测定大气气溶胶中多环芳烃的高效液相色谱编程荧光法

建立了高效液相色谱法分析１４种多环芳烃（ＰＡＨｓ）的最佳分离条件及测定的最佳荧光激发、发射波长，多环芳烃化合物的最小检测量从０９０到５５１９ｐｇ，各化合物保留时间的相对标准偏差ＲＳＤ＜０３４％，在所测定的含量范围内具有很好的线性关系。该法用于大气气溶胶中的多环芳烃分析时，气溶胶的萃取物不经预处理可直接测定，收集样品的４个滤膜加标后测定的平均回收率为９２８％～１０８％。     

基于C++编程确定同科电子体系的光谱项

删除法则可以方便快捷地确定3个同科电子体系的光谱项.而对大于3个的同科电子体系,人工导出删除法则的工作量相当大.在介绍了删除法则的基本原理之后,本文详细叙述了利用计算机编程来导出删除法则的思路,并以8个同科电子体系为例,对程序结果进行了验证.该程序具有直接确定多个同科电子体系光谱项的优点,完善了删除法则.     

照相影像微结构分析仪PIS软件研制

为了使照相影偈微结构分析仪各装置之间能协调一致地完成指定的操作,并进行各种数据处理,特在微型计算机上开发出一套专用系统软件,简称ＰＩＳ软件,详细介绍该软件的设计原理、基本结构、主要功能及技术特点。     

面向大数据的数据库划分FP-Growth改进算法

提出了一种基于Hadoop架构和MapReduce编程模型实现的面向大数据的FP-Growth频繁项集挖掘的改进算法。首先将事务数据库按每个频繁1项进行抽取,生成对应的投影数据库,并将这些投影数据库分发到一个个节点机上;再由节点机对投影数据库进行划分,生成一个个规模更小的子数据库,并由节点机使用改进后的算法并行挖掘生成部分频繁项集;最后归并所有部分频繁项集得到全部的频繁项集。该算法无需像传统的FP-Growth算法一样为事务数据库生成庞大的FP树,有效解决了传统FP-Growth算法及其一些改进算法中因单机内存存储不下庞大的FP树而导致算法失效的问题。同时,由于所划分的子数据库规模接近,分发到各节点机上的负载更均衡,使得算法效率更高。     

遗传程序设计

对遗传程序设计的产生背景、基本原理及近年来的发展和改进予以评述，综合概括了遗传程序设计在各个领域中的应用情况和在结构活性定量关系研究中的应用前景。     

Matlab编程的Hückel分子轨道法计算研究掺杂纳米碳管的化学反应性

使用Matlab自编简单Hückel分子轨道法（SHMO）计算程序,分析空位、Stone-Wales缺陷位、N和B原子掺杂的CNT（5,5）碳纳米管,计算π电子密度和前线分子轨道（HOMO和LUMO）为研究掺杂相对碳纳米管的化学反应性提供依据.具有不同电特性的掺杂相打破了碳纳米管的π电子、HOMO和LUMO的均衡分布.掺杂相和/或邻近的碳原子为HOMO或LUMO贡献了较其它原子更大的轨道系数,在不同的化学反应中表现出良好的亲核性或亲电性.此外,HOMO-LUMO能量差很好地反映了掺杂纳米碳管的导电性.计算结果与已报道的实验和理论结果吻合良好.     

一类时间和位移约束的变加(减) 速运动问题的求解

列车运动模型常分为单质点和多质点两类,出于简化问题目的,采用单质点模型针对列车区间运行控 制问题中的运动现象进行了分析. 列车的牵引和制动力是列车运行控制的输入变量,而位移和速度是列车的状态 变量,状态约束是线路限速和区间时间. 首先根据最小能耗运行策略确定列车运行方式,并建立相应的数学模型; 其次,基于软件 Matlab 数值求解列车距离 - - 速度的关系,并绘制相应计算曲线     

在计算机上进行化学实验——2013年诺贝尔化学奖解读

美籍化学家马丁·卡普拉斯（Martin Karplus）、迈克尔·莱维特（Michael Levitt）和阿利耶·瓦谢尔（Arieh Warshel）因“为复杂化学系统设计多尺度模型”而共享了2013年诺贝尔化学奖。他们在众多科学研究的基础上,结合经典物理和量子物理,提出了“多尺度模型”,即用量子物理处理分子结构或者化学反应的核心部分,用经典物理模型处理周围物质或环境,而对于更外围的环境则以电介质模型处理。借助这种模型,通过计算机编程就可以对复杂的化学反应过程、多相催化和溶液中分子光谱等进行理论计算。     

基于遗传编程的吸附床传热状态预测

脱硝吸附塔是烟气处理系统中的重要环节。塔内的热交换受到多方因素的非线性影响，给准确快速的评估吸附剂换热状态带来巨大挑战。为解决此问题，使用数值模拟与均一介质方法，对一种插管式吸附塔换热进行了模拟与多元遗传编程回归，获得了白盒表达式并验证模型准确性。分析了因变量、遗传编程参数等设定对回归的影响。最终结果表明使用遗传编程的回归效果优异，在工业生产与探究变量物理关系中，具有强大的应用潜力。     

人工智能控制湍流进展:系统、算法、成就、数据分析方法

湍流控制涉及流体力学和控制理论,对航空航天、运载工具、风力发电等众多领域具有重要的科学意义和应用价值.由于湍流的复杂性,传统控制方法在湍流控制领域面临很多瓶颈,人工智能技术的发展为突破这些瓶颈提供了工具.本文简要综述了文献报道的有模型和无模型的人工智能控制湍流的进展,总结了研究中采用的典型的人工智能控制系统、算法、在不同湍流控制应用中取得的突出成果.作者所在团队在国际上首次尝试对人工智能控制系统产生的海量数据进行分析,从而挖掘出重要的信息乃至发现控制相似律.对面临的挑战和未来的展望进行了分析.