有限群共轭类长度的一点注记

假设G=AB是子群A和B的互相置换积。通过A?B中元素的共轭类长度给出了群G的结构，推广了一些最近的结论。     

英国国家科研与创新署学科交叉研究资助机制及启示

Newly established in 2018, the UK Research and Innovation (UKRI) strengthens the strategic coordination of the UK research and innovation system by bringing together seven Research Councils, Research England, and Innovate UK. Through its nine organizations, UKRI funds multidisciplinary and interdisciplinary research in a number of priority areas. It also runs the Strategic Priorities Fund to support multidisciplinary and interdisciplinary research in strategic areas identified by government policies as well as the Global Challenges Research Fund to promote challenge-led interdisciplinary research needed by developing countries. The UKRI makes significant efforts to engage stakeholders in the development, design, and implementation of multidisciplinary and interdisciplinary programs. It has also developed a range of mechanisms to improve the evaluation of multidisciplinary and interdisciplinary projects. Chinese science and innovation funding agencies could draw upon the UKRI experience from four aspects to advance interdisciplinary research in China.     

孤立子理论在中国的早期发展——纪念中国孤立子理论研究40周年

2018年是中国孤立子理论研究40周年.通过文献考证方法,考察分析了国内早期(1978-1989)孤立子理论的论著、名人传记及研究性论文,综述孤立子理论早期在中国的传播、研究与发展.指明1978-1989年这一时期我国孤立子理论研究主要处在培养人才和学习阶段,是出现更多更好的学术成果的前期阶段,是迎接孤立子理论在中国大发展的筹备期.     

基于Vernier效应的法布里-珀罗传感器增敏方法

设计了一种分离型光纤传感增敏结构,并联连接两个腔长相近的法布里-珀罗(F-P)腔。理论分析了此结构的增敏原理并制备了两组增敏结构。实验结果表明,增敏结构的压强灵敏度值由单F-P结构的4.85 nm/MPa提高到43.95 nm/MPa,温度灵敏度由单F-P腔的0.0675 nm/℃提高至0.40364 nm/℃,在相同温度下采用双腔结构可消除温度交叉敏感对测量结果的影响。此结构克服了集成式增敏结构的缺陷,在不影响原传感器结构的情况下提高了灵敏度,且可通过更换辅助腔来调节灵敏度,具有移植性好和交叉敏感小等优势。     

基于Metop-B/GOME-2的TG-2/MAI可见光通道交叉定标

2016年9月15日发射的TG-2空间实验室上搭载的MAI是我国首个在轨运行的多角度偏振成像仪，主要用于获取云和气溶胶等大气环境信息。星载遥感仪器的定标是观测资料定量应用的关键前提且贯穿仪器的整个寿命期。MAI发射前已经进行了实验室定标，且精度较高。为了监测MAI发射后的在轨运行情况，针对其未配置在轨定标装置的问题，利用Metop-B/GOME-2可见光波段的高光谱分辨率和较高探测精度的优势，提出了基于GOME-2对MAI 565，670以及763 nm通道进行在轨监测及交叉定标的方法。该方法首先通过时空匹配、视线几何匹配等获取MAI与GOME-2相近时刻、相近视线几何条件下的同目标观测数据，再将GOME-2反射率按照MAI可见光通道光谱响应函数进行卷积，得到各通道的参考反射率，与MAI反射率进行对比分析，从而实现对MAI的定标。利用不同反照率特性目标的匹配观测数据，该方法能够实现仪器的高、中、低端观测的全覆盖定标。定标过程主要包括： (1)对2016年12月到2017年2月期间TG-2和Metop-B的运行轨道进行预报，获取二者交叉观测的整轨数据；设置观测时间差为900 s，初步匹配得到8组MAI与GOME-2交叉观测样例，包含2 455组匹配像元；(2)对匹配像元空间位置进行检验，保留单个GOME-2像元覆盖的MAI像元数超过338的交叉样本，以确保单个GOME-2像元尽可能被MAI观测充满；(3)给定GOME-2观测天顶角小于30°的限制条件，同时设置视线几何检验条件为两仪器观测天顶角余弦的比值接近于1，且相差不超过0.05，并充分利用MAI的多角度观测优势，对每一个MAI像元采用最多14个方向的视线几何进行匹配，从而选择最优的视线匹配方向；(4)设置观测目标均匀性检验条件为一个GOME-2像元覆盖的全部MAI像元反射率的标准差和均值之比小于0.5，对匹配像元进行检验，得到469个匹配的GOME-2像元。(5)将以上GOME-2像元对应的各个波长的反射率按照MAI可见光通道的光谱响应函数进行积分，即可得到MAI各通道对应的GOME-2参考反射率。(6)利用GOME-2像元空间分辨率显著大于MAI分辨率的特征，对每个GOME-2像元覆盖的全部MAI像元反射率进行平均作为MAI反射率，显著降低了定标结果对观测目标均匀性的依赖程度。(7)将GOME-2参考反射率与MAI反射率进行回归分析，得到定标系数，实现对MAI的在轨交叉定标。为了分析各匹配条件对定标结果的影响，利用单一变量法对像元匹配过程中各检验条件阈值进行调整并开展了分析试验。结果表明，当进一步严格匹配筛选条件时，定标结果不会产生显著变化。基于该方法对MAI三个通道反射率和GOME-2参考反射率进行对比分析，结果表明二者之间存在显著地线性关系，且相关系数均优于0.97，对比差异的均值分别为1.6%，4.2%和2.3%，标准差分别为3.1%，4.1%和2.4%。总体来看，利用在轨交叉定标方法能够实现MAI可见光波段的在轨监测及定标，为MAI数据的定量应用奠定了基础。     

融合图卷积神经网络和注意力机制的PM2.5小时浓度多步预测

PM_2.5小时浓度多为单步预测。为实现PM_2.5小时浓度的多步预测，基于“编码器-解码器”的序列-序列预测（Seq2Seq）模型，集合图卷积神经网络提取非欧式空间数据特征的能力以及注意力机制自适应关注特征的能力，提出了融合图卷积神经网络和注意力机制的PM_2.5小时浓度多步预测（GCN_Attention_Seq2Seq）模型。并与Seq2Seq模型和使用了图卷积神经网络、未使用注意力机制的GCN_Seq2Seq模型进行了对照，以2015—2016年北京市22个空气质量监测站点的空气质量数据为样本进行实例验证，结果表明，Seq2Seq模型和图卷积神经网络（GCN）可对PM_2.5小时浓度数据的时空依赖进行有效建模，注意力机制有助于减缓多步预测中的预测精度衰减，提升PM_2.5小时浓度多步预测的精度。GCN_Attention_Seq2Seq模型可有效应用于多种长度的PM_2.5浓度预测窗口。     

B(X)上保持约当积的固定点的满射

设B(X)是维数大于等于3的复Banach空间X上有界线性算子全体构成的代数.设A∈B(X),若Ax=x,则称x∈X是算子A的固定点.Fix(A)表示A的所有固定点的集合.本文刻画了B(X)上保持算子的Jordan积的固定点的满射.     

两类图的(d,1)-全标号

主要讨论了W_n与C_m的笛卡尔积和均衡完全r-部图K_r(n)的(d,1)-全标号,并得出了(d,1)-全数λ_d~T(W_n□C_m)和λ_d~T(K_(r(n)))的确切值.     

六阶图Q与星图S_n的积图交叉数

目前关于积图的交叉数的研究已经推广到六阶图与星图的积图.研究得到了一个特殊六阶图Q与n个孤立点nK_1的联图交叉数,然后通过收缩的方法,得到了Q与星图S_n的积图交叉数.     

白骨化尸体死亡时间的推断

本文分析了15具白骨化尸体标本的股骨汞(Hg),铅(Pb),镉(Cd)元素含量数据,在三年的时间内采集了3次,一共收集到45个数据。首先将这组数据看着纵向数据,利用线性随机效应混合模型、Cox随机混合效应模型进行分析,结果显示,如果对每个白骨化尸体标本建立线性模型,可以精确预测出死亡时间,而且不需要采集铅元素含量数据。混合效应模型的预测效果也很好,最大误差不会超过1个月。其次我们对数据不作任何假设,利用机器学习中随机森林方法分析数据,并利用5折交叉验证方法来判断结果的可靠性,训练集和测试集的NMSE分别为0.1205944,0.5604286,因此可以用训练出的模型来预测死亡时间。