YKA型系列移动式实验室废弃物暂存柜，专门用于各类实验室废弃物的临时集中存储，减少由于实验室废气、废液、固体废弃物等具有易燃、易爆、有毒的特性，引起火灾、爆炸及有毒有害化学品泄漏的风险，以便后期交由环境保护行政主管部门认可、持有危险废物经营许可证单位进行专项处置，YKA系列智能实验室废弃物拥有发明专利和实用新型专利。

产品详细介绍kJX—系列 空气循环净化消毒器 该设备是净化，消毒灭菌，吸附异味于一体的可移动式净化装置，文泛用于万级十万经较低洁净环境。 特点：全钢结构，外喷塑，设计精巧，美观大方，无需安装，使用方便。 使用范围：适用于医院，小型手术室，新生儿主妇病房，重证监护室，病房，制剂室，化验室，实验室，门诊及各科室，科研，生物制药，食品饮料，小型生产车间，化妆品，电子光学，印刷，公共场所等。 技术指标： 产品名称 空气循环净化消毒器 空气循环净化消毒器 型号 KJX—A KJX—B 外型尺寸 700×450×1500 700×450×1500 净化等级 万级至十万级 万级至十万级 噪音 ≥56dB(A) ≥56dB(A) 紫外线 20W×3 20W×3 电压功率 220V  50HZ  400W 220V  50HZ  400W 臭氧 无 7000mg/h 使用面积 30m2--60m2 30m2--60m2 

S2 – 移动床和流量可视化罐用于两个主要研究领域。   第一个涉及对移动床情况的详细调查。这些可能与水道或土木工程结构有关。   第二个领域涉及二维流可视化。这可以使用 Ahlborn (c.1902) 粉尘指示器技术或通过任何其他合适的流动可视化方法进行。 水箱由自色牛津蓝 (BS0105) 玻璃纤维增强塑料模制而成，并带有钢筋以提供刚性。它分为三个部分制造；进水箱、工作段和排放储水箱。这些部分通过法兰 连接连接起来，并作为一个完整的组件从工厂发货。卸料罐内装有一个带有上游滤砂器的防跌落式可调溢流堰。进水箱具有多孔挡板，可将水流均匀地分布在整个 工作台的宽度上。   在进行流动可视化实验时，提供一侧为蓝色、另一侧为白色的可移动玻璃板以覆盖沙床。一对可调节的铝制仪表导轨安装在油箱顶部。它们在工作段的整个长度上延伸，一个导轨带有一个定位标尺。   提供的深度计用于测量水位并绘制锻炼期间产生的沙床的轮廓。   它配备了一个不锈钢钩和点，并包含一个能够准确确定水平的游标刻度。   该仪表设计用于安装在仪器托架组件上，该组件可以定位在工作区域的任何点上。主载体（纵向移动）设有锁定装置和光标，与仪表轨道秤配合操作。 副车（横向）在主车提供的轨道上运行。还有一个横向刻度和锁定装置。设备的正确使用在随罐提供的综合手册中进行了描述。   水流由离心泵提供，该离心泵的材料选择耐腐蚀，管道系统包括电动流量调节阀。 GRP 成型件带有泵、控制阀、刚性管道和“在线”流量计。   该组件通过柔性软管连接到油箱。电机启动器和数字仪表读数器安装在桌面机柜中，随附所需的柔性电缆。   实验台可提供可选的工作长度： 一台全功能的设备，可用于教学、方案设计和科研工作。工作段长度从2.0米到4.0米可调。 S2-2M型：工作长度2m S2-4M型：工作长度4m     实验台可用于两个领域的研究： 流动床状态下的水力学模型，例如水道或土木工程结构。 二维可视化流动应用，例如Aihborn（爱尔帮）尘埃指示器技术。

MR2000全地形大负载移动机器人，带悬挂的独立四驱系统，强劲动力，应对各种复杂环境。极致的三重安全防护，消除安全隐患，高效的操作系统，支持二次开发，是理想的科研及行业应用的移动机器人开发平台——助力科研成果转化。

由于受到云、气溶胶等不利天气的影响，基于热红外遥感反演的地表温度数据存在空间不连续问题，阻碍了地表温度产品的实际应用。

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.

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。