Прицеп курганский крепыш: Прицеп Крепыш 2 для легкового автомобиля купить в городе

Курганские прицепы для легковых автомобилей

Абакан

Абдулино

Актобе

Алматы

Алтайский край

Амурская область

Армения

Архангельская область

Астраханская область

Астрахань

Ачинск

Барнаул

Белгород

Белгородская область

Бердск

Бийск

Благовещенск

Братск

Брянск

Брянская область

Владивосток

Владимир

Владимирская область

Волгоград

Волгоградская область

Вологда

Вологодская область

Воронежская область, Рамонский район

Гулькевичи

Долгопрудный

Екатеринбург

Ереван

Жезказган

Забайкальский край

Заворонежское

Завьялово с.

Завьяловский район

Западно-Казахстанская область

Ижевск

Иркутск

Иркутск, п.Новая Разводная

Иркутская область

Исянгулово

Казахстан

Калининская ст.

Каневская ст.

Канск

Караганда

Каргополь

Карталы

Касли

Кемерово

Кемеровская область

Кокшетау

Комсомольск-на-Амуре

Коряжма

Костанай

Котлас

Краснодар

Краснодарский край

Красноярск

Красноярский край

Кузнецк

Кунгур

Курган

Курганская область

Курск

Курская область

Лабинск

Ленинградская область

Магадан

Магаданская область

Магнитогорск

Майминский район

Москва

Московская область

Мытищи

Набережные Челны

Нагянь

Нижневартовск

Нижний Новгород Нижегородская область

Нижний Тагил

Новоалтайск

Новокузнецк

Новосибирск

Новосибирская область

Новый Уренгой

Ноябрьск

Нур-Султан

Няндома

Омск

Омская область

Оренбург

Оренбургская область

Пенза

Пензенская область

Пензинская область

Пермский край

Пермь

Петропавловск

Приморский край

Прокопьевск

Пыть-Ях

Республика Саха (Якутия)

Республика Алтай

Республика Башкортостан

Республика Казахстан

Республика Коми

Республика Татарстан

Республика Тыва

Республика Хакасия

Рязанская область

Рязань

Самара Самарская область

Санкт-Петербург

Саратов

Саратовская область

Свердловская область

Северодвинск

Сергиев Посад

Славянск-на-Кубани

Сосновоборск

Ставрополь

Ставропольский край

Старый Оскол

Сургут

Сургут, пос. Барсово

Сыктывкар

Тамбовская область

Тамбовская область, Мичуринский район

Тверская область

Тверь

Томск

Томская область

Троицк

Тюменская область

Тюмень

Удмуртская Республика

Удмуртская республика

Улан-Удэ

Ульяновск Ульяновская область

Уральск

Уссурийск

Усть -Кут

Уфа

Хабаровск

Хабаровский край

Ханты- Мансийский автономный округ

Ханты-Мансийский автономный округ

Челябинск

Челябинская область

Череповец

Чита

Шадринск

Шарыпово

Шымкент

Щучинск

Щучье

Элиста

Энгельс

Югорск

Южноуральск

Якутск

Ялуторовск

Ямало-Ненецкий автономный округ

г. Кызыл

г. Сорочинск

г.Гомель

д. Шолохово

ориентир Гостиничный комплекс «Яр»

п. Бреды

п. Промышленная

пос Новая- Ляда

р.п.Первомайское

рес. Беларусь

рес. Бурятия

рес. Калмыкия

ст. Новочугуевка

Курганский прицеп Крепыш

Легковые прицепы

В последнее время недобросовестные продавцы легковых прицепов приняли за правило продавать прицеп КМЗ под

Легковые прицепы

Здравствуйте! У нас несколько необычная тема, особенно для молодого поколения водителей. По их мнению,

Регистрация

  Прицепы к транспортным средствам, принадлежащие физическим лицам и имеющие разрешенную максимальную массу до

Легковые прицепы

На современном рынке легковых прицепов имеется большое количество производителей легковых прицепов, продающих свою продукцию.

Легковые прицепы

Часто люди спрашивают: « У вас есть прицеп с колесами от Нивы или УАЗа?»

Легковые прицепы

 Наши прицепы можно использовать с любыми автомобилями относящимися к категории «В», оборудованными тягово-сцепным устройством,

Прицеп для автомобиля Курганские прицепы Курганский Крепыш 2 / 161163

В основе прицепа – оцинкованная рама, укрепленная в центре силовым подрамником, предотвращающим деформацию на скручивание. Дышло прицепа выполнено в V-образной форме, лучи которого соединены между собой двумя прочными стальными пластинами с возможностью установки удлинителя дышла. Удлинитель может быть установлен в трех положениях: 1,35 м, 1,6 м и 2 м от переднего борта прицепа. В повседневной эксплуатации это позволит использовать прицеп в том числе и для перевозки длинномерных грузов, выступающих далеко за габариты прицепа.

Как и многие курганские прицепы, «Крепыш 2» тоже имеет самосвальную систему, что значительно облегает погрузочно-разгрузочные работы. Замки дышла имеют надёжную оригинальную конструкцию собственной разработки, просты и удобны в использовании.

Прочные оцинкованные борта прицепа имеют высоту 320 мм и оснащены замками-защелками. Сами борта выполнены таким образом, что не имеют никаких выступающих элементов: груз не повредится при транспортировке. Передний и задний борта открываются.

Колебания при движении по неровностям дорожного покрытия гасят гидравлические масляные амортизаторы.

Прицеп оснащен кованными ступицами собственного производства с усиленными подшипниками, рама и подвеска сконструированы так, что на прицеп можно устанавливать колеса разного диаметра 13, 15 и 16 дюймов по желанию потребителя.

Что можно перевозить на прицепе «Крепыш 2»:
— Листовые строительные материалы: ДВП, фанера, OSB, гипсокартон, МДФ, ДСП и т.д;
Сыпучие строительные материалы: щебень, песок, грунт и т.д;
— Кирпич, цемент, металлопрокат, доски, брус, кровельные материалы, евроокна;
— Бытовая техника и мебель;
— Малогабаритная мото-техника;

— Оборудование: генераторы, компрессоры, емкости для жидкостей и т.д.

Тип прицеп для автомобиля

Количество осей 1

Грузоподъемность 585 кг

Тип подвески рессорная

Тягово-сцепное устройство сцепной шар

Откидной борт есть

Съемные борты нет

Наклонная платформа есть

Размер колес R13 (98х4)

Нагрузка на сцепное устройство 750 кг

Длина 3455 мм

Ширина 1710 мм

Высота 980 мм

Длина платформы 2000 мм

Ширина платформы 1260 мм

Высота борта 320 мм

Масса прицепа 165 кг

Масса полная 750 кг

В комплект входят тент, опорное колесо, колеса, каркас, удлинитель дышла

• Страна производства: Россия
• Производитель: ЗАО Торговый дом «Курганские прицепы», ул. Омская, д. 82а, г. Курган, РФ
• Импортер в РБ: ЧТУП «ТехноАгро», Гомельская обл., г. Гомель, ул. Борисенко 3″В», кабинет 14

Прицеп «Уралец» 8213 03 купить в Global Rus Trade

Представляем новую модификацию прицепа «Уралец». Он повторяет размеры «Крепости»: длина корпуса 185 см, ширина 120 см. Новинка относится к сегменту прицепов эконом-класса, но, как и все прицепы семейства Крепыш, имеет прочную конструкцию и удобную подвеску, позволяющую экономить груз. В основе прицепа — сварная рама, усиленная по центру профильной трубой 80х40 мм, V-образный гребень нового прицепа также выполнен из профильной трубы.В нагружаемый элемент на месте крепления дышла приваривается труба 25х25 мм. На УРАЛСЕ установлена ​​пружинно-амортизирующая подвеска, использование такого типа подвески обусловлено предпочтениями российских автомобилистов при выборе легкового прицепа. Амортизаторная подвеска прицепа изготовлена ​​на 4-листовой рессоре Al-Co. На прицепе установлен мост со ступицами. Прицеп высотой 38 см оборудован замками-защелками. Передняя и задняя стороны открыты, имеют элементы прочности. Это увеличивает уверенность владельца в том, что груз в целости и сохранности доберется до места назначения.Дно пассажирского прицепа выполнено из ламинированной фанеры. Стандартно на прицеп устанавливается черный тент высотой 60 см. Кроме того, на прицеп можно установить опорное колесо, а также комплект дуг и тент высотой 110 см из автотента. Все это можно приобрести у нашего представителя при покупке прицепа. Производитель оставляет за собой право вносить изменения в конструкцию, конструкцию и оборудование продукта без предварительного уведомления. Сварная рама, 1 ряд оцинкованных бортов, высота 38 см, черный тент высотой 60 см от низа, колесо R 13 ‘, дышло V-образное, рессорная подвеска.Вес брутто 750 Вес груза 580 Снаряженная масса 170 Подвеска Пружина Шины 13 Размер корпуса, мм Длина 1850 Ширина 1,200 Высота 380 Высота до палатки 650 Габаритные размеры, мм Длина 3160 Ширина 1590 Высота 890

15 бессмертных фактов о ‘Highlander’

Несмотря на то, что Pretty in Pink обезглавил его во время первых выходных в марте 1986 года, Highlander сумел породить почти бессмертную франшизу, состоящую из четырех сиквелов, трех телесериалов, романов, комиксов и надежного рынка коллекционных мечей. .(Только для демонстрации, дети.)

История Коннора Маклауда, 400-летнего авантюриста, вынужденного насмерть на дуэли со своей собственной расой нестареющих воинов, Highlander остается идеальной смесью королевы, Шона Коннери и непонятного акцента Кристофера Ламберта. Лучше прочитать эти 15 битов о фильме, чем позволить ему исчезнуть.

1. Сценарий начался как дипломная работа школьника.

Грегори Уайден учился в Калифорнийском университете в Лос-Анджелесе в качестве студента кино в 1982 году, когда его попросили написать полнометражный сценарий в качестве последнего проекта, чтобы пройти курс театрального искусства.Вспоминая поездку, которую он совершил в лондонский оружейный склад, Виден написал сценарий о бессмертном по имени МакЛауд, который мог умереть только через обезглавливание; другой бессмертный, садистский Курган, хотел голову МакЛауда, чтобы потребовать таинственную «Приз», обещанную последним в своем роде. При поддержке своего наставника Виден разослал сценарий шести агентам, один из которых продал его.

2. Роль изначально была предложена Курту Расселу.

В то время Рассел был бывшей звездой Диснея, получившей известность за свою жанровую работу с Джоном Карпентером в Escape From New York (1981) и The Thing (1982). Горец Режиссер Рассел Малкахи встретился с ним для съемок фильма; хотя он казался готовым взять на себя роль, Малкахи сказал Cinefantastique , что тогдашняя девушка Курта, Голди Хоун, отговорила его от этого.

3. Ламберт был довольно опасен с мечом.

Рассмотрев Рассела и Повелитель зверей звезду Марка Сингера на роль Маклауда, Малкахи остановился на Кристофере Ламберте, чья единственная главная заслуга в американском кино — роль Тарзана в фильме 1984 года с эффектным названием Грейсток: Легенда о Тарзане, Повелителе обезьян. .Несмотря на то, что он берет на себя очень физические роли, которые часто требуют каскадеров, Ламберт близорук и носит очки, когда он не снимается. Иногда это плохие новости для больших пальцев — его и других — при съемке сцен боя на мечах. Во время съемок фильма Highlander II 1991 года Майкл Айронсайд разрезал Ламберту руку.

4. Ламберт почти не говорил по-английски.

Помимо ворчания, у Ламберта не было много диалогов в роли Тарзана, поэтому Малкахи не знал, что его английский был ограничен в то время, когда он был брошен в Highlander .В конце концов, его уникальный акцент — Ламберт вырос в Швейцарии — работал на персонажа, который должен был погрузиться в различные культуры за свое 400-летнее существование.

5. Шон Коннери снимался всего семь дней.

Как крупная международная кинозвезда, Коннери смог максимизировать свою зарплату, минимизируя свои обязательства по работе над фильмом. На роль Хуана Санчеса Вилья-Лобоса Рамиреса, древнего испанского наставника Маклауда, Коннери снимался всего за семь дней; он записал закадровый голос на испанской вилле, а не в студии, что произвело странный эффект эха, который продюсеры оставили в фильме.

6. Но Коннери все же нашел время критиковать постановку.

YouTube

По словам Малкахи, Коннери любил собирать вместе продюсеров и режиссера, чтобы подробно обсудить, что, по его мнению, команда делала неправильно. «Он не выносит никакой неэффективности, — сказал Малкахи. — Он собирал нас вместе и высказывал свое мнение о том, почему тот или иной человек не выполняет свою работу должным образом. Это был бесплатный совет — очень дорогой, я могу добавить — это никому из нас не нужно.Но когда он увидел тростник, все изменилось ».

7. Клэнси Браун разыскивал кургана в костюме и котелке.

В интервью Starlog вскоре после выхода фильма актер Клэнси Браун, сыгравший грызущий пейзаж Курган, выразил некоторое разочарование тем, что в фильме предпочтение отдается боевым ритмам, а не более философским изысканиям. Хотя Курган был одет как профессиональный рестлер, Браун подумал, что было бы интереснее надеть костюм и котелок.«Вы думаете, что панк-металлист с черепами на куртке будет плохим [парнем]», — сказал он. «Но по-настоящему крутые, подлые и противные люди не обязательно носят такую ​​одежду и выглядят так». К сожалению, призывы Брауна к тонкости в Highlander остались неуслышанными.

8. Искры меча исходили от автомобильного аккумулятора.

Поскольку мечи зажигают искры, это очень весело, и потому что до сих пор не было возможности дополнить сцены боя с помощью компьютерной графики, съемочная группа по спецэффектам прикрепила лезвия к автомобильным аккумуляторам, которые находились вне поля зрения камеры.Когда металл соединился, полетели искры.

9. Queen так и не выпустили саундтрек.

Малкахи показал запись группы с момента производства, чтобы оценить их интерес к обеспечению музыки для нее. Хотя они написали несколько песен специально для фильма — «Принцы Вселенной», «Кто хочет жить вечно», — Queen так и не выпустили саундтрек. Одна из возможных причин: хотя фильм дебютировал в марте 1986 года в Штатах, в Европе его не видели до конца того же года.Чтобы избежать привязки к фильму, которого еще не было на некоторых рынках, в июне Queen выпустила A Kind of Magic . Однако они сняли видеоклип с Ламбертом (см. Выше).

10. Финал должен был быть на Статуе Свободы.

Финальная дуэль между Курганом и Маклаудом должна была состояться на вершине Статуи Свободы, но в других фильмах (включая Ремо Вильямса предыдущего года) уже использовалась похожая идея; Малкахи сменил место действия на крышу Silvercup Studios в Квинсе, которую он однажды увидел, когда ехал в Нью-Йорк.

11. Сиквел воняет из-за Аргентины.

Вопреки некоторым сведениям, фильм « Highlander II: Quickening » 1991 года не использовал идиотский сюжет о планете инопланетных бессмертных, потому что первый фильм закончился так окончательно. (Спойлер: МакЛауд получает Приз, став смертным и положивший конец Сбору жестоких поединков на мечах. ) На самом деле Малкахи думал о сиквеле еще до того, как был выпущен оригинал. Так почему же фильм был так плохо выполнен? Во всем виновата Аргентина.Производство было начато, когда в стране началась значительная инфляция, что привело к перерасходу средств. Пугающие страховщики начали вмешиваться, и фильм превратился в почти непонятную неразбериху. Позже Малкахи собрал его для выпуска DVD. (Это не особо помогло.)

12. Фанаты не безупречны в бессмысленной трагедии продолжения.

Lionsgate

По словам продюсера Билла Панзера, идея исследовать происхождение Бессмертных возникла в результате того, что фанаты постоянно спрашивали об этом после выхода оригинала 1986 года.«После первого фильма фанаты чаще всего задавали нам вопрос:« Откуда взялись бессмертные? »- сказал он Video Watchdog . «Имел смысл ответить на этот вопрос во втором фильме. В то время мы не понимали, что фанаты действительно не хотели знать их … происхождение, потому что тогда романтика и таинственность истории были отброшены «. Хорошая работа, фанатов .

13. У Коннери было правило запрета на облигации на съемочной площадке.

Вирджиния Мэдсен имела несчастье оказаться в роли любовника Маклауда в сиквеле: когда ее наняли, ей сказали, что вернувшийся Шон Коннери ввел в действие письменную политику, которая требовала, чтобы никто никогда не говорил с ним о Джеймсе Бонде.Любого, кто это сделал, могли уволить. Мэдсен подумал, что это смешно. Как она рассказала корреспонденту Onion AV Club: «В первый день, когда Шон пришел на работу, я подошла к съемочной площадке и сказала:« О, Боже мой! Джеймс Бонд! »И он широко улыбнулся и обнял меня».

14. Сериал был ранней интернет-сенсацией.

Highlander: серия использовалась в синдикации с 1992 по 1998 год, часто работая в ночное время или в дневное время в будние дни. После приключений Дункана МакЛауда сериал превратился в культовый хит: шоу было посвящено несколько активных дискуссионных групп и сотни веб-страниц, подвиг, с которым в то время мог соперничать только Star Trek .

15. Это один из любимых фильмов Ника Оффермана, и он был очень расстроен тем, что Крис Пратт никогда его не видел.

В 2013 году Офферман поделился, что его сослуживец Parks and Recreation никогда не видел оригинальный фильм. «Я сразу же забронировал кинозал и сел там, только мы двое», — сказал он. «И это был и остается величайшим фильмом о становлении мужчиной, который я когда-либо видел».

Amazon.com: Властелин колец: кинотрилогия (специальное расширенное издание): Элайджа Вуд, Ян Маккеллен, Вигго Мортенсен, Шон Эстин, Шон Бин, Ян Холм, Питер Джексон, Питер Джексон, J.R.R. Толкин, Фрэн Уолш, Филиппа Бойенс, Питер Джексон: фильмы и сериалы

Описание продукта

Эта получившая признание критиков эпическая трилогия рассказывает о поисках, предпринятых хоббитом Фродо Бэггинсом и его товарищами по спасению Средиземья, уничтожив Единое Кольцо и победив злые силы Темного Лорда Саурона. С новыми и расширенными сценами, тщательно добавленными в фильм, набор из 12 дисков также включает часы бонусных функций.

Amazon.com

Властелин колец: Братство кольца : Как триумфальное начало трилогии, Властелин колец: Братство кольца оставляет вас просить большего. По необходимости амбициозная эпопея Питера Джексона сжимает J.R.R. Классический фильм Толкина «Властелин колец », но эта надежная адаптация сохраняет благоговейную преданность творению Толкина, мгновенно считаясь одним из величайших фэнтезийных фильмов, когда-либо созданных.За 178 минут этого достаточно, чтобы установить мириады жителей Средиземья, легендарные Кольца Власти и братство хоббитов, эльфов, гномов и людей во главе с волшебником Гэндальфом (Ян МакКеллен) и храбрым хоббитом. Фродо (Элайджа Вуд) — которому предстоит сразиться с ужасающими силами зла в их опасном путешествии, чтобы уничтожить Единое Кольцо в земле Мордор. Великолепный темп, фильм одновременно эпичен и интимен, предлагает удивительные спецэффекты и постановку, подчеркивая эмоциональную напряженность приключений Фродо. Эта чудесная фантазия, завершающаяся идеальной нотой героической преданности и богатого ожидания, продолжается в The Two Towers (2002). — Джефф Шеннон

Властелин колец: Две башни: Властелин колец: Две башни — это безупречное продолжение эпической фантастики Питера Джексона, основанной на произведениях Дж. Р.Р.Р. Толкин. После разрыва Братства Фродо (Элайджа Вуд) и Сэм (Шон Эстин) отправляются в Мордор, чтобы уничтожить Единое Кольцо Власти с существом Голлумом в качестве своего проводника.Тем временем Арагорн (Вигго Мортенсен), Леголас (Орландо Блум) и Гимли (Джон Рис-Дэвис) присоединяются к защите людей Рохана, которые являются первой целью в искоренении расы людей изменником волшебником Саруманом. (Кристофер Ли) и темный лорд Саурон. Фантастические существа, потрясающие визуальные эффекты и решающая битва в крепости Хельмовой Пади делают The Two Towers достойным преемником The Fellowship of the Ring , более грандиозного по масштабу, но сохраняющего эмоциональную интимность истории. Эти два фильма, возможно, являются величайшими фэнтезийными фильмами из когда-либо созданных, но они всего лишь прелюдия к катастрофическим событиям «Возвращение короля ». — Дэвид Хориучи

Властелин колец: Возвращение короля : С Возвращение короля , величайшая фантастическая эпопея в истории кино подводит к грандиозному и славному завершению. Впечатляющая адаптация режиссера Питера Джексона классического произведения Толкина «Властелин колец » никогда не могла полностью удовлетворить тех, кто остался исключительно предан обширной литературе Толкина, но как демонстрация физического и технического мастерства он непревзойден по чистому масштабу и амбициям. устанавливая веху за кинематографической вехой, когда храбрый, но очаровательно невинный Хоббит Фродо (Элайджа Вуд) продолжает свою миссию в Мордоре, где ему суждено уничтожить разлагающее душу Кольцо Власти в расплавленной лаве Роковой горы.В то время как наследник королевства Людей, Арагорн (Вигго Мортенсен), выдерживает масштабную битву при Минас Тирите с преданностью эльфа Леголаса (Орландо Блум), карлика Гимли (Джон Рис-Дэвис) и великого волшебника Гэндальфа (Ян МакКеллен). ), Фродо и верный компаньон Сэмвайс Гэмджи (Шон Эстин) должны пережить шизоидные обманы Голлума, который остается совершенно убедительным как гибрид производительности (Энди Серкиса) и тонко проработанной компьютерной анимации.

Джексону и соавторам Фрэн Уолш и Филиппе Бойенс есть что рассказать; то, что они делают это с интенсивным темпом и эпическим размахом, достаточно впечатляет, но, вкладывая больше глубины и последствий в действия товарищей Хоббитов Мерри (Доминик Монаган) и Пиппина (Билли Бойд), они гарантируют, что Возвращение короля поддерживает акцент трилогии на интимном общении.Хотя несколько главных персонажей появляются лишь ненадолго, а один (злой волшебник Кристофера Ли, Саруман) полностью отнесен к расширенной версии на DVD, Джексон заслуживает похвалы за его редакторскую проницательность; Как и Леголас-лучник, его цель как режиссера неизменно верна, и он остается верным общему видению Толкина. Если Return страдает слишком большим количеством концовок, как предположили некоторые критики, то это только потому, что финал эпоса так лояльно включает в себя актеров — в первую очередь Астина, — которые с самого начала придавали ему такую ​​силу. Завершив трилогию LOTR благородной честностью и верой в силу творческого повествования, The Return of the King , как и его предшественники, станет приключением на века. — Джефф Шеннон

Также на диске: Расширенные выпуски фильма Питера Джексона «Властелин колец » представляют величайшую трилогию в истории кино из самых амбициозных наборов в истории DVD. Приводя J.R.R. Почти несъемная работа Толкина на экране, Джексон извлек пользу из экстраординарных спецэффектов, вызывающих воспоминания новозеландских мест и исключительно хорошо подобранного состава, но больше всего из его собственной адаптации с соавторами Фрэн Уолш и Филиппы Бойенс, сохраняя видение Толкина и часто сами его слова, но также вносят логические изменения, чтобы приспособиться к кино.Хотя пуристы жаловались на эти изменения, а также на персонажей и сцены, не включенные в фильмы, почти два дополнительных часа материала в расширенных выпусках (всего около 11 часов) помогают успокоить их, более глубоко вникая в музыку Толкина, персонажей и т. Д. концов, которые обогащают историю, например, объяснение отношений Фарамира и Денетора и появление Уста Саурона у ворот Мордора. Кроме того, расширенные выпуски предлагают больше связующего материала между фильмами, что еще раз подтверждает, что трилогия на самом деле представляет собой один длинный фильм, состоящий из трех частей (вот почему это величайшая трилогия — здесь нет слабого звена).Сцена подарков Галадриэль Братству, добавленная к первому фильму, оказывается значимой на протяжении всего сюжета, в то время как новая сцена Фарамира в конце второго фильма помогает установить третью и новую сцену Сарумана в начале третьего. фильм помогает завершить сюжет второй.

В довершение ко всему, расширенные выпуски предлагают четыре диска на фильм: два для более длинного фильма, плюс четыре дорожки с комментариями и потрясающий звук DTS 6.1 ES; и два для бонусного материала, который охватывает практически все, от создания сценария до специальных эффектов.Аргумент состоял в том, что фанатам понадобятся обе версии, потому что бонусный материал совершенно другой, но особенности театральных релизов настолько хуже, что фанатам они могут понадобиться только потому, что они захотят посмотреть более короткие версии, которые они видели в театры (последний из которых, «Возвращение короля », получил всего 11 «Оскаров»). Расширенные выпуски LOTR без исключения установили стандарт DVD, предоставляя более богатые впечатления от фильма, объединяющие три фильма и расширяющие мир Толкина, опыт домашнего кинотеатра эталонного качества и щедрые, интеллектуальные и захватывающие бонусные функции. — Дэвид Хориучи

Congress.gov | Библиотека Конгресса

Секция записи Конгресса Ежедневный дайджест Сенат дом Расширения замечаний

Замечания участников Автор: Any House Member Адамс, Альма С.[D-NC] Адерхольт, Роберт Б. [R-AL] Агилар, Пит [D-CA] Аллен, Рик В. [R-GA] Оллред, Колин З. [D-TX] Амодеи, Марк Э. [R -NV] Армстронг, Келли [R-ND] Аррингтон, Джоди К. [R-TX] Auchincloss, Jake [D-MA] Axne, Cynthia [D-IA] Бабин, Брайан [R-TX] Бэкон, Дон [R -NE] Бэрд, Джеймс Р. [R-IN] Балдерсон, Трой [R-OH] Бэнкс, Джим [R-IN] Барр, Энди [R-KY] Барраган, Нанетт Диас [D-CA] Басс, Карен [ D-CA] Битти, Джойс [D-OH] Бенц, Клифф [R-OR] Бера, Ами [D-CA] Бергман, Джек [R-MI] Бейер, Дональд С., младший [D-VA] Байс , Стефани И. [R-OK] Биггс, Энди [R-AZ] Билиракис, Гас М.[R-FL] Бишоп, Дэн [R-NC] Бишоп, Сэнфорд Д., младший [D-GA] Блуменауэр, Эрл [D-OR] Блант Рочестер, Лиза [D-DE] Боберт, Лорен [R-CO ] Бонамичи, Сюзанна [D-OR] Бост, Майк [R-IL] Bourdeaux, Carolyn [D-GA] Bowman, Jamaal [D-NY] Бойл, Брендан Ф. [D-PA] Брэди, Кевин [R-TX ] Брукс, Мо [R-AL] Браун, Энтони Г. [D-MD] Браунли, Джулия [D-CA] Бьюкенен, Верн [R-FL] Бак, Кен [R-CO] Бакшон, Ларри [R-IN ] Бадд, Тед [R-NC] Берчетт, Тим [R-TN] Берджесс, Майкл С. [R-TX] Буш, Кори [D-MO] Бустос, Cheri [D-IL] Баттерфилд, GK [D-NC ] Калверт, Кен [R-CA] Каммак, Кэт [R-FL] Карбаджал, Салуд О. [D-CA] Карденас, Тони [D-CA] Карл, Джерри Л. [R-AL] Карсон, Андре [D-IN] Картер, Эрл Л. «Бадди» [R-GA] Картер, Джон Р. [ R-TX] Картер, Трой [D-LA] Картрайт, Мэтт [D-PA] Кейс, Эд [D-HI] Кастен, Шон [D-IL] Кастор, Кэти [D-FL] Кастро, Хоакин [D- TX] Cawthorn, Мэдисон [R-NC] Chabot, Стив [R-OH] Чейни, Лиз [R-WY] Чу, Джуди [D-CA] Cicilline, Дэвид Н. [D-RI] Кларк, Кэтрин М. [ D-MA] Кларк, Иветт Д. [D-NY] Кливер, Эмануэль [D-MO] Клайн, Бен [R-VA] Клауд, Майкл [R-TX] Клайберн, Джеймс Э. [D-SC] Клайд, Эндрю С. [R-GA] Коэн, Стив [D-TN] Коул, Том [R-OK] Комер, Джеймс [R-KY] Коннолли, Джеральд Э.[D-VA] Купер, Джим [D-TN] Корреа, Дж. Луис [D-CA] Коста, Джим [D-CA] Кортни, Джо [D-CT] Крейг, Энджи [D-MN] Кроуфорд, Эрик А. «Рик» [R-AR] Креншоу, Дэн [R-TX] Крист, Чарли [D-FL] Кроу, Джейсон [D-CO] Куэльяр, Генри [D-TX] Кертис, Джон Р. [R- UT] Дэвидс, Шарис [D-KS] Дэвидсон, Уоррен [R-OH] Дэвис, Дэнни К. [D-IL] Дэвис, Родни [R-IL] Дин, Мадлен [D-PA] ДеФазио, Питер А. [ D-OR] DeGette, Diana [D-CO] DeLauro, Rosa L. [D-CT] DelBene, Suzan K. [D-WA] Delgado, Antonio [D-NY] Demings, Val Butler [D-FL] DeSaulnier , Марк [D-CA] ДеДжарле, Скотт [R-TN] Дойч, Теодор Э.[D-FL] Диас-Баларт, Марио [R-FL] Дингелл, Дебби [D-MI] Доггетт, Ллойд [D-TX] Дональдс, Байрон [R-FL] Дойл, Майкл Ф. [D-PA] Дункан , Джефф [R-SC] Данн, Нил П. [R-FL] Эллзи, Джейк [R-TX] Эммер, Том [R-MN] Эскобар, Вероника [D-TX] Эшу, Анна Г. [D-CA ] Эспайлат, Адриано [D-NY] Эстес, Рон [R-KS] Эванс, Дуайт [D-PA] Фэллон, Пэт [R-TX] Feenstra, Рэнди [R-IA] Фергюсон, А. Дрю, IV [R -GA] Фишбах, Мишель [R-MN] Фицджеральд, Скотт [R-WI] Фитцпатрик, Брайан К. [R-PA] Флейшманн, Чарльз Дж. «Чак» [R-TN] Флетчер, Лиззи [D-TX] Фортенберри, Джефф [R-NE] Фостер, Билл [D-IL] Фокс, Вирджиния [R-NC] Франкель, Лоис [D-FL] Франклин, К.Скотт [R-FL] Фадж, Марсия Л. [D-OH] Фулчер, Расс [R-ID] Gaetz, Мэтт [R-FL] Галлахер, Майк [R-WI] Галлего, Рубен [D-AZ] Гараменди, Джон [D-CA] Гарбарино, Эндрю Р. [R-NY] Гарсия, Хесус Дж. «Чуй» [D-IL] Гарсия, Майк [R-CA] Гарсия, Сильвия Р. [D-TX] Гиббс, Боб [R-OH] Хименес, Карлос А. [R-FL] Гомерт, Луи [R-TX] Голден, Джаред Ф. [D-ME] Гомес, Джимми [D-CA] Гонсалес, Тони [R-TX] Гонсалес , Энтони [R-OH] Гонсалес, Висенте [D-TX] Гонсалес-Колон, Дженниффер [R-PR] Гуд, Боб [R-VA] Гуден, Лэнс [R-TX] Госар, Пол А. [R-AZ ] Gottheimer, Джош [D-NJ] Granger, Kay [R-TX] Graves, Garret [R-LA] Graves, Sam [R-MO] Green, Al [D-TX] Green, Mark E.[R-TN] Грин, Марджори Тейлор [R-GA] Гриффит, Х. Морган [R-VA] Гриджалва, Рауль М. [D-AZ] Гротман, Гленн [R-WI] Гость, Майкл [R-MS] Гатри, Бретт [R-KY] Хааланд, Дебра А. [D-NM] Хагедорн, Джим [R-MN] Хардер, Джош [D-CA] Харрис, Энди [R-MD] Харшбаргер, Диана [R-TN] Хартцлер, Вики [R-MO] Гастингс, Элси Л. [D-FL] Хейс, Джахана [D-CT] Херн, Кевин [R-OK] Херрелл, Иветт [R-NM] Эррера Бейтлер, Хайме [R-WA ] Хайс, Джоди Б. [R-GA] Хиггинс, Брайан [D-NY] Хиггинс, Клэй [R-LA] Хилл, Дж. Френч [R-AR] Хаймс, Джеймс А. [D-CT] Хинсон, Эшли [R-IA] Hollingsworth, Trey [R-IN] Horsford, Steven [D-NV] Houlahan, Chrissy [D-PA] Hoyer, Steny H.[D-MD] Хадсон, Ричард [R-NC] Хаффман, Джаред [D-CA] Хьюизенга, Билл [R-MI] Исса, Даррелл Э. [R-CA] Джексон, Ронни [R-TX] Джексон Ли, Шейла [D-TX] Джейкобс, Крис [R-NY] Джейкобс, Сара [D-CA] Jayapal, Pramila [D-WA] Джеффрис, Хаким С. [D-NY] Джонсон, Билл [R-OH] Джонсон, Дасти [R-SD] Джонсон, Эдди Бернис [D-TX] Джонсон, Генри К. «Хэнк» младший [D-GA] Джонсон, Майк [R-LA] Джонс, Mondaire [D-NY] Джордан, Джим [R-OH] Джойс, Дэвид П. [R-OH] Джойс, Джон [R-PA] Кахеле, Кайали [D-HI] Каптур, Марси [D-OH] Катко, Джон [R-NY] Китинг , Уильям Р.[D-MA] Келлер, Фред [R-PA] Келли, Майк [R-PA] Келли, Робин Л. [D-IL] Келли, Трент [R-MS] Кханна, Ро [D-CA] Килди, Дэниел Т. [D-MI] Килмер, Дерек [D-WA] Ким, Энди [D-NJ] Ким, Янг [R-CA] Кинд, Рон [D-WI] Кинзингер, Адам [R-IL] Киркпатрик, Энн [D-AZ] Кришнамурти, Раджа [D-IL] Кустер, Энн М. [D-NH] Кустофф, Дэвид [R-TN] ЛаХуд, Дарин [R-IL] Ламальфа, Дуг [R-CA] Лэмб, Конор [D-PA] Лэмборн, Дуг [R-CO] Ланжевен, Джеймс Р. [D-RI] Ларсен, Рик [D-WA] Ларсон, Джон Б. [D-CT] Латта, Роберт Э. [R-OH ] Латернер, Джейк [R-KS] Лоуренс, Бренда Л.[D-MI] Лоусон, Эл, младший [D-FL] Ли, Барбара [D-CA] Ли, Сьюзи [D-NV] Леже Фернандес, Тереза ​​[D-NM] Леско, Дебби [R-AZ] Летлоу , Джулия [R-LA] Левин, Энди [D-MI] Левин, Майк [D-CA] Льеу, Тед [D-CA] Лофгрен, Зои [D-CA] Лонг, Билли [R-MO] Лоудермилк, Барри [R-GA] Ловенталь, Алан С. [D-CA] Лукас, Фрэнк Д. [R-OK] Люткемейер, Блейн [R-MO] Лурия, Элейн Г. [D-VA] Линч, Стивен Ф. [D -MA] Мейс, Нэнси [R-SC] Малиновски, Том [D-NJ] Маллиотакис, Николь [R-NY] Мэлони, Кэролин Б. [D-NY] Мэлони, Шон Патрик [D-NY] Манн, Трейси [ R-KS] Мэннинг, Кэти Э.[D-NC] Мэсси, Томас [R-KY] Маст, Брайан Дж. [R-FL] Мацуи, Дорис О. [D-CA] МакБэт, Люси [D-GA] Маккарти, Кевин [R-CA] МакКол , Майкл Т. [R-TX] Макклейн, Лиза К. [R-MI] МакКлинток, Том [R-CA] МакКоллум, Бетти [D-MN] МакИчин, А. Дональд [D-VA] Макговерн, Джеймс П. [D-MA] МакГенри, Патрик Т. [R-NC] МакКинли, Дэвид Б. [R-WV] МакМоррис Роджерс, Кэти [R-WA] Макнерни, Джерри [D-CA] Микс, Грегори В. [D- NY] Мейер, Питер [R-MI] Мэн, Грейс [D-NY] Meuser, Daniel [R-PA] Mfume, Kweisi [D-MD] Миллер, Кэрол Д. [R-WV] Миллер, Мэри Э. [ R-IL] Миллер-Микс, Марианнетт [R-IA] Мооленаар, Джон Р.[R-MI] Муни, Александр X. [R-WV] Мур, Барри [R-AL] Мур, Блейк Д. [R-UT] Мур, Гвен [D-WI] Морелль, Джозеф Д. [D-NY ] Моултон, Сет [D-MA] Мрван, Фрэнк Дж. [D-IN] Маллин, Маркуэйн [R-OK] Мерфи, Грегори [R-NC] Мерфи, Стефани Н. [D-FL] Надлер, Джерролд [D -NY] Наполитано, Грейс Ф. [D-CA] Нил, Ричард Э. [D-MA] Негусе, Джо [D-CO] Нелс, Трой Э. [R-TX] Ньюхаус, Дэн [R-WA] Ньюман , Мари [D-IL] Норкросс, Дональд [D-NJ] Норман, Ральф [R-SC] Нортон, Элеонора Холмс [D-DC] Нуньес, Девин [R-CA] О’Халлеран, Том [D-AZ] Обернолти, Джей [R-CA] Окасио-Кортес, Александрия [D-NY] Омар, Ильхан [D-MN] Оуэнс, Берджесс [R-UT] Палаццо, Стивен М.[R-MS] Паллоне, Фрэнк, младший [D-NJ] Палмер, Гэри Дж. [R-AL] Панетта, Джимми [D-CA] Паппас, Крис [D-NH] Паскрелл, Билл, мл. [D -NJ] Пейн, Дональд М., младший [D-NJ] Пелоси, Нэнси [D-CA] Пенс, Грег [R-IN] Перлмуттер, Эд [D-CO] Перри, Скотт [R-PA] Питерс, Скотт Х. [D-CA] Пфлюгер, Август [R-TX] Филлипс, Дин [D-MN] Пингри, Челли [D-ME] Пласкетт, Стейси Э. [D-VI] Покан, Марк [D-WI] Портер, Кэти [D-CA] Поузи, Билл [R-FL] Прессли, Аянна [D-MA] Прайс, Дэвид Э. [D-NC] Куигли, Майк [D-IL] Радваген, Аумуа Амата Коулман [R- AS] Раскин, Джейми [D-MD] Рид, Том [R-NY] Решенталер, Гай [R-PA] Райс, Кэтлин М.[D-NY] Райс, Том [R-SC] Ричмонд, Седрик Л. [D-LA] Роджерс, Гарольд [R-KY] Роджерс, Майк Д. [R-AL] Роуз, Джон В. [R-TN ] Розендейл старший, Мэтью М. [R-MT] Росс, Дебора К. [D-NC] Роузер, Дэвид [R-NC] Рой, Чип [R-TX] Ройбал-Аллард, Люсиль [D-CA] Руис , Рауль [D-CA] Рупперсбергер, Калифорния Датч [D-MD] Раш, Бобби Л. [D-IL] Резерфорд, Джон Х. [R-FL] Райан, Тим [D-OH] Саблан, Грегорио Килили Камачо [ D-MP] Салазар, Мария Эльвира [R-FL] Санчес, Линда Т. [D-CA] Сан-Николас, Майкл FQ [D-GU] Сарбейнс, Джон П. [D-MD] Скализ, Стив [R-LA ] Скэнлон, Мэри Гей [D-PA] Шаковски, Дженис Д.[D-IL] Шифф, Адам Б. [D-CA] Шнайдер, Брэдли Скотт [D-IL] Шрейдер, Курт [D-OR] Шриер, Ким [D-WA] Швейкерт, Дэвид [R-AZ] Скотт, Остин [R-GA] Скотт, Дэвид [D-GA] Скотт, Роберт С. «Бобби» [D-VA] Сешнс, Пит [R-TX] Сьюэлл, Терри А. [D-AL] Шерман, Брэд [D -CA] Шерилл, Мики [D-NJ] Симпсон, Майкл К. [R-ID] Sires, Альбио [D-NJ] Slotkin, Элисса [D-MI] Смит, Адам [D-WA] Смит, Адриан [R -NE] Смит, Кристофер Х. [R-NJ] Смит, Джейсон [R-MO] Смакер, Ллойд [R-PA] Сото, Даррен [D-FL] Спанбергер, Эбигейл Дэвис [D-VA] Спарц, Виктория [ R-IN] Спейер, Джеки [D-CA] Стэнсбери, Мелани Энн [D-NM] Стэнтон, Грег [D-AZ] Stauber, Пит [R-MN] Стил, Мишель [R-CA] Стефаник, Элиза М.[R-NY] Стейл, Брайан [R-WI] Steube, В. Грегори [R-FL] Стивенс, Хейли М. [D-MI] Стюарт, Крис [R-UT] Стиверс, Стив [R-OH] Стрикленд , Мэрилин [D-WA] Суоззи, Томас Р. [D-NY] Swalwell, Эрик [D-CA] Такано, Марк [D-CA] Тейлор, Ван [R-TX] Тенни, Клаудия [R-NY] Томпсон , Бенни Г. [D-MS] Томпсон, Гленн [R-PA] Томпсон, Майк [D-CA] Тиффани, Томас П. [R-WI] Тиммонс, Уильям Р. IV [R-SC] Титус, Дина [ D-NV] Тлайб, Рашида [D-MI] Тонко, Пол [D-NY] Торрес, Норма Дж. [D-CA] Торрес, Ричи [D-NY] Трахан, Лори [D-MA] Трон, Дэвид Дж. .[D-MD] Тернер, Майкл Р. [R-OH] Андервуд, Лорен [D-IL] Аптон, Фред [R-MI] Валадао, Дэвид Г. [R-CA] Ван Дрю, Джефферсон [R-NJ] Ван Дайн, Бет [R-Техас] Варгас, Хуан [D-CA] Визи, Марк А. [D-TX] Вела, Филемон [D-TX] Веласкес, Нидия М. [D-Нью-Йорк] Вагнер, Энн [R -MO] Уолберг, Тим [R-MI] Валорски, Джеки [R-IN] Вальс, Майкл [R-FL] Вассерман Шульц, Дебби [D-FL] Уотерс, Максин [D-CA] Уотсон Коулман, Бонни [D -NJ] Вебер, Рэнди К., старший [R-TX] Вебстер, Дэниел [R-FL] Велч, Питер [D-VT] Венструп, Брэд Р. [R-OH] Вестерман, Брюс [R-AR] Векстон, Дженнифер [D-VA] Уайлд, Сьюзан [D-PA] Уильямс, Nikema [D-GA] Уильямс, Роджер [R-TX] Уилсон, Фредерика С.[D-FL] Уилсон, Джо [R-SC] Виттман, Роберт Дж. [R-VA] Womack, Steve [R-AR] Райт, Рон [R-TX] Ярмут, Джон А. [D-KY] Янг , Дон [R-AK] Зельдин, Ли М. [R-NY] Любой член Сената Болдуин, Тэмми [D-WI] Баррассо, Джон [R-WY] Беннет, Майкл Ф. [D-CO] Блэкберн, Марша [ R-TN] Блюменталь, Ричард [D-CT] Блант, Рой [R-MO] Букер, Кори А. [D-NJ] Бузман, Джон [R-AR] Браун, Майк [R-IN] Браун, Шеррод [ D-OH] Берр, Ричард [R-NC] Кантуэлл, Мария [D-WA] Капито, Шелли Мур [R-WV] Кардин, Бенджамин Л. [D-MD] Карпер, Томас Р. [D-DE] Кейси , Роберт П., Младший [D-PA] Кэссиди, Билл [R-LA] Коллинз, Сьюзан М. [R-ME] Кунс, Кристофер А. [D-DE] Корнин, Джон [R-TX] Кортес Масто, Кэтрин [D -NV] Коттон, Том [R-AR] Крамер, Кевин [R-ND] Крапо, Майк [R-ID] Круз, Тед [R-TX] Дейнс, Стив [R-MT] Дакворт, Тэмми [D-IL ] Дурбин, Ричард Дж. [D-IL] Эрнст, Джони [R-IA] Файнштейн, Dianne [D-CA] Фишер, Деб [R-NE] Гиллибранд, Кирстен Э. [D-NY] Грэм, Линдси [R -SC] Грассли, Чак [R-IA] Хагерти, Билл [R-TN] Харрис, Камала Д. [D-CA] Хассан, Маргарет Вуд [D-NH] Хоули, Джош [R-MO] Генрих, Мартин [ D-NM] Гикенлупер, Джон В.[D-CO] Hirono, Mazie K. [D-HI] Hoeven, John [R-ND] Hyde-Smith, Cindy [R-MS] Inhofe, James M. [R-OK] Johnson, Ron [R-WI] ] Кейн, Тим [D-VA] Келли, Марк [D-AZ] Кеннеди, Джон [R-LA] Кинг, Ангус С., младший [I-ME] Klobuchar, Amy [D-MN] Ланкфорд, Джеймс [ R-OK] Лихи, Патрик Дж. [D-VT] Ли, Майк [R-UT] Леффлер, Келли [R-GA] Лухан, Бен Рэй [D-NM] Ламмис, Синтия М. [R-WY] Манчин , Джо, III [D-WV] Марки, Эдвард Дж. [D-MA] Маршалл, Роджер В. [R-KS] МакКоннелл, Митч [R-KY] Менендес, Роберт [D-NJ] Меркли, Джефф [D -ИЛИ] Моран, Джерри [R-KS] Мурковски, Лиза [R-AK] Мерфи, Кристофер [D-CT] Мюррей, Пэтти [D-WA] Оссофф, Джон [D-GA] Падилья, Алекс [D-CA ] Пол, Рэнд [R-KY] Питерс, Гэри К.[D-MI] Портман, Роб [R-OH] Рид, Джек [D-RI] Риш, Джеймс Э. [R-ID] Ромни, Митт [R-UT] Розен, Джеки [D-NV] Раундс, Майк [R-SD] Рубио, Марко [R-FL] Сандерс, Бернард [I-VT] Сасс, Бен [R-NE] Schatz, Брайан [D-HI] Шумер, Чарльз Э. [D-NY] Скотт, Рик [R-FL] Скотт, Тим [R-SC] Шахин, Жанна [D-NH] Шелби, Ричард К. [R-AL] Синема, Кирстен [D-AZ] Смит, Тина [D-MN] Стабеноу, Дебби [D-MI] Салливан, Дэн [R-AK] Тестер, Джон [D-MT] Тьюн, Джон [R-SD] Тиллис, Том [R-NC] Туми, Пэт [R-PA] Тубервиль, Томми [R -AL] Ван Холлен, Крис [D-MD] Уорнер, Марк Р.[D-VA] Варнок, Рафаэль Г. [D-GA] Уоррен, Элизабет [D-MA] Уайтхаус, Шелдон [D-RI] Уикер, Роджер Ф. [R-MS] Уайден, Рон [D-OR] Янг , Тодд [R-IN]

новостей на этой неделе | Наука

Более дешевые материалы, более эффективное оборудование и некоторые многообещающие новые подходы могут сделать крупномасштабную добычу чистой воды главной силой в борьбе с глобальной жаждой

Усилия по обеспечению жителей планеты чистой пресной водой, похоже, идут в неправильном направлении.По данным Всемирной организации здравоохранения, 1 миллиард человек не имеют доступа к чистой водопроводной воде. Согласно анализу Института мировых ресурсов, 2,3 миллиарда человек — 41% населения Земли — живут в районах, испытывающих нехватку воды, и ожидается, что к 2025 году это число вырастет до 3,5 миллиарда. Что еще хуже, население мира увеличивается на 80 миллионов в год, а вместе с ним и потребность в новых источниках пресной воды.

Состоятельные страны отнюдь не защищены. В засушливых районах Соединенных Штатов и многих других стран ресурсы подземных вод уже истощаются, а оставшиеся запасы становятся все менее солоноватыми.За последние десятилетия экологические проблемы резко ограничили строительство новых плотин. Во многих областях «мы уже выжимаем всю воду из имеющихся у них систем», — говорит Томас Хинкебейн, геохимик из Sandia National Laboratories в Альбукерке, Нью-Мексико. «[Мы] должны начать разработку новых источников воды».

Высокий расход.

Эта установка обратного осмоса в Ашкелоне, Израиль, со временем будет производить 100 миллионов кубометров пресной воды в год.

КРЕДИТ: IDE TECHNOLOGIES

Такие опасения сделали опреснение — процесс удаления солей и взвешенных твердых частиц из солоноватой воды и морской воды — быстрорастущей альтернативой. Согласно отчету Национального исследовательского совета США за 2004 год, более 15 000 опреснительных установок в настоящее время работают в более чем 125 странах с общей производительностью 32,4 миллиона кубических метров ( ³ м3) воды в день, что составляет около одной воды. четверть суммы, потребляемой общинами США каждый год.В связи с тем, что во многих регионах земного шара в течение длительного времени наблюдается острая нехватка воды, «я не вижу, чтобы [спрос на опреснение] замедлился», — говорит Мишель Чапман, физик из Бюро мелиорации США в Денвере, штат Колорадо, и сопредседатель исследовательской программы по опреснению воды, финансируемой Управлением военно-морских исследований США.

Но у опреснения есть свои проблемы. Две технологии, лежащие в основе обычных опреснительных установок — испарение и обратный осмос (RO), которые включают проталкивание воды через полупроницаемую мембрану, блокирующую растворенные соли, — обе требуют огромного количества энергии.Типичная установка обратного осмоса с морской водой, например, требует от 1,5 до 2,5 киловатт-часов (кВтч) электроэнергии для производства 1 м3 воды; установка термической дистилляции всасывает в 10 раз больше. Такие страны, как Саудовская Аравия, могут позволить себе содержать такие объекты, но для большинства других стран стоимость уже была слишком высокой даже до того, как цены на нефть взлетели до небес.

Тем не менее, несмотря на эти тревожные тенденции, перспективы опреснения значительно улучшились за последние несколько лет.Новые инженерные разработки позволили снизить стоимость опреснительных установок, особенно систем обратного осмоса на основе мембран, а новые технологии, такие как нанотехнологии и новые полимеры, как ожидается, снизят эксплуатационные расходы в ближайшие годы. «Сейчас проводится огромное количество исследований», — говорит Хинкебейн, который также курирует широкое сотрудничество по составлению будущей дорожной карты для технологии опреснения. «В течение ряда лет прогресс был небольшим, — добавляет Энн Мэйс, материаловед и специалист по мембранам из Массачусетского технологического института (MIT) в Кембридже.«Но теперь начинают открываться новые возможности. В ближайшем будущем мы увидим разработку очень разных технологий ».

Быстрее, дешевле, лучше

Опреснение имеет древние корни. Аристотель и Гиппократ описали процесс испарения соленой воды для получения пресной воды в 4 веке до н. Э. В наше время опреснение началось в начале 20 века. К середине 1950-х годов уже работали сотни опреснительных заводов. Большинство из них было основано на испарении — методе, с помощью которого по-прежнему производится около половины опресненной воды на земном шаре.Хотя этот метод обычно более дорогой, он остается популярным на Ближнем Востоке, в основном потому, что он хорошо подходит для работы с высокими уровнями солей и взвешенных веществ в воде Персидского залива.

В других странах на большинстве строящихся сегодня новых заводов используется обратный осмос, поскольку этот процесс требует гораздо меньше энергии. Как следует из названия, технология обращает процесс осмоса: естественная тенденция молекул воды проходить через полупроницаемую мембрану для разбавления химического раствора с другой стороны, в данном случае морской воды.Чтобы заставить молекулы воды двигаться в обратном направлении, требуется давление — не менее 3 мегапаскалей (МПа), но чаще 6 МПа, — что, в свою очередь, требует электричества. Исторически сложилось так, что установка обратного осмоса использовала от 10 до 15 кВтч электроэнергии для производства 1 м ³ пресной воды.

Подчеркнул.

Растущая нехватка воды подчеркивает необходимость новых решений.

ИСТОЧНИК: ВСЕМИРНАЯ МЕТЕОРОЛОГИЧЕСКАЯ ОРГАНИЗАЦИЯ; ГЛОБАЛЬНЫЙ ПРОГНОЗ ОКРУЖАЮЩЕЙ СРЕДЫ, UNEP

В период с 1980 по 2000 год усовершенствования насосов и другого оборудования на установках обратного осмоса снизили количество энергии, необходимой для производства пресной воды, примерно наполовину, говорит Джон МакХарг, генеральный директор Коалиции по доступному опреснению воды (ADC). Сан-Леандро, штат Калифорния, группа из 22 муниципалитетов, агентств штата и опреснительных компаний, стремящихся улучшить технологию опреснения морской воды.С 2000 года потребности в энергии снова снизились примерно вдвое благодаря новым устройствам для рекуперации энергии, называемым изобарическими камерами, которые перенаправляют давление из сточного рассола в поступающую воду низкого давления. Эти устройства восстанавливают до 97% энергии. Их громкий успех уже сделал их неотъемлемой частью недавно разработанных опреснительных установок. Например, на одной такой установке, запущенной прошлой осенью в Ашкелоне, Израиль, изобарические камеры помогли снизить стоимость опресненной воды до 0 долларов.527 центов за м ³ , что является одним из самых дешевых опреснительных установок.

Ожидается, что такое падение цен продолжится. Объединив устройства рекуперации энергии с новыми мембранами низкого давления и другие коммерчески доступные достижения, этой весной члены ADC установили новый мировой рекорд по низкому уровню затрат на опреснение, снизив потребление энергии до 1,58 кВтч на м3 производимой воды. При такой скорости установка по опреснению морской воды могла бы обеспечить типичное американское домохозяйство пресной водой в количестве, необходимом для освещения 80-ваттной лампочки, говорит МакХарг.Эта цифра, добавляет он, может изменить уравнение снабжения водой таких мест, как южная Калифорния, потому что такое же количество энергии требуется для перекачки пресной воды из северной Калифорнии в Лос-Анджелес.

Juggling act

Тем не менее, МакХарг и другие говорят, что есть много возможностей для улучшения, особенно в отношении мембран, лежащих в основе систем обратного осмоса. «В основном [мембранные] технологии не сильно изменились за последние 40 лет», — говорит Томас Майер, эксперт по опреснению в Sandia.«Полимерные пленки представляют собой стандартные материалы нейлонового типа, которые работают достаточно хорошо».

Эти мембраны должны одновременно выполнять две несколько противоречащих друг другу цели: они должны пропускать воду с высокой скоростью, блокируя при этом почти все растворенные соли. Обычные мембраны сделаны из пластмасс, называемых ароматическими полиамидами, которые предотвращают проникновение 99,9% ионов соли, но при этом допускают разумный поток воды. Пластмассы могут обеспечить баланс, потому что они содержат заряженные химические группы, которые отталкивают ионы соли, в то время как под высоким давлением нейтральные молекулы воды фактически растворяются в непрерывном листе мембраны и переходят на другую сторону.

Ароматические полиамиды изначально были настолько лучше, чем их предшественники, что исследователи только недавно начали искать способы их улучшения, говорит Бенни Фриман, химик-полимер из Техасского университета (Юта), Остин. У них действительно есть большие недостатки: им требуется высокое давление и, следовательно, энергия, чтобы протолкнуть воду, и они также склонны к биообрастанию, при котором тонкие пленки органического материала покрывают поверхность мембраны и блокируют проникновение воды.

Один из простых способов остановить обрастание — добавить хлор, подобно тому, как это делают муниципальные водоочистные сооружения для борьбы с патогенами.К сожалению, хлор разрушает азотно-водородные связи, которые удерживают полиамидные полимеры вместе, открывая отверстия, которые позволяют солям перемещаться через мембраны. Поэтому группа Фримена вместе с химиком Джеймсом МакГратом из Политехнического института Вирджинии и государственного университета (VT) в Блэксбурге недавно начала разработку новых устойчивых к хлору полимеров. Исследователи разработали мембраны из сульфированных полисульфонов, в которых отсутствуют уязвимые связи N-H, которые атакует хлор. Другие исследователи ранее пытались добавить сульфированные группы к мембранным полимерам после того, как полимеры были уже получены, говорит МакГрат, подход, который затруднял их воспроизведение, и они часто быстро разрушались.Вместо этого команда UT-VT создала строительные блоки из сульфированного полимера, которые затем соединила вместе более строго контролируемым образом.

Стратегия вроде работает. В мае на собрании Североамериканского мембранного общества в Чикаго, штат Иллинойс, Фриман сообщил, что новые мембраны группы UT-VT пропускают больше воды, чем традиционные ароматические полиамиды, при этом фильтруя 99% ионов соли. В то время как обычные мембраны начинают разрушаться после 8000 часов воздействия хлорированной воды, новые мембраны не проявляют никаких признаков разрушения, а это означает, что можно изготавливать мембраны, которые не нужно заменять.Фриман и его команда сейчас настраивают формулу пластика в надежде улучшить показатель отторжения соли на 99%.

Mayes использует другой подход для улучшения опреснительных мембран. Ее группа в Массачусетском технологическом институте создает мембраны из молекул полимера, напоминающие крошечные гребешки. В этом случае «каркас» гребней состоит из уносимых водой молекул, таких как поливинилиденфторид (ПВФ), обычный компонент мембраны. К этому позвоночнику прикреплены мириады «зубов», состоящих из коротких водоотталкивающих сегментов полиэтиленоксида (ПЭО).По мере образования полимера эти два разных сегмента пытаются отделиться друг от друга, точно так же, как водоотталкивающие и водоотталкивающие свойства масла и воды заставляют их разделяться. В результате сегменты PEO вращаются друг вокруг друга, создавая массив крошечных пор диаметром 2 нанометра в мембране PVF.

Полученные мембраны пропускают воду с очень высокой скоростью потока. Они также противостоят засорению, потому что блоки PEO связываются с молекулами воды настолько прочно, что у биомолекул остается мало опор, за которые они могли бы прикрепиться.

На данный момент, однако, поры все еще достаточно велики, чтобы ионы соли легко проходили через них. Мембраны все еще могут быть полезны в качестве фильтров предварительной обработки для удаления более крупных взвешенных твердых частиц перед отправкой воды в фильтр обратного осмоса, говорит Мэйес. Но она надеется улучшить их способность улавливать соли, либо добавляя заряженные группы к основной части молекулы, чтобы отталкивать заряженные ионы, либо путем укорачивания боковых цепей PEO, чтобы уменьшить поры.

Ольгика Бакаджин, физик из Ливерморской национальной лаборатории Лоуренса в Калифорнии, также ищет крошечные поры, чтобы улучшить мембраны своей команды.Бакаджин и ее коллеги потратили годы на изучение того, как жидкость движется через устройства наноразмеров. Их расчеты показали, что вода, вероятно, будет быстро проходить через гладкие полые центры углеродных нанотрубок, каждая из которых имеет диаметр всего 1-2 нанометра. Поэтому они решили сделать фильтр из 89 крошечных мембран, каждая со стороной 50 микрометров и состоящих из пленки нитрида кремния, перфорированной тысячами углеродных нанотрубок. В статье, опубликованной в выпуске Science от 19 мая (стр.1034), Бакаджин и ее команда сообщили, что требовалось всего лишь давление в одну атмосферу (или 100 кПа), чтобы вода прошла через их мембраны, хотя в этом случае они были протестированы с пресной водой, а не с соленой водой. «Мы думали, что наша мембрана разорвалась», — говорит Бакаджин. Но этого не произошло, и когда они подробно изучили их поры, они обнаружили, что они транспортируют в 1000 раз больше воды, чем ожидалось.

Майер из Sandia говорит, что он «очень взволнован» новым результатом: «Мы сожалеем, что не сделали этого сначала.Бакаджин признает, что она и ее коллеги до сих пор не знают, почему нанотрубки являются такими хорошими переносчиками воды. Но если мембраны на основе углеродных нанотрубок могут быть увеличены и сделаны так, чтобы исключить соли — и то, и другое на данный момент малоизвестно, — это может позволить опреснительным установкам резко сократить количество энергии, необходимой для очистки воды.

Другие низкоэнергетические методы опреснения также не за горами. В одном из них, называемом прямым осмосом, исследователи пытаются использовать нормальное осмотическое давление для производства пресной воды.Они начинаются с пресной и морской воды, разделенных мембраной, и содержат высокую концентрацию сахара в пресной воде. Пресная вода течет через мембрану, поскольку она работает, чтобы разбавить высокую концентрацию сахара. «Проблема в том, что в итоге получается подслащенная вода», — говорит Менахем Элимелех, инженер-эколог Йельского университета. Вместо сахара Элимелех и его коллеги экспериментировали с растворенными солями аммония, такими как бикарбонат аммония. Соли протягивают пресную воду через мембрану без дополнительного давления.Затем, нагревая раствор до 58 ° C, команда Элимелеха заставляет растворенные соли образовывать аммиак и углекислый газ, которые легко отделяются от воды. «Если мы сможем использовать отходящее тепло, процесс может быть очень экономичным», — говорит Элимелех.

Две другие технологии также ориентированы на использование отработанного тепла и очень дешевых исходных материалов для создания легко доступных систем опреснения. Один из них, получивший название «испарение росы», является детищем Джеймса Бекмана, инженера-химика из Университета штата Аризона, Темпе.Другой метод, называемый мембранной перегонкой, был впервые предложен Камалешем Сиркаром, инженером-химиком из Технологического института Нью-Джерси в Ньюарке. Устройство для выпаривания росы Бекмана испаряет воду в одном отсеке, направляя ее через барьер в другое, где она конденсируется; Мембранная дистилляция Sirkar пропускает водяной пар через поры в мембране, через которые жидкая вода или более крупные ионы не могут пройти. Оба процесса хорошо зарекомендовали себя в реальном мире. Система мембранной дистилляции Sirkar в настоящее время проходит испытания компанией United Technologies в Восточном Хартфорде, Коннектикут, а выпаривание воды оценивается как вариант создания пресной воды в городе Феникс, штат Аризона.

Двойную обязанность.

Пилотный проект на электростанции в Калифорнии очищает морскую воду, используемую для охлаждения.

Кредит: REED SAXON / AP

Бекман и Сиркар говорят, что преимущество их систем заключается в том, что они могут работать с различными источниками отработанного тепла, такими как пар промышленных предприятий или даже солнечная энергия. Такая универсальность может сделать их особенно выгодными для развивающихся стран. Чепмен отмечает, что такие системы могут быть особенно полезны в качестве дополнений к обычным системам обратного осмоса.Установки обратного осмоса обычно преобразуют только от 50% до 70% соленой воды в пресную воду и должны обрабатывать и утилизировать отработанный рассол — дорогостоящий процесс. Поскольку эти новые системы потенциально могут испарить всю воду и оставить после себя только твердые соли, они обещают сэкономить правительствам много денег, говорит Чепмен.

Неясно, смогут ли такие новые системы конкурировать с промышленными установками обратного осмоса и тепловыми опреснительными установками. Но Чепмен отмечает, что потребности разных сообществ сильно различаются, когда дело доходит до воды, в зависимости от качества источника воды среди других факторов.«Все источники воды разные, — говорит Чепмен. «Так что, вероятно, найдется место для всех этих технологий» — и, без сомнения, множество жаждущих пользователей тоже.

Устойчивое развитие | Бесплатный полнотекстовый | Система рекомендаций по мобильной электронной коммерции на основе объединения информации из разных источников для устойчивого электронного бизнеса

1. Введение

Мобильная электронная коммерция происходит от более широкой концепции электронной коммерции и относится к коммерческой деятельности, осуществляемой мобильными терминалами, такими как мобильные телефоны и планшетные компьютеры [1,2].С изменением потребительских привычек пользователей мобильная электронная коммерция стала тенденцией. Однако непрерывное генерирование большого количества данных не только неудобно для потребителей при поиске значимых продуктов, но также означает, что некоторые из продуктов редко покупаются. Между тем, ограниченный визуальный интерфейс мобильного терминала сильно влияет на покупательский опыт и удовлетворенность покупателя. Эти факторы могут оттолкнуть клиентов и помешать устойчивому развитию электронного бизнеса. Как информационная технология для решения вышеуказанных проблем [3,4], система рекомендаций широко применяется практиками электронной коммерции и стала важной темой исследований в области информатики и систем поддержки принятия решений [5,6].В настоящее время исследования систем рекомендаций обычно включают фильтрацию на основе содержимого (CBF) [7], совместную фильтрацию (CF) [8,9] и другие методы интеллектуального анализа данных [10], такие как деревья решений [11,12] , правила ассоциации [13] и семантический подход [14]. Хотя системы рекомендаций, которые могут помочь пользователям быстрее находить нужную им информацию, получили широкое внимание [15], исследования, касающиеся систем рекомендаций для мобильной электронной коммерции, по-прежнему отстают в двух аспектах, которые мотивируют наше исследование.Во-первых, система рекомендаций по электронной коммерции недостаточно глубокая, чтобы отслеживать поведение потребителей в Интернете при майнинге из нескольких источников. Системы рекомендаций сосредоточены только на информации о товарах и покупательском поведении потребителей на торговой платформе. Системы не объединяют другую информацию в мобильном телефоне: изображения, музыку, видео, приложения и т. Д. Поэтому точность рекомендации ограничена. Это похоже на историю о слепых и слоне: слепой чувствует слона, только дотрагиваясь до какой-то его части, а затем приходит к выводу, что из себя представляет слон.То есть он делает вывод из неполных данных. Пользователи мобильных телефонов ежедневно производят много информации, не только информацию о покупках на торговой платформе, но и на других платформах, таких как сайты социальных сетей [16,17]. Мы можем получать информацию из различных источников, чтобы понимать потребности потребителей и рекомендовать товары. Давайте рассмотрим сценарий ниже. Вы видите на улице законодателя моды в хорошей обуви и фотографируете. Затем система рекомендаций мобильной электронной коммерции порекомендует вам магазин, и вы также можете купить себе пару обуви.

Во-вторых, система рекомендаций мобильной электронной коммерции должна интегрировать информацию о местоположении пользователя. Локализация — одна из характеристик мобильной электронной коммерции. Между местонахождением потребителя и его покупательским поведением существует тесная связь. Традиционная электронная коммерция затрудняет сбор информации о потребителях в любое время и в любом месте. Мобильный терминал может снять оковы с компьютера. Технология позиционирования позволяет системе рекомендаций облегчить потребителям, когда дело доходит до мобильного бизнеса, транзакций и услуг.Чтобы система рекомендаций могла играть более активную роль, метод слияния информации из нескольких источников должен быть импортирован в интеграцию информации о местоположении и историческом поведении.

В этом документе предлагается метод рекомендации с использованием технологии объединения информации из нескольких источников, основанный на информации о местоположении потребителя и онлайн-поведении мобильного терминала. Во-первых, это исследование разрабатывает блок-схему системы рекомендаций мобильной электронной коммерции. Затем в документе извлекаются свидетельства и используются нейронные сети с улучшенной радиальной базисной функцией (RBF) для установки весов.Исходя из этого, в статье используется улучшенная теория доказательств Демпстера – Шафера (D – S), чтобы объединить информацию и оценку спектра мощности, чтобы рекомендовать продукты. Наконец, интернет-магазин одежды Taobao используется в качестве примера, подтверждающего обоснованность предложенной системы рекомендаций мобильной электронной коммерции. В статье представлен подробный метод работы и экспериментальные результаты. Остальная часть статьи выглядит следующим образом: Раздел 2 представляет собой обзор литературы по системам рекомендаций, методам слияния информации из нескольких источников, нейронной сети RBF и теории доказательств D – S.Метод решения проблемы представлен в разделе 3. Раздел 4 использует тематическое исследование, чтобы доказать эффективность предложенного метода. Выводы и обсуждение представлены в Разделе 5.

2. Обзор литературы

Обзор литературы фокусируется на следующих аспектах: системы рекомендаций, методы слияния информации из нескольких источников, нейронная сеть RBF и теория доказательств D – S.

2.1. Системы рекомендаций

Системы рекомендаций — это инструменты, помогающие принимать решения, которые анализируют предыдущее онлайн-поведение клиента и рекомендуют продукты, соответствующие их предпочтениям [18,19,20].В последние годы веб-сайты розничной электронной коммерции широко использовали их для предоставления потребителям персонализированных маркетинговых услуг [21]. С тех пор, как Голдберг и его коллеги [22] впервые предложили системы рекомендаций, другие исследователи предложили широкий спектр систем рекомендаций и связанных технологий, включая CBF, CF и другие методы интеллектуального анализа данных [23]. Например, Паццани и Билсус представили стратегическую архитектуру метода, основанного на содержании [24]. В отличие от более ранних исследований, посвященных техническим факторам [25], другие исследования обращали внимание на влияние рекомендательных систем на решение клиента о покупке [8,26,27,28].Несмотря на то, что существует множество работ, связанных с моделями рекомендаций, стратегиями [29] или процедурами, мало работ было проведено для рекомендательной системы мобильной электронной коммерции, которая имеет определенные характеристики. В существующих исследованиях ученые собирали информацию о рекомендациях исключительно с торговой платформы, а не через несколько информационных каналов в мобильном терминале.

2.2. Метод слияния информации из нескольких источников

Поскольку слияние информации было официально предложено в 1990-х годах, многоуровневая обработка в процессе слияния информации стала консенсусом среди исследователей модели слияния информации.Ягер [30], Грегор [31] и многие другие ученые [32,33,34] глубоко исследовали структуру слияния информации из нескольких источников, классификацию информации, автоматическое рассуждение, обработку гетерогенных данных, облачные вычисления и одноранговые сети. одноранговая (P2P) сетевая модель доверия слияния информации. Большинство моделей слияния информации основаны на модели объединенных директоров лабораторий (JDL), разработанной Министерством обороны США, которая реализует требование слияния информации из нескольких источников на четырех различных уровнях обработки.По мере развития исследований техники слияния информации из нескольких источников она использовалась в распознавании образов, интеллектуальном анализе данных, открытии знаний и так далее. Тем не менее, было меньше исследований объединения информации из нескольких источников на основе местоположения в рекомендательных системах мобильной электронной коммерции.

2.3. Нейронная сеть с радиальной базисной функцией (RBF) и теория доказательств Демпстера – Шейфера (D – S)

Нейронная сеть с радиальной базисной функцией (RBF) — это нейронная сеть с радиальной базисной функцией, которая является эффективной нейронной сетью с прямой связью (FFNN) и может подходить к любой нелинейной функции.Он может справиться с трудностями анализа регулярности системы, обладает хорошей способностью к обобщениям и высокой скоростью сходимости. Исследователям удалось внедрить нейронные сети RBF в следующие области: приближение нелинейных функций, распознавание образов, анализ временных рядов, обработка изображений, классификация данных, моделирование системы, обработка информации, а также управление и диагностика неисправностей. Например, Yun et al. создали модель краткосрочного прогнозирования нагрузки с использованием нейронной сети RBF [35].Однако результаты классификации, основанной на нейронной сети RBF, часто оказываются отрицательными [36,37], что не является достаточным подтверждением доказательств. Yingwei et al. проанализировал алгоритм обучения сети с минимальным распределением ресурсов (M-RAN), который имеет меньше скрытых нейронов, но более точную классификацию [38]. Хуанг и др. предложил новый алгоритм последовательного обучения для сетей RBF для аппроксимации функций [39]. Эта статья устанавливает улучшенную модель нейронной сети RBF и использует ее для определения веса свидетельств.Теория доказательств — это разновидность теории неточного вывода. После того, как Демпстер впервые выдвинул теорию доказательств в 1967 году, она была развита его учеником Шафер [36], также известная как теория доказательств Демпстера – Шафера (D-S). Основная цель теории свидетельств — синтез неопределенных данных из многих источников. Теория доказательств использует формулу синтеза доказательств для определения достоверности различных источников информации с целью получения результатов принятия решений [40]. Skowron и Grzymala [41] предложили метод сбора доказательств, основанный на таблице решений.Ян и др. [42] изучали метод сбора доказательств для большой таблицы решений. Deng et al. [43] изучили метод синтеза теории доказательств и разработали метод измерения веса эксперта, основанный на расстоянии, необходимом для эффективного синтеза противоречивых доказательств. Однако теория доказательств D – S имеет в своем применении справедливость, право вето одним голосом, надежность и проблемы парадокса Заде [44,45]. Ученые улучшили метод в основном за счет изменения источника данных и правил композиции [46,47].В этой статье принята модификация доказательной базы на основе правил достоверности и синтеза, которые основаны на распределении локальных конфликтов, чтобы объединить доказательства.

3. Моделирование

3.1. Структура решения

Подробные шаги метода рекомендации продукта, основанного на слиянии информации из нескольких источников, изложены в следующих четырех подразделах, включая источники данных, вес доказательств рекомендации, решение о слиянии и результат. Блок-схема показана на рисунке 1.

3.2.Источники данных

Система рекомендаций мобильной электронной коммерции нуждается в точной, унифицированной информации о потребителях (функциях и потребностях). Однако текущее управление информацией о потребителях обычно находится в состоянии «изолированного острова»; то есть полная информация о мобильном пользователе отделяется и, соответственно, сохраняется в мобильном терминале, в котором отсутствует унифицированное представление и интерфейс. Для решения указанной проблемы в предлагаемой системе рекомендаций используются микроформаты для представления, хранения, интеграции и управления пользовательской информацией.Хотя иностранный бизнес широко использовал микроформаты для интеграции информации блога или микроблога и добился успеха в приложениях YouTube, Flickr, MapQuest и MySpace, анонимность внешней сети приводит к грубой и фрагментированной информации о пользователях, что затрудняет чтобы в полной мере продемонстрировать эффективность микроформатов. В приложениях для мобильных телефонов широко внедрена система регистрации реальных имен и унификации номеров мобильных телефонов. Система рекомендаций может получить более точную и подробную информацию о потребителях, поэтому микроформаты для нее очень подходят.

Как упоминалось выше, некоторая информация о потребителе (например, пол, возраст, уровень потребления и т. Д.), Требуемая системой рекомендаций, может быть получена с торговой платформы посредством обновления времени. Однако дополнительная информация о пользователях все еще исследуется; например, насущные потребности продукта, потенциальные потребности, недавнее внимание и т. д. В этой статье предполагается, что системы рекомендаций могут собирать необходимую им информацию. Информация о местоположении, голос, изображение, видео и т. Д. Могут быть собраны в настройках мобильного телефона.Что касается другой информации о приложении, мы предполагаем, что обмен информацией может быть достигнут, чтобы предоставить потребителю своевременные рекомендательные услуги. Например, система собирает потребности и проблемы пользователя в социальном приложении. Система может извлекать личные характеристики и недавнюю ориентацию потребителя с помощью «ник в социальной платформе — номер мобильного телефона». Кроме того, система извлекает историческую информацию о покупках потребителя в базе данных торговой платформы по «номеру мобильного телефона — идентификатору торговой платформы».Наконец, два вида информации вводятся в информацию пользователя в качестве доказательства. Процесс состоит из нескольких этапов, как показано на рисунке 2.

3.3. Вес свидетельства рекомендации

Улучшенная нейронная сеть RBF разработана на основе пакета нейронной сети Java Joone для устранения недостатков нейронной сети RBF, упомянутых в разделе 2.3. Входным слоем сети по-прежнему является линейный вход LinearLayer; скрытый слой — RbfGaussianLayer; выходной слой — SoftmaxLayer; а сетевой уровень и функция обучения весов слоев основаны на алгоритме упругой обратной связи Resilient Backpropagation (RPROP) [48,49].Передаточная функция RbfGaussianLayer представляет собой функцию типа Гаусса, представленную в следующей форме (1):

yj = ехр (−‖x − cj‖2σj2 (x))

(1)

Центральное положение cj и дисперсия σj2 (x) устанавливаются путем вычисления среднего значения и дисперсии входных данных. Количество скрытых слоев в сети необходимо оптимизировать. Выходной слой SoftmaxLayer принимает передаточную функцию, показанную в Формуле (2), где c — количество выходных классификаций, а yi — выход нейрона.

yi = ехр (xi) ∑i = 1cexp (xi)

(2)

При анализе решений разные источники информации имеют разное значение, которые, в свою очередь, играют разную роль в принятии решений.Поэтому веса разных источников информации в системе рекомендаций различаются. Обученная модель нейронной сети используется для системы рекомендаций мобильной электронной коммерции. Результатом будет Ynet = {y1net, y2net,…, ysumnet} (сумма — это общее количество источников информации). В статье Ynet определяется как рекомендательный вес, основанный на улучшенной сети RBF и используемый для объединения информации в качестве доказательства. Элемент yinet отражает степень относительной поддержки рекомендательной информации между источниками информации и удовлетворяет условию ∑i = 1sumyinet = 1.

3.4. Решение Fusion Decision

Теория свидетельств D – S является основным методом рассуждений в условиях неопределенности (RUU). Правила синтеза свидетельств m1, m2,…, mn показаны как Формула (3) для структуры распознавания Θ.

m (A) = {0A = ∅ (1 − K) −1∑∩Ai = A∏i≤j≤nmj (Ai) A ≠ ∅

(3)

Среди них базовое вероятностное присвоение (BPA) удовлетворяет условию imj (Ai) = 1, а K = ∑∩Ai = ∅∑imj (Ai) означает степень конфликта между свидетельствами. Учитывая недостатки теории D – S, упомянутые в разделе 2.3, мы принимаем достоверность для изменения тела свидетельств и распределения локальных конфликтов для синтеза правил.

• Доказательства модификации тела на основе достоверности. Достоверность доказательств μi (μi≤1) указывает на относительную надежность среди доказательств. Наивысшая надежность доказательства в наборе доказательств была установлена ​​на уровне 1 μi, поскольку поправочный коэффициент изменяет исходное тело доказательства M ‘. Вероятность прибавки приводится к неизвестному условию m (Θ). Значение BPA скорректированного тела M получается, как показано в Формуле (4):

  M = [m (A1) m (A2)… m (An) m (Θ)]

  (4)

  Среди них m (Am) = {um ′ (Am) | m = 1,2,…, n}, m (Θ) = 1 − ∑m = 1nm (Am), m ′ (Am) ∈M ′.
• Правила синтеза, основанные на распределении локальных конфликтов. Это разделяет локальные конфликты между двумя центральными точками, вызывающими конфликт:

  {mjk (A) = ∑B∩C = Amj (B) mk (C) + f (A) f (A) = ∑A∩D = ∅ (mj2 (A) mk (D) mj (A) + mk (D) + mk2 (A) mj (D) mj (D) + mk (A))

  (5)

Среди них, B, C, D⊂ {A1, A2,…, Θ}, значение BPA удовлетворяет mj (•) ⊂Mj, mk (•) ⊂Mk; mjk (A) было значением BPA для вновь обнаруженного тела доказательств Mjk после слияния.

После того, как каждые два доказательства синтезированы, новые доказательства проходят нормализацию.Например, элемент mjk ′ (A) получается после нормализации M _jk :

mjk ′ (A) = mjk (A) ∑mjk (•)

(6)

В этом документе информация о местоположении, обзор приложения социальной платформы, информация о продукте и информация о потребителях используются в качестве доказательств. Мы можем использовать статистический анализ или опыт экспертов, чтобы определить их достоверность.

3.5. Результат

Система производит глобально согласованную информацию о характеристиках пользователя или ресурса посредством вышеуказанного объединения информации, которая со временем будет расширяться и изменяться.После периода накопления информации информация о пользователях и ресурсах относительно стабильна. Однако некоторые параметры могут быть упущены из-за нестабильности информации из нескольких источников, поэтому система использует алгоритм рекомендаций, основанный на оценке спектра мощности. Подробные алгоритмы следующие:

Φxx (m) — функция автокорреляции пользовательского спроса и характеристической информации x (n). Pxx (m) используется для выражения спектральной плотности мощности. Формула расчета следующая:

pxx (ω) = ∑m = −∞∞Φxx (м) e − zwm

(7)

Согласно расчету спектральной плотности мощности Φxx (m) обозначается как:

Φxx (m) = limN → ∞12N + 1∑n = −NNx (n) x * (n + m)

(8)

После замены формулы (8) формулой (7) происходит следующее:

Pxx (ω) = limN → ∞12N + 1 [∑n = −NNx (n) e − zwn] • [∑m = −∞∞x * (n + m) ezw (n + m)]

(9)

Среднее значение формулы (9):

Pxx (ω) = limN → ∞E [12N + 1 | ∑n = −NNx (n) ezwn | 2]

(10)

Из-за множества источников пользовательской информации существует множество элементов требований пользователя и информации о функциях, что означает, что система рекомендаций мобильной электронной коммерции может использовать только подпоследовательность, а не полную информацию.xx (м) e − zwm

(12)

Мы вставляем Формулу (11) в Формулу (12), чтобы сгенерировать или изменить список рекомендаций.

4. Экспериментальное исследование

В этой статье исходные данные взяты из интернет-магазина по продаже женской одежды Taobao.com. В качестве объекта исследования мы выбрали 100 клиентов. Информация из нескольких источников в системе рекомендаций мобильной электронной коммерции включала следующие четыре аспекта: информацию о местоположении и услугах, информацию о товарах, информацию о социальных платформах и данные из базы данных о торговле в магазине.Мы собрали информацию. Первым шагом было сокращение данных, при котором удалялись данные, не удовлетворяющие требованиям. Возраст, пол и уровень потребления потребителей были зарезервированы в базе данных транзакций магазина. Затем данные были преобразованы. Из-за ограничений экспериментальных условий собранные изображения были вручную преобразованы в ключевые слова. Наконец, мы провели унифицированное кодирование на основе предыдущих данных.

Вот простой пример основного процесса рекомендации. Предположим, мы хотим собрать соответствующую информацию из базы данных, как показано в таблице 1.Есть актуальная информация потребителя A. Предлагаемый подход собирает информацию из нескольких источников, то есть использует всю вышеуказанную информацию. Традиционный метод не собирает информацию из службы определения местоположения, изображений и социальных платформ. Ему нужны только данные из торговой базы данных магазина. Веса различных источников информации, представленных в таблице 2, можно определить с помощью метода, предложенного в разделе 3.3. Наконец, мы можем использовать улучшенную теорию доказательств D – S для получения окончательных результатов рекомендаций.Вероятность порекомендовать обувь по предлагаемому методу составляет 85%, а традиционным методом — всего 12%. Мы обнаружили, что источники данных рекомендательных систем имеют большое влияние на результаты. В общем, чем больше данных, тем лучше рекомендация. Например, мы знаем, что потребитель А более активен в социальных сетях, и предполагаем, что у него открытый характер. Таким образом, мы рекомендуем молодую и симпатичную обувь.

В следующих тестовых экспериментах мы проверяем эффективность предложенного метода в системе рекомендаций с использованием данных из нескольких источников, сравнивая его с традиционными методами рекомендаций.Пункты сравнения включают: точность рекомендаций, простоту, степень охвата, частоту отзыва и скорость.

4.1. Точность и простота рекомендаций

По сравнению с компьютерным терминалом, визуальный интерфейс мобильного терминала невелик, поэтому точность рекомендации и простота правила становятся более важными для системы рекомендаций мобильной электронной коммерции. Простота правил указывает на количество атрибутов, включенных в правила. Точность рекомендаций также очень важна для интернет-магазина.Если интернет-магазин рекомендует продукт, который не соответствует потребностям потребителя, система рекомендаций не только не может обеспечить персонализированную поддержку принятия решений и информационные услуги для покупателя, но и заставит потребителя скучать. Сравнение двух алгоритмов показано в таблице 3. Из таблицы 3 видно, что предлагаемый метод более точен, чем традиционный алгоритм. Это отражает использование данных о поведении потребителей из разных источников для более точного анализа их требований.Это улучшает качество правил рекомендаций. Из-за разнообразия предпочтений потребителей часто существуют различные возможности в процессе персонализированной рекомендации мобильного терминала. Чем больше продуктов вы порекомендуете, тем сильнее будет давление выбора, которым вы обременете потребителей. Итак, простота — важный показатель способности правила рекомендации. Система рекомендаций мобильного терминала должна предоставлять самые краткие правила, которые могут удовлетворить различные потребности потребителей. Из таблицы 1 видно, что с точки зрения простых правил предложенный алгоритм превосходит традиционный алгоритм, а его рекомендательная способность лучше, чем традиционный алгоритм.Все это доказывает, что предложенный алгоритм важен для исследования системы рекомендаций мобильной электронной коммерции. Из-за неограниченной доступности мобильного терминала и разнообразия потребительского спроса улучшение способности рекомендовать очень важно для улучшения качества обслуживания рекомендаций по мобильной электронной коммерции.

4.2. Уровень охвата

Уровень охвата пользователей составляет:

Покрытие (t) = ∑ (RS (t) ∩RR (t)) / ∑RS (t)

(13)

где RS (t) — это набор рекомендуемых ресурсов, а RR (t) — это набор выбранных ресурсов, созданных в системе рекомендаций в момент времени t.Чем выше уровень охвата, тем сильнее охват требований пользователей и функций системы рекомендаций. Степень охвата пользователей предлагаемого метода доказана на рисунке 3. На рисунке 3 показано, что при непрерывном обогащении информации о пользователях в двух рекомендательных системах уровни охвата пользователей постоянно увеличиваются, пока они не достигнут соответствующих пиков или не приблизятся к ним. Кроме того, предложенный алгоритм новой системы более оптимизирован. Таким образом, с точки зрения скорости охвата пользователей преимущества новой системы очевидны, особенно когда речь идет о быстром изменении количества потребителей из-за корпоративной рекламы, рекламных акций и других мероприятий.Таким образом, если судить по степени охвата пользователей, преимущества новой системы очевидны, особенно при резком увеличении количества потребителей в масштабных рекламных акциях.

4.3. Скорость отзыва

Скорость отзыва относится к тому количеству выбранных ресурсов из рекомендательных систем, которое составляет общее количество выбранных ресурсов, выбранных пользователем. CA: 20 клиентов. CB: 40 клиентов. CC: 60 клиентов. CD: 80 клиентов. TF: 100 клиентов.Результаты сравнительного теста показаны на рисунке 4. Из рисунка 4, показатели отзыва двух систем постепенно показывают устойчивое состояние с увеличением количества пользователей и информации о ресурсах. Кроме того, из-за постоянства требований пользователей этот показатель начинает снижаться. Однако метод слияния информации из нескольких источников в новой системе делает эту тенденцию более очевидной в отношении скорости отзыва, и система поддерживает высокую скорость отзыва в течение определенного периода времени.

4.4. Рекомендуемая скорость

Рекомендуемая скорость — это время от ввода данных до вывода рекомендованного продукта.В процессе сбора и преобразования информации из нескольких источников мы вычитали время ручного преобразования. Затем последовал сравнительный эксперимент системы рекомендаций из нескольких источников и традиционной системы рекомендаций. Традиционный алгоритм обычно сканирует только базу данных транзакций магазина, но в статье предлагается метод интеграции информации из нескольких источников в рекомендуемые товары. Эксперимент показал, что время, затрачиваемое на предлагаемый метод в каждой группе транзакций, больше, чем при использовании традиционного алгоритма.По мере роста объемов разница становилась все больше. Время, отведенное для двух алгоритмов, представлено в Таблице 4 и на Рисунке 5.

Мы используем описанные выше эксперименты для сравнения зарегистрированной разницы во времени между предложенным алгоритмом и традиционным алгоритмом для различных объемов данных. Эксперименты показывают, что предложенный алгоритм — трудоемкая операция. Другими словами, улучшенный алгоритм не может повысить скорость рекомендательной системы; из-за диверсификации информации мобильного потребителя усовершенствованный алгоритм занимает больше времени.Он может предоставить полезную информацию для потребителей, но также и правила для принятия решений на предприятии.

5. Выводы и обсуждение

В этом документе показано, что система рекомендаций мобильной электронной коммерции, основанная на предложенном алгоритме, может предоставить потребителям наиболее необходимую информацию в наиболее подходящее время и обеспечить им более комфортные условия покупок. Текущая литература касается рекомендательных систем, которые собирают информацию только с торговой платформы.Согласно характеристикам системы рекомендаций мобильной электронной коммерции, предложенная система собирала требования потребителей с нескольких подходов. Он может предоставить потребителям более точные рекомендации. Точные рекомендации могут не только повысить удовлетворенность клиентов, но и повлиять на коэффициент конверсии товаров. Таким образом, интернет-магазинам рекомендуется точно рекомендовать наиболее подходящие продукты для увеличения продаж. Электронные трейлеры должны использовать информацию из множества источников, чтобы направлять и стимулировать принятие решений потребителями, сочетая покупательские привычки пользователя с мобильным телефоном.Они могут внедрять точные рекомендации путем исследования пользовательского спроса, потребительского поведения и потребительских предпочтений. Таким образом, это исследование обогащает существующую теорию и помогает улучшить управленческую практику. В то же время этот документ имеет большое значение для поставщиков платформ мобильной электронной коммерции при разработке системы рекомендаций по продуктам. Операторы платформ мобильной электронной коммерции могут изменить алгоритмы своих систем рекомендаций на основе вышеизложенного, чтобы выбрать более подходящие рекомендуемые продукты.В нем рассматриваются особенности мобильной платформы по сравнению с персональным компьютером (ПК) и разрабатывается полезный инструмент для нацеливания на потребителей персонализированных сообщений.

Хотя в статье предлагается технология слияния информации из нескольких источников для повышения точности прогнозирования персонализированных рекомендаций в мобильном терминале электронной коммерции, необходимо также указать на некоторые ограничения. С одной стороны, экспериментальные результаты в разделе 4.4 показывают, что время вычисления предложенного алгоритма больше, чем у традиционного алгоритма.По быстродействию предлагаемый алгоритм не имеет преимуществ. Поэтому в будущих исследованиях мы рассмотрим, как улучшить предложенный метод с точки зрения его скорости. С другой стороны, в процессе разработки системы рекомендаций мы сосредотачиваемся только на удобстве пользователя в отношении того, как точно найти интересующие его продукты.