薄膜沿加热平板下落的稳定性分布

本文分析了薄膜沿加热平板下落的稳定性。在时间模式下，发现流动的不稳定性是由表面波不稳定和加毛细不稳定构成的，同时当流体的热扩散越大以及界面热量损失越小时，热毛细不稳定越剧烈，在时空模式下，流动随着Marangoni数的增大。流动有可能从对流不稳定过渡到绝对不稳定，这一结论尚待实验验证。     

时变偏微分方程的贝叶斯稀疏识别方法

在数据驱动的建模中,通过测量或模拟得到时空数据,我们发现基于拉普拉斯先验的贝叶斯稀疏识别方法能有效地恢复时变偏微分方程的稀疏系数。本文将贝叶斯稀疏识别方法运用于各种时变偏微分方程模型（KdV方程、Burgers方程、Kuramoto-Sivashinsky方程、反应-扩散方程、非线性薛定谔方程和纳维-斯托克斯方程）的方程系数恢复,将贝叶斯稀疏恢复结果与PDE-FIND稀疏恢复算法进行比较,证实贝叶斯稀疏识别方法对偏微分方程具有非常强的稀疏恢复能力。同时,研究中发现贝叶斯稀疏方法对噪声更敏感,可以识别更多的附加项。此外,贝叶斯方法可以直接得到稀疏恢复解的误差方差,由此可以直接判定稀疏恢复的效果和可靠性。     

钴(Ⅲ)-胺配合物模板导向合成系列稀土金属草酸盐化合物

水热条件下,以钴(Ⅲ)-胺配合物[Co(en)₃]³⁺,[Co(dien)₂]³⁺为模板,合成出了3例新的稀土草酸盐化合物{[Co(en)₃]·[KLa₂(C₂O₄)₅(H₂O)₆]·H₂O}_n (HNU-9)、{[Co(dien)₂][La₂(C₂O₄)₄(H₂O)₂]·xH₂O}_n (HNU-11)和{K₃[Co(dien)₂][La₄(C₂O₄)₉(H₂O)₂]·5H₂O}_n (HNU-12)。在这3个化合物中,不同的模板剂(Co(en)₃³⁺,Co(dien)₂³⁺,K⁺+Co(dien)₂³⁺)以不同的方式存在于这些化合物中,从而构筑出不同拓扑结构的三维骨架结构。有意思的是,由于中心金属原子La的配位模式不同,HNU-11和HNU-12展现出未报道过的新颖的拓扑结构。可见,具有高配位数的中心稀土金属原子较易构筑出具有新颖拓扑结构的化合物。     

突出课标理念 解读一道精题——2010年遵义市中考试题第27题解读

本文对2010年遵义市中考试题第27题进行解读,以期寻求中考数学试题的价值性,提高中考复习的有效性.题目 (2010年遵义)如图1,已知抛物线y=ax2+bx+c(a≠0)的顶点坐标为Q(2,-1),且与y轴交于点C(0,3),与x轴交于A,B两点(点A在点B的右侧),点P是该抛物线上一动点,从点C沿抛物线向点A运动(点P与A不重合),过点P作PD∥y轴,交AC于点D.     

近红外光谱的北方寒地土壤含水率预测模型研究

我国北方寒地温差大,土壤温差对近红外光谱测量土壤墒情有较大影响。针对这一问题,以北方寒地土壤为研究对象,探究大范围温度胁迫下（-20～40 ℃）土壤的近红外光谱与土壤不同含水率之间的关系预测模型方法。选取黑龙江八一农垦大学农学院试验基地中的黑土,经烘干、过筛等操作处理后配置含水率范围在15%～50%内八种不同湿度的土壤样品,建立北方寒地土壤大范围温度胁迫下土壤的近红外光谱信息与含水率之间的定量预测模型。在全波段光谱数据的基础上,结合五种不同光谱信号预处理方法,采用BP神经网络算法、优化支持向量机算法（SVM）、高斯过程算法（GP）三种智能算法建立北方寒地土壤近红外光谱与含水率的预测模型并验证模型的效果。利用69组数据进行训练建模, BP神经网络相关参数设置为学习速率0.05,最大训练次数设置为5 000,隐层单元数确定为20;SVM采用径向基函数,并利用leave-one-out cross validation确定了最佳惩罚参数为0.87,使模型预测的准确性提高;高斯过程算法内部采用马顿核。模型的定量评估采用决定系数(R2)和均方根误差（RMSE）。结果表明,在建立的全部BP神经网络模型中,效果最佳的为S_G-BP神经网络模型,模型的R2为0.960 9,RMSE为2.379 7;在SVM模型中SNV-SVM模型的效果最好,模型的R2为0.991 1,RMSE为1.081 5;在GP模型中S_G-GP模型的效果最好,模型的R2为0.928,RMSE为3.258 1,综上基于SNV预处理的SVM模型训练效果最优。利用剩余的35组光谱数据作为预测集验证模型性能,经模型对比分析发现基于SVM算法的预测模型效果优于其他两种算法,其中基于S_G的SVM模型效果最优,其预测模型的R2和差RMSE分别为0.992 1和0.736 9。综合建模集与预测集的参数最终确定基于S_G的SVM模型为最佳模型。此模型可以作为大范围温度胁迫条件下（寒地）的土壤含水率有效预测方法,为设计优化适宜寒地便携式近红外土壤含水率快速测量仪提供科学依据。     

改进的随机蛙跳算法对农机润滑油污染浓度的近红外光谱检测研究

润滑油是农业机械正常作业的必要物资,农业机械发动机工作的动力性、安全性、经济性以及寿命与润滑油状况有着紧密联系。污染浓度作为油液的综合评价指标,常规的实验室检测耗时长、成本高,所以开发高效的润滑油污染浓度检测技术具有重要意义。提出了一种基于近红外光谱技术的农机润滑油污染浓度的检测方法,同时针对随机蛙跳(RF)特征波长选择算法中迭代次数大,结果再现性低等缺点,提出了一种迭代保留信息变量的随机蛙跳(IRIV-RF)特征波长选择算法。该算法一方面利用迭代保留信息变量(IRIV)算法提取出强信息变量和弱信息变量,将其作为RF算法中的初始变量集,消除初始变量集的随机性对结果再现性的影响。另一方面通过对变量按被选概率值由大到小正向排序后,从首个波长开始依次增加一个波长建立偏最小二乘回归(PLSR)模型,选择交叉验证均方根误差(RMSECV)值最小时的变量子集为特征波长,消除RF算法所提取的特征波长数量的不确定性。利用近红外光谱仪采集自行配制的101份不同污染浓度的农机润滑油原始光谱数据,选用三种不同的预处理方法分别对原始光谱进行处理,确定最佳的预处理方法为变量标准化(SNV)。在此基础上通过RF,IRIV和IRIV-RF三种算法分别对全谱进行特征波长选择,并建立PLSR模型。通过对全谱-PLSR,RF-PLSR,IRIV-PLSR以及IRIV-RF-PLSR模型的预测精度进行比较,结果表明,经过IRIV-RF算法提取特征波长后所建立的PLSR模型预测精度最高,预测相关系数(R_p)为0.965 7,预测均方根误差(RMSEP)为9.0584,显著提升了预测精度与运行效率,降低模型复杂程度。IRIV-RF是一种有效的特征波长选择算法,研究证明了近红外光谱联合改进的IRIV-RF算法检测农机润滑油污染浓度的可行性,为鉴定润滑油品质提供了一种新的思路。     

基于XML扩展的Agent通信语言实现

KQML作为一种重要的Agent通信语言，其常用的内容层知识交换语言KIF表示能力存在不足，不能充分表达复杂语义信息。本文提出采用XML扩展KQML通信语言，以增强KQML表达复杂语义的能力，并给出了详细的实现步骤。     

面向对象程序流程框图方法的研究

在传统的结构程序设计方法和理论的基础上，分析了面向对象程序设计（OOP）技术的优点和缺点，提出了一种面向对象程序流框图的新方法，并定义了一套符合体系，用以说明面向对象程序结构，提高面向对象程序的可读性及可描述性。