以催化应用为纽带链接基础化学2课程与多学科的交叉融合

“基础化学2”是面向“基础学科拔尖学生培养计划”大一本科生开设的一门理科专业基础课。针对学生因专业选择余地大容易觉得课程与专业联系不够紧密而学习积极性不高的问题，提出以元素及其化合物的催化应用为纽带，寻找合适的切入点，将化学基础知识与各相关学科研究前沿及工业应用相联系，建设具有学科交叉特色的基础化学教学体系的建议，突出培养学生的学科创新思维能力，体现理论与实践相结合的教学特色。     

分数阶热弹理论下重力场对二维纤维增强介质的影响

基于Sherief等提出的分数阶广义热弹性耦合理论，研究了在热冲击作用下二维纤维增强弹性体的热弹性问题.考虑了重力对二维纤维增强线性热弹性各向同性介质的影响，建立了控制方程.运用正则模态法，经过数值计算，对控制方程进行求解，得到了不同分数阶参数和不同重力场下无量纲温度、位移和应力分量的表达式，以图形的方式展示了变量的分布规律并对结果展开了讨论.研究结果为:重力场和分数阶参数对纤维增强介质的位移及应力有着重要的影响，但对温度的影响有限.     

阻尼分数阶薛定谔方程柯西问题的局部适定性

本文在全空间中研究一类带阻尼的散焦型分数阶薛定谔方程的柯西问题,阻尼系数是依赖于时间的,并且可能在无穷处消失.我们借助单调算子理论得到了弱解的存在性;利用Strichartz估计以及压缩不动点定理得到了局部解的唯一性;利用精细的能量估计和下半连续性讨论建立了L~2和H~α∩L^p+2的能量衰减估计.     

基于Caputo导数的分数阶非线性振动系统响应计算

研究了含分数阶Caputo导数的非线性振动系统响应的数值计算方法。首先，由Caputo分数阶导数算子的叠加关系，得到含分数阶导数项非线性振动系统状态方程的标准形式。其次，基于Caputo导数与Riemann-Liouville导数和Grunwald-Letnikov导数间的关系，推导计算了Caputo导数的一般数值迭代格式。本文方法不要求状态方程中各分数阶导数阶数相等，弱化了已有算法中对分数阶导数阶数的限制，并可推广到多自由度的情形。随后，选择若干有解析解的算例验证了本文方法的正确性。最后，以多吸引子共存的分数阶Duffing振子系统为例，比较Caputo和GL两种算法所得结果，说明了用GL算法求解存在的问题。     

浊度干扰下硝酸盐浓度紫外导数光谱检测方法研究

硝酸盐是水中“三氮”（硝酸盐氮、氨氮、总氮）之一，是反映水体受污染程度的一项重要指标。传统 “现场采样-离线分析” 的硝酸盐化学检测方法操作繁琐、耗时长，难以满足现代水环境实时在线检测需求。由于硝酸根在紫外区具有很强的紫外吸收特性，并且紫外吸收光谱法具有简便快速、可实现实时在线监测等特点，近年来被广泛用于硝酸盐浓度的测量。但使用紫外吸收光谱法检测水体硝酸盐含量时，容易受到水体浊度影响，造成谱线非线性抬升，导致测量误差。目前对浊度补偿算法的研究大都用于水中COD含量的检测，对硝酸盐检测中浊度干扰去除研究较少。为此提出一种基于一阶导数紫外吸收光谱的硝酸盐浓度测量方法，该方法可以减小浊度干扰，从而提高紫外光谱快速检测硝酸盐含量的准确度。通过测量福尔马肼与硝酸钠标准溶液和它们混合溶液在190~300 nm波段的紫外吸收光谱并做一阶导数光谱处理，处理后的光谱采用Savitzky-Golay滤波进行去噪平滑处理，比较浊度与硝酸盐紫外吸收一阶导数光谱特征，分波段研究浊度对硝酸盐紫外一阶导数光谱影响，结果表明硝酸盐导数光谱在220~230 nm波段受浊度影响小；选取220~230 nm波段作为光谱分析区间，以30种不同浓度混合的福尔马肼与硝酸钠溶液作为训练样本，利用偏最小二乘算法建立硝酸盐定量分析模型，使用该建模模型预测剩下的6种不同浓度福尔马肼与硝酸钠混合溶液中硝酸盐的浓度，结果表明福尔马肼干扰下硝酸盐测量结果的预测决定系数（correlation coefficient，R2）为0.994 3，预测均方根误差（root mean square error of prediction，RMSEP）为0.346 9 mg·L-1。为进一步验证该方法的准确性与稳定性，使用该建模模型预测高岭土与硝酸钾配制的混合水样中硝酸盐的浓度，结果表明该方法对高岭土干扰下硝酸盐测量结果的预测决定系数r2为0.991 5，预测均方根误差RMSEP为0.362 8 mg·L-1。综上所述，提出的硝酸盐浓度紫外导数光谱检测方法，采用220~230 nm波段的紫外导数光谱数据，结合PLS建模，可以快速准确测量在浊度干扰下水体硝酸盐的浓度，为发展实际水体硝酸盐在线监测技术与设备提供方法基础。     

一致分数阶非线性微分方程的精确解

同时考虑了Kudryashov方法和Khalil一致分数阶变换,构造了求解一致分数阶非线性微分方程精确解的新方法,并将其用于求解时间-空间一致分数阶Whitham-Boroer-Kaup方程,得到了Whitham-Boroer-Kaup方程新的精确解,验证了该方法的有效性和可行性.     

一类五阶非线性波方程的新精确解

通过利用新的G展开法,并借助Mathematica计算软件,研究了一类五阶非线性波方程的精确解,获得了方程的含有多个任意参数的新的显式行波解,分别为三角函数解、双曲函数解、指数函数解,扩大了该类方程的解的范围.     

一种基于卷积神经网络的恒星光谱快速分类法

恒星光谱数据的分类是天体光谱自动识别的最基本任务之一，光谱分类的研究能够为恒星的演化提供线索。随着科技的发展，天文数据也向大数据时代迈进，需要处理的恒星光谱数量越来越多，如何对其进行自动而精准地分类成为了天文学家要解决的难题之一。当前恒星光谱自动分类问题的解决方法相对较少，为此本文使用了一种基于卷积神经网络的方法对恒星光谱MK系统进行分类。该网络由数据输入层、四个卷积层、四个池化层、全连接层、输出层构成，与传统网络相比具有局部感知、参数共享等优点实验。在Python3.5的环境下编程，利用Tensorflow构建了一个简单高效的具有四个卷积层的卷积神经网络，并将Dropout作用于全连接层之后以防止过度拟合。Dropout的基本思想：当网络模型进行训练时，把一些神经网络节点按一定的比例丢弃，使其暂时不发挥作用。Dropout可以理解成是一种十分高效的神经网络模型平均方法，由于它不依赖于某些局部特征所以能够让网络模型更加鲁棒。实验中使用的一维恒星光谱图是取自LAMOST DR3数据库，首先进行预处理截取光谱3 600~7 300 Å的部分，均匀采样后使用min-max标准化法对其进行初始化。实验包括两部分：第一部分为依据恒星光谱MK系统对光谱进行分类，每一类的训练样本包含1 000条光谱数据，测试样本为400条光谱数据，首先通过训练样本对CNN网络进行训练，进行3 000次的迭代，用训练后的网络将测试样本进行分类以验证网络的准确性；第二部分为相邻两类的恒星光谱的分类，其中O型星数据集样本为250条光谱，其余类别恒星样本数据集均为4 000条光谱，将数据5等分，每次选取当中的一份当作测试集，其余部分当作训练集，采用5折交叉验证法求得模型准确率，用BP神经网络进行对比实验。选择对网络模型进行评估的指标包括精确率P、召回率R、F-score、准确率A。实验结果显示CNN在对六类恒星光谱进行分类时其准确率都在95%以上，在对相邻类别的恒星进行分类时，由于O型星样本量较少，所以得到的分类结果不太理想，对其余类别的恒星分类准确率都高于98%，以上结果都证明了CNN算法能够很好地解决恒星光谱的分类问题。     

“聚丙烯酸酯的合成及降凝性能评价”综合实验能力考核平台

设计了以柴油中饱和烃含量及碳数分布测定、聚丙烯酸高级醇酯（PTA）的合成与纯化、PTA的红外表征与分子量测定、PTA降凝性能评价等4个模块组成的综合实验，作为化工专业实验的考核及成绩评定平台。这种考核方式将过程考核与结果考核融合，将笔试、操作、设计融合，可以全面准确地考核学生的有机合成、仪器分析等基础实验技能，同时考核综述、数据处理、实验设计等综合实验能力和实验室工作素质。此外，还能够有效训练学生的学习能力、解决问题能力、实践能力和创新能力，并促进了实验教学水平提高。