基于GA_XGBoost模型的大学生科研能力预测问题研究

科学评价大学生科研创新能力对我国科研水平的提高具有重要意义.采用机器学习模型来预测大学生科研能力可以起到良好的效果,提出一种GAXGBoost模型来实现对大学生的科研能力预测.此模型是以Xgboost算法为基础,然后充分利用遗传算法的全局搜索能力自动搜索Xgboost最优超参数,避免了人为经验调参不准确的缺陷,最后采用精英选择策略以此确保每一轮都是最佳的进化结果.通过分析表明,所采用的GAXGBoost模型在大学生科研能力预测的结果中具有很高的精度,将此模型与Logistic Regression、Random Forest、SVM等模型进行对比,GAXGBoost模型的预测精度最高.     

Interactions of the vector breathers for the coupled Hirota system with $$4\times 4$$ 4 × 4 Lax pair

Nonlinear Dynamics - In this paper, we investigate the interactions of the vector breathers for the coupled Hirota system with $$4\times 4$$ Lax pair. Firstly, we give the first-order breather...     

氮掺杂纳米氧化锌的制备及其光催化去除水中2,4,6-三氯苯酚

以尿素为氮源,用溶胶-凝胶法制备了氮掺杂纳米氧化锌(N-ZnO),用FT-IR、UV-Vis、PL、XRD和XPS对N-ZnO的微观结构和性能进行了表征.以2,4,6-三氯苯酚(TCP)作为目标污染物,研究了N-ZnO在可见光下的催化性能.结果表明:掺杂后,N-ZnO的氧空位缺陷增多,N-ZnO光响应波长向可见光区移动,掺杂摩尔比为0.25时,N-ZnO的光催化性能最好(91;).     

GZO/Al复合背电极对非晶硅太阳能电池的影响

随着能源紧缺与环境污染问题的日益严重,太阳能的开发利用越来越受到重视,其中非晶硅薄膜太阳能电池由于其制备工艺简单、价格低廉等优点被广泛地研究.为了使非晶硅薄膜太阳能电池得到更好地利用,提高其转换效率和稳定性显得尤为重要.引入复合背电极是提高非晶硅太阳能电池性能的有效手段,其中对GZO/Al复合背电极的研究还未见报道.在该工作中,利用磁控溅射法在非晶硅电池上制备了GZO/Al复合背电极,研究了复合背电极的制备条件及其对非晶硅太阳能电池性能的影响.结果显示,当GZO层的溅射功率为90 W、Al层的溅射功率为90 W时,具有复合背电极的太阳能电池表现出较好的光电转换性能,其短路电流(ISC)、开路电压(VOC)、填充因子(FF)和电池的光电转换效率(η)分别为8.92 mA、1.55 V、54.48;和7.53;.相较于单层Al背电极的太阳能电池,其光电转换效率大幅提高了47.6;(相对效率).     

Study on the Relationship between Emulsion Properties and Interfacial Rheology of Sugar Beet Pectin Modified by Different Enzymes

The contribution of rheological properties and viscoelasticity of the interfacial adsorbed layer to the emulsification mechanism of enzymatic modified sugar beet pectin (SBP) was studied. The component content of each enzymatic modified pectin was lower than that of untreated SBP. Protein and ferulic acid decreased from 5.52% and 1.08% to 0.54% and 0.13%, respectively, resulting in a decrease in thermal stability, apparent viscosity, and molecular weight (Mw). The dynamic interfacial rheological properties showed that the interfacial pressure and modulus (E) decreased significantly with the decrease of functional groups (especially proteins), which also led to the bimodal distribution of particle size. These results indicated that the superior emulsification property of SBP is mainly determined by proteins, followed by ferulic acid, and the existence of other functional groups also promotes the emulsification property of SBP.     

紫色球杆菌视紫红质光谱特性的机器学习研究

近年来，机器学习等人工智能技术被应用于蛋白质工程，其在蛋白质结构、功能预测、催化活性等研究中具有独特优势。在未知蛋白质结构的情况下，将蛋白质序列和功能特性与机器学习相结合，基于序列-活性关系（innovative sequence-activity relationship，ISAR）算法，将蛋白质氨基酸序列数字化，用快速傅里叶变换（fast four transform，FFT）进行预处理，再进行偏最小二乘回归建模，可在数据集较少情况下拟合得到最佳模型。通过机器学习对紫色球杆菌视紫红质（gloeobacter violaceus rhodopsin，GR）的突变体蛋白质氨基酸序列与光谱最大吸收波长进行建模，获得了最佳模型。用最佳索引LEVM760106建模得到的确定系数R² 为0.944，均方误差E为11.64。用小波变换进行的预处理，其R² 虽也约为0.944，但E大于11.64，不及FFT进行的预处理。方法较好地解决了蛋白质序列与功能特性之间的数学建模问题，在蛋白质工程中可为预测更优的突变体提供支持。