汝阳地区熊耳群火山岩内夹层硅质岩的微区特征及地质意义

熊耳群是前寒武纪火山-沉积作用的产物,其顶部的马家河组(玄武)安山质火山岩内发育了夹层状热水成因硅质岩。选择熊耳群马家河组硅质岩夹层中的碧玉岩为对象,利用偏光显微镜,XRD,Raman和EBSD等方法剖析了其微区特征。研究结果显示：硅质岩内石英颗粒的显微镜和EBSD照片均表现出颗粒细小、结晶程度低和紧密堆积结构等特点,这完全吻合热水沉积硅质岩的特征;硅质岩内粒径不同的颗粒呈条带(或薄层)状交互出现,不同条带(或薄层)内矿物的组成存在明显的差异,这应该反映了原始物质供给的周期性变化;XRD分析结果指示硅质岩内的主要矿物为低温石英,其晶胞参数为a=b=0.491 3 nm,c=0.540 5 nm和Z=3;EBSD照片和Raman分析结果显示硅质岩内微量的杂质矿物形成于不同阶段,其中粘土矿物和黄铁矿呈零星分布并反映了原始沉积成因,长英质矿物和铁镁硅酸盐矿物均来源于火山凝灰质沉积;火山凝灰质矿物的颗粒偏大并构成了硅质岩内的粗颗粒条带(或薄层),它们与热水沉积为主的细颗粒矿物条带(或薄层)交互产出,这反映了火山作用的周期性反复活动;后期的碳酸盐热液沉淀于硅质岩内裂隙中,它们还导致石英颗粒边缘有序度升高。虽然熊耳群硅质岩内的矿物种类和成因均极为复杂,但火山物质的输入是导致熊耳群硅质岩SiO₂含量偏低的根本原因并得到了硅质岩内大量火山成因矿物的证实。在硅质岩的微组构研究中,Raman光谱分析可以有效的揭示微区上矿物的类型、微区结构及有序度,这些特征是反映硅质岩内部矿物形成与演化过程中微区变化的重要信息。     

桔全爪螨几丁质合成酶基因克隆与序列

以桔全爪螨Panonychus citri(MeGregor)为研究对象,利用RT-PCR和SMART RACE技术克隆获得其几丁质合成酶基因的全长cDNA序列(命名为PcCHS,GenBank登录号为KM242063),并利用生物信息学方法对序列进行分析。结果表明:桔全爪螨几丁质合成酶PcCHS基因的cDNA全长为4 925bp,其中5’非翻译区(5’-UTR)为155bp,3’非翻译区(3’-UTR)为345bp,开放阅读框(ORF)包含4 425bp,编码1 474个氨基酸,预测其蛋白质分子质量约为168.43kD,理论等电点为6.83。其包含EDR和QRRRW这2个几丁质合成酶基因的标签序列。ExPASy在线分析表明,PcCHS具有15个跨膜螺旋、4个糖基化位点。推导的氨基酸序列同源性分析结果表明:桔全爪螨与二斑叶螨相似度为89%,其次为西方盲走螨,相似度为55%。分子系统进化的结果也表明桔全爪螨与二斑叶螨和西方盲走螨的进化关系最近。     

长方矩阵的Γα,β-Moore-Penrose群逆

PATRICIO等讨论了环中元素的Drazin-Moore-Penrose(DMP)可逆性,在矩阵环中得到了一些结果.讨论了长方矩阵的Γ_α,β-Moore-Penrose群逆,给出了长方矩阵的Γ_α,β-Moore-Penrose群逆存在的几个充要条件以及Γ_α,β-Moore-Penrose群逆的几个计算公式,把已有的平方矩阵的结果推广到了长方矩阵中.     

浙江省不同演替阶段的低海拔次生林植物功能群结构的比较研究

选取浙江省低海拔地区的16个次生林样地并调查其中胸径（DBH）≥1 cm的木本植物.通过观察群落外貌,结合数量分类方法（TWINSPAN）和排序方法（DCA）,将这些样地划分为4种演替阶段的森林类型（马尾松林,马尾松针阔叶混交林,演替早期常绿阔叶林,演替中期常绿阔叶林）.分析了不同演替阶段的次生林群落物种多样性和植物功能群结构组成变化.结果显示：（1） 适度择伐进入采伐期的马尾松可加速整个群落向常绿阔叶林演替;（2） 随着演替的进行,物种丰富度、Shannon Wiener指数、Simpson指数和Pielou均匀度指数均呈现增加趋势;（3） 按生活型、生长型、叶的生活期和对光的耐受性这4种功能群划分,所有样地分别以小高位芽植物和中高位芽植物、乔木和灌木或小乔木、常绿植物和耐阴植物占优;（4） 随着演替的进行,功能群结构比例呈现先降后升再降的是矮高位芽植物,先降后升的为小高位芽植物,呈现先升后降的为大高位芽植物、灌木、乔木、小乔木、常绿植物、阴性植物呈现上升趋势,落叶植物和阳性植物呈现下降趋势,而中高位芽植物、灌木或小乔木、耐阴植物则维持相对恒定的比例.     

值得怀念的合作经历

<正>1969年6月,我被派到湖北潜江"五七"干校接受"再教育",1971年7月回到中国科学院物理研究所(以下简称物理所)。当时的"军代表"已解散了物理所的理论室,我被分到超导实验室的超导天线组向实验同行学做实验,1972年,我参加了郝柏林在磁学室重新组织的理论与计算组。当时成立这个组有两方面的原因:一是郝柏林、蒲富恪等同事已经有相当长一段时间从事天线研究,大量使用计     

粒子群及遗传算法在相对论返波管中的应用

在全三维粒子模拟软件CHIPIC平台上,分别开发了粒子群及基因算法模块.以相对论返波管为例,采用三种不同类型的参数(连续参数、离散参数、混合参数),对粒子群及基因算法进行比较.优化结果表明:粒子群算法的收敛速度更快,在有限的迭代步数内得到的目标结果也更优良,总体表现优于基因算法.     

von Neumann群代数

设G是带左正则表示λ的一个离散群, VN（G）是λ（g）生成的von Neumann群代数。我们刻画了von Neu-mann群代数上的Hardy空间。     

可见-近红外光谱技术结合递归变量选择算法对土壤全氮与有机质含量测定研究

应用可见-近红外光谱技术进行定量分析时,变量选择起着十分重要的作用。不同土壤样品之间的预测机制可能存在很大差异,当待测样品出现新的特征信息时,基于建模集选择的特征变量不一定能够很好地代表待测样品的有效信息,继续采用原有特征变量建模就易导致预测误差增大。该研究采用递归变量选择方法在预测过程中递归更新土壤全氮与有机质的特征变量,以保持预测模型的鲁棒性;比较了偏最小二乘法(PLS),递归偏最小二乘法(RPLS)和不同递归变量选择方法,如： 变量投影重要性与RPLS相结合(VIP-RPLS), VIP-RPLS, 无信息变量消除法与PLS相结合(UVE-PLS)对于土壤全氮与有机质含量的预测效果。所用195份土壤样品来自浙江省文成县8个乡镇的农田。土壤样品随机分成两部分,一部分作为建模集包含120份样品,另一部分作为预测集包含75份样品。结果表明： VIP-RPLS建立的模型对于预测土壤全氮与有机质含量取得了最优的结果,获得的决定系数(R2)分别为0.85与0.86,获得的预测相对分析误差(RPD)分别为2.6%与2.7%。说明VIP-RPLS通过不断更新模型的特征变量,能够捕获新加入到建模集样品的有效信息。相比于本研究中的其他方法,VIP-RPLS对于土壤全氮与有机质含量具有更高的预测精度。     

例谈“体验式学习”在数学定理教学中的应用

体验式学习就是强调以学生为主体的参与与体验,让学生在经历活动中体验,在观察与反思中体验,在归纳与抽象中体验,让思维活动在体验中循环反复,发展数学核心素养.本文中以“三角形全等的判定5”一课的教学为例,实践了体验式学习在数学定理教学中的应用.     

一种综合学习粒子群优化算法

针对复杂多峰函数优化,提出了一种综合学习粒子群优化算法(IELPSO)。该算法把基于超球坐标系的粒子更新和辨识、加速质量差的粒子两个策略引入基于例子学习粒子群优化算法(ELPSO)。本算法利用超球坐标操作改变粒子大小和方向,因而粒子在搜索过程中能覆盖局部极小,同时能发现最差粒子并且加速它们靠拢最优解。提出的算法与其他已有算法进行了比较,对几种典型函数的测试结果表明,IELPSO算法提高了收敛速度和精度,全局搜索能力有了显著提高。