桉树杂交种与其亲本的近红外光谱判别

研究桉树控制授粉后目标性状的基因作用方式是探索其基因重组规律的重要内容。常规的数量统计分析精度往往不高,而DNA分析的专业要求高,且费时费力。该研究利用近红外光谱(NIRs)研究不同基因型桉树杂交种、亲本及杂交种与亲本间近红外光谱信息的关系,探索NIRs用于桉树杂交种与其亲本判别的可行性和准确性。以控制授粉的桉树亲本及其杂交F1代材料为对象,每种基因型从各自田间试验分别选取10个单株,采集树冠中上部新鲜健康叶片。用手持式近红外仪Phazir Rx(1624)采集桉树杂交种与其亲本叶片的NIRs信息。每单株选10片完全生理成熟的健康叶片,避开叶脉扫描其正面光谱5次,以50条NIRs信息的均值代表单个叶片的NIRs信息,最终每个基因型获得10条NIRs信息。对原始NIRs采用二阶多项式S.G一阶导数预处理。预处理后的NIRs用于多元统计分析,首先对桉树杂交亲本和子代样本进行主成分分析(PCA),直观展示不同基因型的分类情况。然后运用簇类独立软模式(SIMCA)和偏最小二乘判别分析(PLS-DA)两种有监督的判别模式验证NIRs用于桉树杂交种与其亲本树种的分类判别效果。PCA结果显示,不同的亲本间、杂交种间及杂交种与亲本间样本的主因子得分可以清晰地将各基因型分开。SIMCA模式判别分析中,桉树杂交种样本到亲本PCA模型的样本距离显示,待判别样本能够形成单独的聚类,且能直观反映两者的遗传相似。PLS-DA判别结果显示,桉树杂交亲本的PLS模型能通过预测其杂交子代的响应变量将其与亲本准确分开。结果表明,桉树叶片的NIRs信息可以准确地反映桉树杂交子代遗传信息的传递规律,NIRs判别模型可以准确地将各种基因型予以区分。因此,NIRs信息不仅可用于桉树杂交种和纯种的定性判别,还可以分析桉树基因重组过程中加性遗传效应的大小,从而为桉树遗传基础分析及其育种改良研究提供理论支撑。     

稳定分层湍流中逆梯度输运的关联分析研究

本文采用关联分析方法研究了稳定温度分层湍流中的结构特性、输运特性，以及热量、动量逆梯度输运现象的尺度效应及其参数演化．首先采用大涡模拟方法对稳定分层湍流中的结构特性和输运特性进行了分析，将逆梯度输运发生的时间尺度作为已知条件，结合关联量分析方法在波数空间中的解析解，对逆梯度输运现象的尺度效应进行了分析研究．结果发现，稳定分层强度较大的流动中发生垂向热量及动量逆梯度输运现象，发生的结构尺度与关联分析所发现垂向热量、动量逆梯度输运的波数形成了呼应．随着分层强度增加，热量、动量的输运强度均受抑制，与逆梯度输运关联的流场结构尺度减小，同样的效应也发生在流场结构向下游演化的过程中．     

胶体晶体自组装常用方法的研究进展

胶体自组装是制造大面积胶体晶体的高效方法,对制备各种功能胶体晶体材料具有十分重要的意义,在微纳制造、新材料、能源、医学等领域有巨大的应用潜力.对胶体自组装过程中涉及的各种作用力进行了详细分析,归纳了胶体晶体自组装的基本方法.面向制造大面积胶体晶体,阐述了几类代表性的新型胶体晶体自组装方法,包括温度辅助、模板辅助、表面活性剂辅助、旋涂法与界面转移相结合等,分析了不同方法的影响因素、优缺点和未来的改良方向,并介绍了在完整单层膜基础上制造三维胶体晶体的工艺方法.为提高胶体晶体制造质量和效率、拓宽胶体自组装技术的应用提供必要参考.     

基于串联两阶段网络DEA模型的供应链规模收益分析

数据包络分析(DEA)是评价供应链系统(Supply chain system)间相对有效性的一种重要的工具,但是传统的DEA不考虑供应链的内部结构,对系统效率评价偏高;而本文所研究两阶段串联供应链系统,考虑把部分中间产品作为最终产品输出,增加额外中间投入的情形.基于所提出的供应链系统结构,本文建立相应的串联结构下的网络DEA模型,并针对所建立模型进行相关理论的研究,给出了串联结构下的生产可能集和规模收益情况判定方法.最后,进行数值实验,以验证我们提出的结论.     

基于锥面衍射实现高效率双光栅光谱合成

分析了基于锥面衍射的双光栅光谱合成系统的可行性,设计了激光入射角为Littrow角附近的双多层介质膜(MLD)光栅光谱合成系统,开展了两路合成实验。当入射极角等于自准直入射角,入射方位角为6°时,光栅衍射效率近似等于光束自准直入射时的衍射效率。基于锥面衍射原理,对中心波长为1050.24 nm和1064.33 nm的两束光纤激光子束进行合成,入射极角为43.99°,测得合成效率为92.9%,较基于非锥面衍射的双光栅光谱合成系统的合成效率提高了8.8%;测得合成光斑光束质量Mx 2=1.204,My 2=1.467,与基于非锥面衍射的双光栅光谱合成系统输出光斑光束质量基本一致。     

卷积神经网络用于近红外光谱古筝面板木材分级

目前,我国乐器制作行业在古筝面板用木材等级的筛选上主要依赖于技师主观评判,但此法缺少科学理论的依据,效率低,客观性及出材率的提高等方面受到限制,无法满足乐器市场的大量需求。实现古筝面板用木材快速、智能化的分级工作是一个急需解决的课题。近红外光谱非常适用于测量含氢的有机物质。古筝面板木材主要化学成分的化学键均由含氢基团组成,不同等级板材的化学成分存在差异,这些差异反映在近红外光谱中,为判断木材等级提供了可能。同时卷积神经网络对非线性数据具有较强的特征提取能力,所以提出一种应用卷积神经网络模型对光谱数据进行分析的方法,进而判别木材的等级。应用了Savitzky Golay一阶、二阶微分两种预处理方法和核主成分分析、连续投影算法两种数据压缩方法,通过所设计的卷积神经网络模型以样本识别准确率和模型构建过程中的损失值作为判定指标选出最佳预处理和数据压缩方法。为了提高模型提取分析光谱数据的能力和避免过拟合现象,应用了多通道卷积核、批量归一化和early stopping策略,将通过两层卷积层提取的特征信息送入全连接层,从而充分提取剩余信息,通过Softmax函数获得板材的最终预测等级,从而确定了最终模型。最终Savitzky Golay一阶微分和核主成分分析为最佳数据处理方法,同时得出用于区分不同等级的古筝面板用木材的主要关键谱带,分别为1 163~1 243, 1 346~1 375和1 525~1 584 nm。将该模型应用于测试集样本,古筝面板用木材的等级识别准确率为95.5%。实验结果表明所提出的方法可以高效地处理光谱数据,有效识别区分不同等级的古筝面板用木材的关键特征,从而为广阔的乐器市场提供一定的技术支持。     

减反膜对单晶硅太阳能电池性能的影响分析

在太阳能电池效率的评价中，电池材料、掺杂浓度、扩散长度等都是比较重要的参数，合理地改变相关参数可以优化太阳能电池的性能，提高电池效率。此外，在太阳能电池表面镀一层具有减反作用的光学薄膜（简称减反膜）也是提高电池效率的重要手段。以提高电池效率为目标，对单晶硅太阳能电池的掺杂浓度和扩散长度等微观参数进行计算优化，分析了掺杂浓度和扩散长度变化对电池效率的影响。并在此基础上分析了不同类型的减反膜对于电池效率的影响，给出了最佳减反膜材料及其膜系厚度，并且结合镀膜后电池量子效率的变化验证了其准确性。结果表明，在优化电池掺杂浓度和扩散长度的基础上，选择合适的减反膜，电池效率最高可达20.35%，相比于优化前提高了8.25%。     

一个基于非单调技术的超记忆梯度法

本文给出一个修正的非单调线搜索策略,并结合该策略提出一个求解无约束优化问题的超记忆梯度算法.该算法的主要特点是:在每一次迭代中,它所产生的搜索方向总是满足充分下降条件.这一特性不依赖于目标函数的凸性以及方法所采用的线搜索策略.在较弱的条件下,该方法具有全局收敛和局部R-线性收敛性.数值实验表明了该方法的有效性.     

单层n型MoS2/p型c-Si异质结太阳电池数值模拟

单层二硫化钼(MoS₂)是一种具有优异光电性能的半导体材料,在太阳能能量转换中表现出很大的应用潜力。本文基于AMPS模拟软件,对单层n型MoS₂/p型c-Si异质结太阳电池进行了数值模拟与分析。通过模拟优化,n型MoS₂的电子亲和能为3.75 eV、掺杂浓度为10¹⁸ cm^-3,p型c-Si的掺杂浓度为10¹⁷ cm^-3时,太阳电池能够取得最高22.1%的转换效率。最后模拟了n型MoS₂/p型c-Si异质结界面处的界面态对太阳电池性能的影响,发现界面态密度超过10¹¹ cm^-2·eV^-1时会严重影响太阳电池的光伏性能。