常崩溃、出水氮磷不达标等突出问题。产生黑臭水体，频繁遭到附近村民投诉的现象。 为了解决以上问题，本技术为坚持生态优先与绿色发展，营造青山绿水的美好环境，解决服务区污水超标排放污染环境的问题，创新性的提出了针对高速服务区污水处理的新模式即“源头分离、智能调蓄、分类处理、强化脱氮”的十六字字方针。即对服务区污水采用尿液分离技术，分离出高氮磷的尿液废水，降低后续污水处理设施处理负荷；并采用人工智能算法动态控制尿液废水的收、贮、排，实现尿液废水智能动态调蓄，达到后续综合污水氮磷浓度削峰填谷，降低波动率，减少冲击；对尿液废水和综合污水采用分类处理策略，研发高效生化脱氮技术，结合智能控制系统，针对不同波动率的污水采用不同的抗冲击抗波动策略，实现服务区污水针对性控制；最后强化综合污水处理系统的脱氮能力，研发具有强化脱氮能力的“菌巢”材料及其反应器，实现主体污水处理工艺强脱氮、抗冲击的效果，保证出水稳定达标。 目前国内没有专门针对服务区污水处理的相关的技术，本技术已在实验室小试和现场中试试验尺度上验证了该新工艺和新思路的可行性，目前本技术已经申请了三个国家发明专利，2篇学术论文正在撰写中。这表明本技术具有很强的先进性和独占性。

本发明公开了一种高速光固化3D打印装置和方法，其中装置包括装有液态光敏树脂的液池、打印平台以及照射光源，所述液池底部设有与所述打印平台和照射光源对应的透明板，所述透明板朝向打印平台的一侧覆设有透明的抗粘涂层；还包括：设置在液池侧壁的液体出口和液体入口；将液体出口和液体入口相连的管路；设置在所述管路上用于驱动液态光敏树脂在液体出口、液体入口和管路间循环流动的驱动单元。本发明通过在固化窗口上涂覆透明抗粘涂层，避免过快的激光照射导致的固化光敏树脂粘附在玻璃板上附着的问题。在打印区域两侧装有促进液态光敏树脂流动的管道，提升打印区域附近光敏树脂的流动性，加速光敏树脂的补充，实现SLA的快速打印。

齿轮箱驱动的单级高速离心鼓风机由普通电机、增速齿轮箱、单级离心鼓风机以及冷却润滑系统和测控系统等附件组成。叶轮采用三元流动技术设计，同时采用可调进口导叶及可调有叶扩压器设计，可以使鼓风机工作在40%~100%的流量范围，整机效率达到85%以上。这一技术使得该产品在国内外同类产品中有着较大的优势和竞争力。 产品特点：叶轮采用先进的三元流理论设计，效率高，节能效果显著，比普通低速鼓风机节能30%以上；采用进出口可调导叶联动调节技术，使鼓风机在整个调节范围内保持高效率运行；转速恒定的情况下，流量调节范围可低至40%；集成化的设计可减少占地面积，方便替换老式、低效的鼓风机；标准及定制的仪表和控制系统方便鼓风机的操作；低运行费用、低成本。 应用领域：污水处理用曝气风机、热电厂烟尘的脱硫处理、钢铁厂的鼓风供氧、水泥厂的送料供气等，可替代如螺杆压缩机、罗茨鼓风机、多级低速离心鼓风机等低效率的压缩机、鼓风机。 主要性能指标：1. 供气流量为50-1000立方米/分钟；2. 压升为0.4-1.5bar；3. 压气机整级效率达85%以上。

一种大规模并发数据流处理系统及其处理方法,涉及数据处理技术领域,所解决的是提高流处理器处理效率的技术问题.该系统包括数据流单元缓冲区,数据流单元聚类队列池,数据流单元映射表,流处理器池,数据流读取部件,DSU聚类分配部件,任务调度部件,计算后处理部件,所述流处理器池由多个GPU构成,其中数据流读取部件用于将并发数据流写入数据流单元缓冲区,DSU聚类分配部件用于对数据流单元缓冲区中当前被处理的数据流单元进行分类,任务调度部件用于将数据流单元聚类队列池中的就绪队列加载至流处理器池中的GPU上执行流计算,计算后处理部件用于将GPU的计算结果返回到数据流.本发明提供的系统,能提高流处理器的处理效率.

本书共11章,第1章阐明了研究背景与意义,国内外研究现状,研究对象概况,三维建模技术方法;第2~6章分别介绍了海清寺的阿育王塔,万年宝鼎,关圣帝君像,浮雕长廊三维建模的技术方法;第7~9章分别介绍了淮海工学院苍梧校区的欣园亭,化工工程学院实验楼,测绘工程学院集中办公区三维建模的技术方法;第10~11章分别介绍了石灰岩矿与地质灾害体的三维建模与应用技术方法.

2020年1月30日，天津大学生物信息中心新型冠状病毒基因组注释数据库上线，并纳入中国国家基因组科学数据中心向全球开放服务。天津大学生物信息中心的高峰教授、罗昊博士采用已研发的ZCURVE_CoV系列软件对包括新型冠状病毒(2019-nCoV)在内的两千余株冠状病毒的基因组进行了基因识别和酶切位点预测，并以数据库(ZCURVE_CoV Database)的形式提供网上服务。

为服务社会大众了解疫情走势，并为相关部门提供决策支持，北京航空航天大学北航大数据与脑机智能高精尖创新中心刘旭东教授、胡春明教授、李建欣教授等组织师生，与复杂系统可靠性实验室李大庆研究员联合组成团队，全力投入建模和系统研发，已向决策部门提供疫情数据评估与预警报告、区域物资保障评估专项报告等，并迅速开发“新冠肺炎疫情数据导航服务”平台，数据单日访问量近 5 万次。此外，中心还进行新型冠状病毒的疫情评估与预测报告并开发疫情实时更新系统。中心对疫情现状进行分析和预测，为公众提供及时、准确的疫情态势分析、走势预测、舆情动态和政策措施等智能数据服务，实现全国及重点城市日度传播系数计算、短期确诊人数预测和长期疫情拐点与结束日期预测、疫情缓解系数评估等功能。此外，大数据与脑机智能高精尖创新中心研究团队根据疫情确诊患者相关公开数据，利用自然语言处理等技术，从已公开全国各省市直辖区四千余位确诊患者轨迹中抽取了基本信息(性别、年龄、常住地、工作、接触史等)、轨迹(时间、地点、交通工具、事件)及病患关系形成结构化信息。同时开发确诊患者轨迹可视化查询与分析系统，为疫情传播与防控相关研究提供有效支撑。

本成果针对城市水电气热等综合能源数据来源广泛，结构复杂，且与用户、时间、空间信息关系紧密的特点，构建了高性能综合能源数据分析平台，提出了细粒度的能源数据分析理论框架及方法，并将其应用于智慧城市建设。

大数据应用的多样化 需要的计算模型、数据模型多样化； 目前每类模型需要单独的开源系统来支持（如HDFS、HBase、Neo4j、MongoDB，Flink，Spark，Tensorflow等）。 多系统导致大数据分析平台非常复杂、效率低下。研究目标：研究和开发面向新型多计算模型融合架构的、高时效、可扩展的新 一代大数据分析支撑系统与工具平台FAST（Fusion-Architecture, Scalable, Time-efficient big data analysis platform）。针对目前大数据分析平台复杂、效率低下的痛点，该系统具有三个 方面的优势：首先，这套系统采用融合架构，一方面实现关系、图、键 值、文档等多种数据模型的高效融合，另一方面实现批处理计算、流计 算的深度融合，并可以通过SQL扩展语言来进行多模型的统一查询，实现高效的跨模型查询。其次，对于复杂系统来说，时效性非常重要，这 套系统采用融合架构提高效率是实现高时效的基础，更重要的是，我们 对大数据分析从数据到用户进行了端到端的全栈时效优化。最后，对于 大数据应用来说，系统扩展性非常重要，本系统在资源层、存储层和计 算层进行了全面的扩展性优化。下面在融合架构、高时效和可扩展这三 个方面，分别详细介绍FAST系统的三个主要亮点。融合架构FAST系统的第一个亮点是融合架构，我们在技术方面的创新主要包 括多数据模型融合和多计算模型融合两方面。多数据模型融合：设计和研发了多模型数据管理与查询引擎，支持关系、图、键值、 文档等多种数据模型，实现了查询解析、查询优化、元数据管理、数据 分布等功能，将多种数据模型进行统一管理和深度融合。同时扩展了SQL语言，通过统一的查询接口支持对关系、键值、图、文档等数据进行独立访问或者跨模型查询。经过试验，多模型数据融合查询，比Spark 2.3.4的查询时间能平均减少70.7%。目前spark等现有系统还需要手工编程方式来实现跨模型查 询，所以FAST系统在易用性上也表现良好，降低使用门槛，提高开发效率。多计算模型融合：在计算层实现了最常见的批处理计算和流计算深度融合，批流融合的核心方法是在系统内部实现批和流的统一表达，批是对有限数据集 的运算，流是对无限数据流的计算，我们设计了UCollection结构对批和 流数据进行统一表达，通过识别的bounded标志，来确定是批、流、或批流融合。有了统一表达，可以开展一系列融合优化来提升系统性能。 并且对上通过Unified API统一用户的批、流接口，实现二者在编程范式上的统一表达。对于批流混合的计算，融合架构系统的查询延迟比Flink 1.4.2能减少57%，吞吐量平均可以提升到6.72倍。高时效FAST系统的第二个亮点是高时效，即缩短大数据分析的时间消耗， 提高效率。由于大数据分析平台是一个非常复杂的系统，为了做到高时效，系统不能存在性能短板，因此需要对大数据分析的整个过程进行端到端的全栈时效优化。如图中所示，自下而上，需要在多模态存储、批流融合、机器学习、人工操作各层都进行优化。对于多模态存储，面向应用负载和异构硬件特征进行自适应优化；对于批流融合计算，在统一表达基础上，进行系列融合优化技术， 包括DAG优化、迭代优化、部署优化、操作符优化等；在机器学习层面，进行模型优化、消息优化、梯度优化、概率优化 等来提高时效；而且我们也考虑到大数据分析过程中用户人工操作的时效性问题， 通过智能地进行大数据分析方法和模型的推荐，来缩减人工操作的 时间。可扩展FAST系统的第三个亮点是可扩展，由于大数据应用规模很大，数据增速快，对系统可扩展性的要求非常高，为此我们在系统的资源层、 存储层和计算层进行了全面的扩展性优化。在资源层，系统都部署在云计算的虚拟化资源之上，利用了云计算资源的弹性机制进行系统扩展。并在系统中实现了可伸缩调整模块， 能实时监控软硬件系统的状态，按照应用需求来自适应地进行弹性伸缩。在存储层，分布式存储系统扩展性的关键在于分布式共识和一致性 协议（Raft），因此提出了KV-Raft、vRaft等进行Raft的扩展优化。在计算层，我们扩展了机器学习模型的参数规模，使系统可以支持 到百亿级别的超大规模机器学习模型训练，并且性能方面有明显提 升。亮点成果：融合架构大数据分析平台目前已经在阿里巴巴双十一进行示范应用。 从2020年11月10日至11月16日一周的时间，在阿里的生产环境中，研发 的系统一直连续稳定运行，基于淘宝和天猫的实际用户信息进行大数据 分析，综合运用了本系统的存储、计算、机器学习等多个模块的能力， 累计进行了184亿件商品推荐。同时在双十一期间，基于智能交互向导技术，也面向电子商务应用 的卖家提供了“生意参谋”应用，基于大数据分析，帮助卖家分析产品 销量变化的原因，以及促销的有效手段等。