从学生的“问题”出发审视空间向量内容的教学和育人价值北大核心

1问题提出高中数学课程引入空间向量内容后,使很多原本需要进行推理演化的立体几何问题的求解“代数化”、“程序化”了,以往的一些立体几何的“难题”变得“简单”了.有老师认为,立体几何内容在培养学生直观想象、逻辑推理核心素养的育人价值减弱了.在教学中,不难发现即便有空间向量作为解决立体几何问题的有力工具,学生在解决立体几何问题时依然会存在各式各样的“错误”.     

PSO-LSSVM对LIBS定量分析精度的提高

针对土壤定量分析受基体效应影响大，LIBS定量分析精度不佳等问题，采用粒子群算法对LSSVM进行优化，提高模型的精确度。选取Pb Ⅰ 405.78 nm和Cr Ⅰ 425.44 nm作为分析谱线进行分析。采集十二个不同浓度样品的特征光谱，每个浓度样品在不同点采集20组数据，将其中17组数据设为训练集，3组数据设为预测集，用LSSVM和PSO-LSSVM两种方法建立定标模型。对比两种模型的拟合相关系数（R2）、训练集均方根误差（RMSEC）和预测集均方根误差(RMSEP)。由于自吸收效应的影响，随着浓度的增加，预测值逐渐低于实际值，LSSVM定标模型的拟合程度较低，无法达到实验要求，模型性能有待提高。利用粒子群算法对LSSVM的模型参数惩罚系数和核函数参数进行优化，得到最佳的参数组合，Pb元素为(8 096.8, 138.865 7)，Cr元素为(4 908.6, 393.563 5)，用最佳的参数组合构建LSSVM的定标模型。相比于LSSVM，PSO-LSSVM定标模型的精确度更高，Pb和Cr元素的R2提高到了0.982 8和0.985 0，拟合效果明显提升。Pb和Cr元素的训练集均方根误差由0.026 0 Wt%和0.027 2 Wt%下降到0.022 4 Wt%和0.019 1 Wt%，预测集均方根误差由0.101 8 Wt%和0.078 8 Wt% 下降到0.045 8 Wt%和0.042 0 Wt%，模型的稳定性进一步提高。说明PSO-LSSVM算法能够更好地降低土壤基体效应和自吸收效应带来的影响，提高分析结果的精确度与稳定性。     

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.     

对称向量拟均衡问题有效解的存在性

利用标量化方法建立对称向量拟均衡问题有效解的存在性定理。作为标量化方法的应用，利用这一方法得到向量变分不等式和拟向量变分不等式有效解的存在性定理。     

基底上薄膜结构的非线性屈曲力学进展

基底上薄膜结构中的过大残余压应力常常通过屈曲不稳定性诱发薄膜结构和功能的失效。屈曲不稳定性、演化与斑图形成是近年来非线性力学研究的热点。此类屈曲不稳定性受薄膜-基底的力学性质以及界面相互作用影响，进而呈现出复杂的屈曲模式如褶皱、翘曲和折痕等。论文简要综述褶皱、翘曲和折痕等屈曲模式的形成机制、影响因素和后屈曲形貌相关方面的进展。褶皱部分，重点介绍了褶皱的形成、多级褶皱结构、局域化的褶皱、各向异性褶皱和曲面上的褶皱。翘曲部分，介绍了翘曲结构包括一维翘曲结构、“电话线”屈曲泡，网络状屈曲泡等的形成与生长过程，并讨论了曲面几何、界面滑移、开裂等因素的影响。折痕及其它复杂屈曲模式部分，介绍了折痕、叠痕及隆起失稳的形成机制与临界条件.     

中红外光谱结合向量夹角直接定量三氯蔗糖

多组分复杂体系的红外光谱由于成分多样、谱带严重重叠、背景干扰等导致谱图特征减弱，且体系中的红外光谱往往不是各组分光谱的简单叠加，需要借助于化学计量学技术以实现解析。基于朗伯-比尔定律（Lambert-Beer law）并且随着衰减全反射（ATR）技术取样普及，结合偏最小二乘回归法（PLS）、人工神经网络（artificial neural network, ANN）等化学计量法将数据进行累积、特征提取以及校正建模等工作解决红外光谱中严重重叠和非线性等问题，再采用二次测量定量分析已初步具有应用成效，而有效增强信息量表达，降低背景、噪声干扰，减少复杂的计算过程，进而保证定量分析结果的可靠性，则成为研究的主要方向。通过讨论光通道和背景对光谱强度变化的影响，结合向量角度转换提出一种新的近似线性定量方法。经初步理论计算，发现多组分混合物与该混合物中待测组分的相对含量二者间的向量夹角值存在一定的关系，而该关系并不受批次制样的影响，进一步通过高斯曲线模拟混合信号，充分说明选择合适的波长范围，二者在一定范围内存在线性相关性，相关性不受测量条件变化的影响。采用KBr压片法，向待测样品中逐步加入待测组分得到混合样本，分别得到待测组分光谱与混合样本光谱信号，先将其进行一阶求导，消除加性误差后，再将其转化为空间向量角度，消除批次制样中光程差异，再以百分比定义待测物样品的含量，所得到混合样的夹角值与其中所含参照品含量成简单线性关系，即以计算结果夹角值与含量作标准曲线，实现定量分析。本测量方法用于三氯蔗糖（Sucralose, TGS）与三氯蔗糖-6-乙酸酯（4,1,6-trichloro sucrose-6-acetate, TGS-6-A）二者进行一定比例混合（双组分体系），以及TGS-6-A的脱酰产物（多组分体系）中的TGS的含量定量分析，在两种体系中定量均得到令人满意的结果，所建立标准曲线的相关系数r均达到0.995 0以上，相对误差均低于8.0%，所建立的分析方法对利用中红外透射光谱分析研究多组分样品具有重要的参考价值。     

高温花岗岩遇水快速冷却后力学性质实验研究

通过对高温加热–遇水快速冷却后的花岗岩试样进行单轴和三轴实验,研究了800℃内高温花岗岩遇水快速冷却后的力学性质随温度和围压的变化规律。实验结果表明:(1) 400℃为高温加热–遇水快速冷却对花岗岩力学性质影响的阈值;(2)同一温度条件下,峰值偏应力、峰值应变随围压的增大而增大;弹性模量随围压的增大先增大后减小;(3)单轴实验中,温度低于400℃时,岩样表现为复合破坏,随着温度的升高破坏形式转变为拉破坏;三轴实验中,岩样整体上表现为剪切破坏。     

美国静力学教材分析

为对美国静力学教材有较为全面的理解,以便于在教学和教材建设中参考借鉴,本文研究这些教材的历史发展与现状。概述美国静力学教材的起源与演变。选择有代表性的7本仍在使用的教材,考察这些教材的主要内容及其教学处理,分析这些教材的教学理念和特点。     

Co、Ni和Ga合金化对DO_(19)-Ti_3Al弹性性能影响的第一性原理研究

采用第一性原理的方法研究了Co、Ni和Ga元素对DO_(19)-Ti_3Al晶体的弹性性能的影响,结果表明:Co和Ni原子倾向于置换Ti原子而Ga原子则更倾向于置换Al原子;Co和Ni元素固溶可以减弱晶体内部电子杂化效应从而增大Ti_3Al晶体的本征塑性,其中Co元素的对晶体的本征塑性的增大效果显著;Ga元素固溶后Ti_3Al晶体的强度和硬度将得到提高.     

利用带无标签数据的双支持向量机对恒星光谱分类

恒星光谱分类是天文技术与方法领域一直关注的热点问题之一。随着观测设备持续运行和不断改进，人类获得的光谱数量与日俱增。这些海量光谱为人工处理带来了极大挑战。鉴于此，研究人员开始关注数据挖掘算法，并尝试对这些光谱进行数据挖掘。近年来，神经网络、自组织映射、关联规则等数据挖掘方法广泛应用于恒星光谱分类。在这些方法中，支持向量机(SVM)以其强大的学习能力和高效的分类性能而备受推崇。SVM的基本思想是试图在两类样本之间找到一个最优分类面将两类分开。SVM在求解时，通过将其最优化问题转化为具有(QP)形式的凸问题，进而得到全局最优解。尽管该方法在实际应用中表现优良，但为了进一步提高其分类能力，有的学者提出双支持向量机(TSVM)。该方法通过构造两个非平行的分类面将两类分开，每一类靠近某个分类面，而远离另一个分类面。TSVM的计算效率较之传统SVM提高近4倍，因此，自TSVM提出后便受到研究人员的持续关注，并出现若干改进算法。在恒星光谱分类中，一般分类算法都是根据历史观测光谱来建立分类模型，其中最关键的是对光谱进行人工标注，这项工作极为繁琐，且容易犯错。如何利用已标记的光谱以及部分无标签的光谱来建立分类模型显得尤为重要。因此，提出带无标签数据的双支持向量机(TSVMUD)用以实现对恒星光谱智能分类的目的。该方法首先将光谱分为训练数据集和测试数据集两部分；然后，在训练集上进行学习，得到分类依据；最后利用分类依据对测试集上的光谱进行验证。继承了双支持向量机的优势，更重要的是，在训练集上学习分类模型过程中，不仅考虑有标记的训练样本，也考虑部分未标记的样本。一方面提高了学习效率，另一方面得到更优的分类模型。在SDSS DR8恒星光谱数据集上的比较实验表明，与支持向量机SVM、双支持向量机TSVM以及K近邻(KNN)等传统分类方法相比，带无标签数据的双支持向量机TSVMUD具有更优的分类能力。然而，该方法亦存在一定的局限性，其中一大难题是其无法处理海量光谱数据。该工作将借鉴海量数据随机采样思想，利用大数据处理技术，来对所提方法在大数据环境下的适应性展开进一步研究。