投影寻踪分类建模理论的新探索与实证研究

从理论上分析了正确的投影向量系数(权重)约束条件是∑_(j=1)~2a_j~2=1和1≥0_j≥-1;从理论和实证两个视角证实采用约束条件∑_(j=1)~p a_j~2=1和1≥a_j≥0时逆向指标或对正向指标采用了错误的归一化方式时的权重必定等于"0"。采用正确的约束条件,针对同一密度窗宽R值,实证分析发现和从理论上证明了在投影寻踪分类(PPC)建模中改变指标归一化方式前后,权重是互为相反数的重要特性等三个定理和二个推理,改变指标归一化方式不影响任意两样本投影值之间的距离和投影指标函数值。提出了正确使用PPC进行建模的基本原则和步骤、判定指标属性(正向指标或者逆向指标)的准则等,实现了投影寻踪探索性研究和验证性分析的有机统一。     

编码器动态检测系统高实时性高精度角度基准设计

在编码器动态特性检测中,角度基准的快速反应和精度直接影响着动态特性检测装置的准确性。为实现角度基准的快速响应,提高基准编码器的测角精度,本文设计了高精度快速细分角度基准编码器。首先,通过对目前角度基准不足对编码器动态特性检测影响的分析,得出动态检测精度主要受基准编码器的数据处理延时影响。其次,通过对基准编码器结构、细分电路、处理电路等的设计,完成了23位高实时性角度基准编码器的制作。最后,为提高检测精度,利用RBF神经网络对角度基准进行误差补偿。所设计的角度基准编码器分辨率达到0.15",并且可以在10 r/s速度时,保证逐分辨率输出。经过测量,补偿前基准编码器的精度为1.30",补偿后的基准编码器误差峰峰值不超过2.5",精度优于0.6"。高精度、高实时性角度基准编码器的研制,提高了编码器动态特性检测系统的检测精度,为研究编码器动态特性提供了基础。     

光栅投影相位法系统模型及标定方法

本文针对传统投影光栅相位法的光学三角法模型进行了改进,采用直入射光路并配合使用一种简便易行的标定方法,只需使用相移公式求取相位差,而不会引入与系统几何位置关系有关的量,简化了求取高度矩阵的要求。实验结果表明,新系统模型精度良好,测量误差为0.107 mm。采用该模型和标定方法可以克服传统方法系统模型的局限性,最大限度减少误差源并提高抗干扰性。     

扩散模型和凝聚模型耦合作用下胶体凝聚动力学的Monte Carlo模拟研究

以扩散模型(Ds(γ)=D0×sγ)和凝聚模型(Pij(σ)=P0×(i×j)σ)为基础,对胶体体系随时间的演变、团簇大小分布及其标度关系、团簇的重均大小S(t)的变化规律以及模型对最终分形维数的影响四个角度进行了比较研究,发现扩散指数γ0和凝聚概率指数σ0对胶体的凝聚动力学过程有相似的影响.本文在较宽的γ和σ取值范围内,对胶体的凝聚动力学进行了模拟研究,对慢速凝聚向快速凝聚的转化机理作了定量分析,并进一步分析了在团簇-团簇凝聚(CCA)模型下,得到类似扩散置限凝聚(DLA)模型的凝聚体的物理意义,结果表明:(1)γ0代表了体系中团簇或单粒做"定向运动"而非无规则的布朗运动的情况.这种"定向运动"的推动力可能来自于大团簇产生的强"长程范德华力"、"电场力"等,或来自于体系边界处的外力场的作用.(2)当σ0时,体系成为先快后慢的慢速凝聚,这可能对应大团簇为一排斥中心,即胶体颗粒存在"排斥力场"的现象.(3)证实了团簇的重均大小在凝聚过程的早期按指数规律增长,而后期按幂函数规律增长的实验现象.模拟研究还表明,胶体体系的凝聚动力学过程,在σ0时是一个存在正反馈机制的非线性动力学过程,而在σ0时则体现出负反馈的特征.     

蔗渣木聚糖微观结构的分子动力学模拟

在对木聚糖来源及其结构进行分类比较的基础上,采用分子动力学模拟方法及Materials Studio 4.0软件对蔗渣木聚糖及木糖单元等进行微观模拟计算.通过原子净电荷、电子密度和Fukui函数分析等分析方法,对蔗渣木聚糖的木糖单元进行结构优化,得到了蔗渣木聚糖的木糖单元优化构型的键长、键角和电荷密度.木糖单元原子的Hirshfeld净电荷与Fukui函数分析数据表明,木糖单元的活性中心主要在C(3)上的羟基位置,且羟基氧原子易受亲电试剂的攻击,羟基氢原子易受亲核试剂的攻击.对蔗渣木聚糖单分子链及无定形结构进行模拟,得到了蔗渣木聚糖的微观结构模型,显示蔗渣木聚糖分子具有链状结构,大致呈螺旋状.获得了蔗渣木聚糖的最优化无定形结构,并通过计算得到了其最优化无定形结构的X射线衍射图谱.研究结果为系统探讨蔗渣木聚糖及其衍生物的结构与性能关系奠定了基础.     

酚类衍生物催化加氢合成酮和醇的研究进展

正酚类衍生物是生物质木质素的模型化合物,也是煤焦油中的重要馏分和废水中的有害物质,通过酚类衍生物催化加氢可以制备环己酮和环己醇,产物环己酮和环己醇(KA油)是合成纤维尼龙6及尼龙66的单体己内酰胺和己二酸的重要原料,同时也是医药、染料等精细化学品的重要中间体[1].因此,酚类衍生物催化加氢制备环己酮和环己醇具有重要的科学意义和应用前景[2-3].目前,生物圈含木质素3×1010t左右,每年再生2×1010t.木质素也     

中国财产保险公司经营效率评价及影响因素:基于CCR-BCC和Malmquist的DEA-Tobit模型北大核心

作为现代金融体系的重要组成部分,保险业的发展程度直接关系到金融业能否稳定健康发展.运用基于DEA的CCR模型、BCC模型和Malmquist指数法以及DEA-Tobit模型对2008-2011年中国36家财产保险公司经营效率及影响因素进行了实证分析,研究表明:1)从综合技术效率角度分析,达到DEA有效的保险公司数目从08年的5家上升到09年的9家,且在以后年份保持稳定数目.从静态效率均值角度分析,中国财产保险公司效率不高,各保险公司之间的差异不大.2)四年间中国财产保险公司经营效率普遍较低,然而技术进步却是提高保险公司经营效率的有效方法.3)公司经营能力与静态效率水平各分解项存在显著正相关,资本规模则与其存在显著负相关,职工素质、赔付能力及公司经营管理费用对静态效率水平各分解项影响显著性不强.     

Performance of Co/MgO catalyst for C02 reforming of toluene as a model compound of tar derived from biomass gasification

Catalytic performances of the CO2 reforming of toluene on Co/MgO catalysts with different cobalt loadings were evaluated in a fluidized-bed reactor. The results showed that the conversion of toluene and the stability of Co/MgO increased, but the apparent reaction rate decreased at the initial stage with increasing the amount of metallic Co formed from the reduction of Co/MgO catalysts at 700 ~C. The deactivation of Co/MgO catalysts was mainly resulted from that a part of the metallic Co was oxidized by CO2 and could not be re-reduced by H2 at reaction temperature. Therefore, the excess metallic Co on the higher Co loading catalysts was beneficial to the catalyst stability.     

近红外光谱法在红曲菌固态发酵过程参数检测中的应用

研究了近红外光谱技术快速检测红曲菌固态发酵过程参数水分含量和pH值的可行性。针对传统基于间隔策略波长选择方法忽略非线性因素的缺点,采用一种基于最小二乘支持向量机(Least squares support vector machines,LS-SVM)非线性模型的波长筛选算法：联合区间最小二乘支持向量机(Synergy interval least squares support vector machines,siLS-SVM),并将新算法与相关系数法、iPLS算法、siPLS算法对比。实验结果显示,联合siLS-SVM算法和LS-SVM模型取得了最好的预测效果,水分含量、pH值的预测集相关系数(Rp)分别为0.962 1、0.976 1,预测均方根误差(RMSEP)分别为0.012 9、0.145 2,表明模型具有较好的拟合度和预测性能。应用近红外光谱法进行红曲菌固态发酵过程的水分含量和pH值的快速检测可行,该方法为进一步实现其过程参数的在线检测及发酵条件优化提供了技术基础。     

利用油水稳定化和支持向量回归增强近红外光谱测定油中水分的方法

近红外光谱(NIRS)可以检测溶解于油中的水分含量,但油中水分较多时会散射而非吸收NIRS,从而引起较大误差。为此,筛选非离子型表面活性剂(Span-80)将含水油液稳定分散成小颗粒,利用其NIRS数据建立水分含量的支持向量回归模型。实验中油水稳定化将NIRS测定变压器油中水分含量的上限从传统的0.1%提升到1%(V/V),通过应用连续投影算法,在511个NIRS变量中筛选出15个有效变量(占原变量的2.9%),建立的支持向量回归模型对验证集的预测均方根误差为2.93%,相关系数为0.9944,相对分析误差为9.4732。