自我特性（共3篇）
自我特性 篇1
0 引言
造粒流化床 (fluidized-pellet-bed) 固液分离技术是近年来在水质处理的研究和应用中发展起来的一项新技术, 尤其是以污泥脱水、高浊度水处理、高悬浮物废水处理的固液分离为目的的研究引起了国内外水处理界的高度重视。该技术运用了化工学中准稳态操作 (metastable state operation) 原理和反应工程理论并结合混凝工程原理, 通过合理控制无机盐和高分子混凝剂的投加方式、混合条件, 对原水中微小粒状污染物进行微脱稳, 然后导入上向流的设有机械搅拌的反应装置, 通过初始反应阶段形成高浓度、大粒径的颗粒流化床, 完成自我造粒过程。造粒流化床中结团型颗粒的吸附作用对污染物的去除有一定效果, 然而吸附效率的高低却与吸附质、吸附剂的特性有一定关系。长期以来, 对造粒流化床的工艺操作条件、混凝等方面有大量的研究, 然而, 对结团型颗粒吸附性能的系统研究却少见报道。鉴于此, 本实验采用人工配水的方式, 进行了结团型颗粒对不同分子量不同浓度吸附质的吸附特性研究。
1 实验
1.1 吸附剂的形成过程
本实验所用吸附剂取自流化床中的成熟颗粒。流化床的原水采用人工配水方式, 原水水质见表1。原水完全混合后, 用泵提升至流化床顶部与PAC (聚合氯化铝) 快速搅拌, PAC在原水中的投加浓度为 20 mg /L。将PAM (聚丙烯酰胺) 以2 mg /L的浓度直接加入流化床底部。PAC在结团工艺中的作用与在普通絮凝工艺中的作用基本一致, 所不同的是在自我造粒流化床中PAC的投加量是以满足形成理想初始粒子的要求为前提的。PAM的主要作用是增强颗粒间的结合强度, 实现吸附架桥凝聚。运行三四个小时后, 流化床底部可以观察到浓度比较大的絮体形成, 在七八个小时时底部开始有细小的颗粒出现, 稳定操作条件 (流化床进水流速0.212 L/min, 回流比1 ∶1, 水力停留时间6.9 min, 上升流速约 4 mm/ s) 下, 连续运行, 当泥床高度达到110 cm且出水水质稳定后, 此时的成熟颗粒即为本实验所用吸附剂。
1.2 吸附质参数
本实验所用吸附质为由PEG1000配置成的浓度为500、 1 000、 2 000 mg/L的溶液和浓度为500 mg/L的葡萄糖溶液。
1.3 流化床及吸附实验装置
1.3.1 流化床装置
图1是实验所用的上向流自我造粒型流化床装置示意。实验采用的反应器由有机玻璃制成。该装置由原水配制设备、 混合设备、 上向流自我造粒流化床、 加药设备等组成。床的主体内径为50 mm, 床总高为150 cm, 有效高度110 cm, 缓冲层40 cm, 排泥方式为底部排泥。
1.3.2 吸附实验装置
图2为吸附实验装置示意, 图中A为1 L的烧杯 (内装吸附质) , B为蠕动泵, C为吸附柱, D为承托层。吸附柱由有机玻璃制成, 内径为40 mm, 外径为50 mm, 吸附柱总高度为160 mm, 吸附剂高度为100 mm, 承托层高度为20 mm。
1.4 实验方法
吸附实验连续运行3～4 h, 取样间隔为15 min, 每次所取水样为5 L, 每个时刻做3个平行样。PEG的测定方法采用分光光度法[1] , COD的测定采用哈希法。
2 实验结果
自我造粒流化床中颗粒的吸附是一个复杂的动力学过程, 它主要包括吸附质在主体溶液中的传递、吸附质在颗粒表面水膜中的传递、吸附质分子在颗粒空隙内的扩散以及最终在颗粒表面的吸附[2]。
2.1 相同吸附质不同浓度下的吸附过程分析
本实验主要采用的吸附质为PEG1000, 分别在其500、 1 000、 2 000 mg/L浓度下进行吸附实验, 结果如图3所示。
吸附质在主体溶液中的传递是达到颗粒表面上的过程, 这一过程可以通过机械的混合或者分子的扩散来实现[3]。在本实验中此过程主要靠分子的扩散来实现, 而吸附质在颗粒表面水膜中的传递过程与浓度梯度及液膜的厚度有关, 梯度越大液膜越薄, 传递量越大。由图可知: 第一, 不同浓度的相同吸附质条件下, 达到吸附平衡的时间相同。第二, 相同吸附质条件下, 吸附质浓度越大, 吸附量越大, 但吸附效率却恰恰相反, 呈逐渐降低趋势。第三, 吸附质在短时间内基本达到吸附平衡, 有可能是在更早的时间内就已平衡, 可知流化床内的污泥颗粒对有机物的吸附为物理吸附。为了更好地研究前15 min的变化趋势, 建议增加取样密度。
2.2 相同浓度条件下不同吸附质的吸附过程分析
本实验采用PEG1000和葡萄糖在相同浓度500 mg/L下进行吸附实验。结果如图4所示。
由于吸附质的取代基——羟基可以减少吸附量, 并且相同化学性质的大分子吸附质 (PEG1000) 比小分子吸附质 (葡萄糖) 吸附效果好, 故图4示出, PEG1000和葡萄糖在浓度为500 mg/L条件下达到吸附平衡的时间基本相同, 平衡时PEG1000的吸附效率几乎是葡萄糖的两倍。
3 结论
(1) 在自我造粒流化床中, 相同吸附质浓度越大, 颗粒对吸附质的吸附量越大, 但吸附效率却恰恰相反, 呈逐渐降低趋势。
(2) 在自我造粒流化床中, 不同吸附质在相同浓度下, 颗粒对分子量大的吸附质的吸附效率高于分子量小的吸附质。
(3) 颗粒对以上研究的吸附质的吸附效率至少为40%以上, 可以断定自我造粒流化床的污染物的去除, 污泥颗粒的吸附起到了重要作用。
参考文献
[1]刘海霞, 张浩勤, 刘金盾, 等.分光光度法测定不同分子量聚乙二醇浓度[J].河南化工, 2004 (5) :36-37.
[2]金奇庭.水质控制的物化法原理[M].西安:西安建筑科技大学出版社, 2006:47-80.
[3]李圭白, 张杰.水质工程学[M].北京:中国建筑工业出版社, 2005:97
自我特性 篇2
Presentation
定义：作者阐释说明自己的观点、方法或主张。
Argumentation
定义：作者对别人的观点、方法或主张进行评论，如果持反对意见，就会进一步给出自己的方法、观点和主张。
了解写作文体特性的用处：
自我特性 篇3
微博在国内取得了长足的发展。微博网民使用率, 从2010年13.8%提升到48.7%;使用人数从6311万提升到24, 988万, 同比增长296%。
随着微博的迅速普及, 其使用门槛低, 使用方便的特点, 让人与人的交流、信息的传递更加通畅, 同时也给社会带来一些问题。庞大的用户群、海量的信息再加上把关不严甚至没有把关, 谩骂和对骂的“口水战”、造谣与辟谣的“攻防战”几乎每天都在微博上演。以“郭美美事件”为例, 2011年6月20日, 郭美玲以“郭美美Baby”的帐号, 在新浪微博上公然炫富, 并称自己是中国红十字会的商业总经理, 迅速在网上引起轩然大波。无数网民质疑红十字会的公信力。虽然红十字会在6月22日发表回应, 否认郭美美与红十字会的关系, 但是仍遭受质疑, 收到捐款数大幅度下滑, 河南红会称2011年为此收到捐款下滑5000万, 深圳红十字会则反馈7月收到捐款仅5000元。大量虚假、误导的信息在微博上泛滥, 对社会正常秩序带来影响。人们在享受微博分享、传播、获取信息便利的同时, 也面临信息泛滥、虚假和误导的风险。
北京市2011年12月推出《北京市微博客发展管理若干规定》《规定》提出, “后台实名, 前台自愿”。微博用户在注册时必须使用真实身份信息, 但用户昵称可自愿选择。在实名制的推动下, 微博用户的真实身份会被微博服务商以及相关部门所掌握, 存在隐私风险以及社会风险。例如:因微博服务商保护不当, 个人身份信息被黑客获取;又如微博服务商转卖用户资料, 或者根据资料对用户进行商业营销;也包括在微博上转发不当言论、传播虚假信息, 能被迅速定位, 存在被追究责任的可能性。
用户在微博上自我表露的意愿, 会受到使用者特性 (Consumer Behavior) 、感知风险的影响。如不同年龄、教育程度、收入、生活形态、社会地位的用户, 感知隐私风险、社会风险的程度有差异自我表露的话题、尺度也有差异。
本文的目的从使用者特性和风险感知理论出发, 综合分析实名制政策出台后, 微博用户自我表露意愿的影响及其因素。
二、理论综述
1、微博
微博, 即微博客 (Micro Blog) 的简称, 是一个基于用户关系的信息分享、传播以及获取平台, 用户可以通过WEB、WAP以及各种客户端组件个人社区, 以140字左右的文字更新信息, 并实现即时分享。
目前有数家企业提供较为成熟的微博服务, 如:Twitter、新浪微博、腾讯微博、网易微博、搜狐微博等等。
2、使用者特性
产品的使用意愿, 会受到使用者特性的影响。可以将消费者特性依据一般性至特殊性, 排列在一个连续尺度上。
表1的分类是描述性和预测性的区分, 从左到右, 预测能力次第增强。如:意愿比偏好更接近购买, 因此由意愿预测购买行为, 比由偏好预测购买行为更加准确。同理, 用生活形态预测购买行为, 比人格特质描述购买行为更加准确。但是, 知觉、偏好、意愿, 较难客观观察和测量, 人口统计、社会经济、人格特质、生活形态这四个描述变量相对容易观察和测量, 也有一般意义。又因为本研究不牵涉实际消费能力统计, 所以再排除掉社会经济。最后, 本研究选取人口统计、人格特质、生活形态三个构面, 以衡量使用者特性的影响效果。
人口统计, 是指研究对象的个人背景数据, 一般包括人口数量、质量、人口分布等。常被作为研究消费者或经济预测的基本变量。
人格特质是指一种可表现于许多环境的、相对持久的、一致而稳定的思想、情感和动作的特点, 它表现一个人人格的特点的行为倾向。
生活形态是指某一社会或其中某一群体在生活上所具有的特征, 这些特征足以表示出这一群体与其他社会或群体之所以不同, 而具体表现于一动态的生活模式中, 所以生活形态是文化、价值观、资源、法律等力量所造成的结果。
3、感知风险
感知风险分成下列两个因素:1) 不确定性 (Uncertainty consequence) , 消费者对某件事情是否发生的主观概率;2) 后果 (Consequence) , 如果事情发生后, 其结果的危险性[8]。对于信息系统来说, 感知风险会对用户的接受产生影响。
可以用八个纬度对互联网电子商务来衡量感知风险, 即隐私风险、时间风险、财务风险、支付风险、绩效风险、社会风险和来源风险[9]。其中时间风险、财务风险、支付风险、绩效风险和来源风险不适用微博场景, 因此本研究的感知风险指隐私风险和社会风险。
隐私风险, 微博服务商可能会不当利用个人信息以及进行电子商务。
社会风险, 因使用失误而受到他人嘲笑、疏远而产生的风险以及被追究责任的风险。
4、自我表露
自我表露 (self-disclosure) 是个体对他人表达情感、想法与观点的窗口。日常生活中个体有时会回避自我表露, 个体在决定是否表露这些信息时会考虑危险和代价, 包括个人危险和关系危险。
三、结论和未来研究方向
1、结论
综合上述研究文献, 本研究最终得出以下几个结论。 (1) 不同人口统计因素的微博用户在感知风险各变量上存在显著差异。 (2) 不同人格特质的微博用户在感知风险各变量上存在显著差异。 (3) 不同生活形态的微博用户在感知风险各变量上存在显著差异。 (4) 不同人口统计因素的微博用户在自我表露各变量上存在显著差异。 (5) 不同人格特质的微博用户在自我表露各变量上存在显著差异。 (6) 不同生活形态的微博用户在自我表露各变量上存在显著差异。 (7) 感知风险对微博用户自我表露产生消极影响。
2、未来研究方向
未来研究将根据需要开发出成熟的量表, 选择合适的微博用户进行实证研究获得现实数据支持;研究方法包括调查问卷等
目前, 暂时没有针对微博上感知风险和自我表露的量表。但是微博是互联网产品的一种, 在历史的研究中, 互联网产品里关于使用者特征、感知风险及自我表露的研究较多。未来的研究将基于已有的互联网产品相关量表, 结合微博的实际情况, 开发出符合微博调查的成熟量表。选择合适的微博用户进行实证研究获得现实数据支持。研究方法包括面谈和调查问卷等。
摘要：微博, 作为新型的社交网络产品, 已经改变人们信息获取、分享、传播的方式。北京市2011年12月出台了《北京市微博客发展管理若干规定》, 《规定》提出“后台实名, 前台自愿”, 微博用户在注册时必须使用真实身份信息, 但用户昵称可自愿选择。在《规定》的影响下, 微博用户的自我表露意愿会受到哪些因素影响?自我表露意愿会发生什么变化?本文试图从使用者特征及感知风险视角研究实名制下微博用户自我表露意愿的影响因素及变化。
关键词：微博,使用者特性,感知风险,自我表露
参考文献
[1]中国互联网络信息中心, 《第29次中国互联网络发展状况调查统计报告》, 2012.1.
[2]朱继东, 李晓梅, 《实名制规范与微博的健康发展》, 2011.12
[3]《红十字会陷信任危机》.http://news.ifeng.com/society/special/guomeimei/.
[4]Labay D G, Kinnear T C.Exploring the Consumer Decision Process in the Adoption of Solar Energy System.Joumal or Consumer Research, 198l, 8 (3) :271-278.
[5]Reynolds, F.D.&Wells, W.D., Consumer Behavior Mcgraw-Hill, 1977.
[6]McCrae R R, Costa P T, Busch C M.Evaluating comprehensiveness in Personality Systems:The California Q-set and the Five-Faetor Model.Journal of Personality, 1986, 54:430-446.
[7]Lazer W.Life Style Concepts and Marketing in Stephen Greyserm.Toward Scientific Marketing, 1963, 18 (3) :140-151.
[8]Cunningham, S.M., The major dimension of perceived risk, Boston:risk Taking and Information Handling in Consumer Behavior, 1967, 82-108.
[9]Anne-Sophie Cases, Perceived risk and risk-reduction strategies in Internet shopping, Distribution and Consumer Research12:4October2002375!394