黄绿色葡萄石的矿物学特征及谱学研究

葡萄石可以以板状、片状、葡萄状、肾状、放射状或块状集合体的形式产出,因其美丽的外观和特殊的晶体结构,近年来受到了学者的广泛关注。本文通过电子探针、粉晶X射线衍射仪、傅里叶变换红外光谱仪、显微拉曼光谱仪、紫外可见分光光度计等仪器对黄绿色葡萄石的成分、结构及谱学特征进行了分析与探讨。葡萄石的主要致色元素为Fe,且Fe³⁺经常取代Al³⁺占据八面体配位,Fe²⁺经常取代Ca²⁺存在于空隙中。电子探针数据表明:Fe与Al的含量变化整体呈现负相关关系,Fe与Ca的含量变化也整体呈现负相关关系,Fe含量相对较高的样品其黄绿色调加深。XRD图谱和拉曼光谱的结果表明:在葡萄石中绿帘石以包裹体的形式存在。红外光谱和拉曼光谱表明葡萄石中存在硅氧四面体和铝氧八面体两种架构,紫外可见吸收光谱揭示了葡萄石的致色机理。本文对葡萄石的矿物学特征及谱学特征进行系统分析,为后续葡萄石的进一步研究提供思路与实验数据。     

非线性玻尔兹曼方程的傅里叶谱方法

玻尔兹曼方程作为空气动理学中最基本的方程之一,是连接微观牛顿力学和宏观连续介质力学的重要桥梁.该方程描述了一个由大量粒子组成的复杂系统的非平衡态时间演化:除了基本的输运项,其最重要的特性是粒子间的相互碰撞由一个高维,非局部且非线性的积分算子来描述,从而给玻尔兹曼方程的数值求解带来非常大的挑战.在过去的二十年间,基于傅里叶级数的谱方法成为了数值求解玻尔兹曼方程的一种很受欢迎且有效的确定性算法.这主要归功于谱方法的高精度及它可以被快速傅里叶变换加速的特质.本文将回顾玻尔兹曼方程的傅里叶谱方法,具体包括方法的导出,稳定性和收敛性分析,快速算法,以及在一大类基于碰撞的空气动理学方程中的推广.     

全局优化问题的一个新的无参数填充函数

求全局最优化问题的填充函数算法被提出以来，参数的选取和调整一直是制约算法有效性的因素。如何在实际的计算过程中选取合适的参数，直接影响和决定了运算速度和效率。因此，构造不含参数的填充函数就显得极为重要。提出一个新的无参数的填充函数，对其理论性质进行了分析，并给出相应的填充函数算法，数值计算验证了算法的有效性。     

多层复合壳体三维振动分析的谱——微分求积混合法

对于较厚的多层复合壳体,其振动位移沿厚度方向呈锯齿形变化且层间剪切和拉、压应力呈三维耦合状态,采用传统的等效单层理论分析已不能满足精度要求. 建立不受结构厚度、铺层材料性质和铺层方式限制的三维分析方法具有重要的研究价值. 本文以独立铺层为建模对象,结合广义谱方法与微分求积技术建立了一种适用一般边界条件和铺层方式的多层复合壳体三维分析新方法——谱--微分求积混合法. 该方法应用三维弹性理论对独立铺层进行精确建模,有效克服了二维简化理论对横向变形以及层间应力估计不确切的缺点;引入微分求积技术对铺层进行数值离散,将三维偏微分问题转化为二维偏微分问题,降低了求解维度和难度;应用广义谱方法近似地表述离散计算面上的场变量,将获取的二维偏微分方程转化为以场变量谱展开系数为未知量的线性代数方程组,避免了对超越方程的求解. 数值验证结果表明该方法收敛性好,计算精度高.      

盲重构频域阵列信号的压缩感知水声目标方位估计

针对复杂海洋环境条件下压缩感知水声目标方位估计性能下降的问题,利用盲源分离能够提高信噪比的优势,提出了一种盲重构频域阵列信号的压缩感知水声目标方位估计方法。首先将阵元域信号通过傅里叶变换方法得到多个子带阵列信号;然后对各个子带阵列信号进行复数域盲源分离得到子带解混矩阵和子带分离信号估计,并对子带分离信号进行属性分析和处理;再根据处理后的子带分离信号和子带解混矩阵重构子带阵列信号,对重构的子带阵列信号采用频域压缩感知方法进行空间谱估计,得到各个子带的空间谱;最后将各子带得到的空间谱进行求和,搜索求和后空间谱的峰值则可实现目标方位估计。模拟器数据和海上实测数据验证结果表明,同等条件下该方法的目标检测能力优于经典的最小方差无失真响应(Minimum Variance Distortionless Response,MVDR)方法、频域压缩感知(Compressed Sensing,CS)方法、盲源分离(Blind Source Separation,BSS)与MVDR相结合的方法(BSS+MVDR方法),测向精度更高,明显提高了弱目标信号的空间谱能量,增强了声呐检测弱目标的能力。      

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。     

大花无柱兰遗传多样性的SRAP标记分析

大花无柱兰是一种珍稀兰科植物，具有一定的观赏和药用价值，但数量十分稀少，该物种亟待保护。本研究采用SRAP分子标记技术，对10个居群的115份DNA样品进行PCR扩增，并开展遗传多样性分析。从81对引物中筛选出9个条带清晰、多态性好、重复性高的引物组合，共扩增得到305条谱带。在物种水平上，多态性比率（PPB）为100%，Nei’s基因多样性指数（H）为0.209 8，Shannon’s指数（I）为0.340 2；在居群水平上，PPB为24.59%～52.13%，H为0.079 6～0.165 5，I为0.120 9～0.252 3。居群水平上，基因分化度（Gst）为0.520 9，基因流（Nm）为0.459 9，遗传距离为0.091 9～0.198 4。UPGMA聚类结果表明，10个居群可分为3大类，地理距离相近的居群优先聚集。大花无柱兰的遗传多样性较为丰富，居群间存在一定的遗传分化和基因交流，可采用就地保护和人工栽培等方式加以保护。     

关于负超几何分布期望与方差算法的注记

研究了非还原取样模型中负超几何随机变量的联合分布,得到了若干有用的推论.据此给出了负超几何分布的期望和方差的一种分解算法.     

80.5 MeV/u碳离子诱发铜靶的放射性剩余产物测量

高能重带电粒子能直接穿透靶原子核外电子层,与原子核发生直接碰撞,发生散裂反应,产生一系列具有放射性的剩余产物核.重带电粒子诱发靶材放射性剩余核与辐射防护和人员安全有着密切联系,当前,大部分剩余核产额主要依靠蒙特卡罗粒子输运程序进行模拟计算,其准确程度亟需通过实验测量进行准确评估.本文利用能量为80.5 MeV/u的(12)^C⁶⁺粒子对薄铜靶开展了辐照实验与伽玛射线测量,结合伽玛谱学分析方法,得出了辐照产生的18种放射性剩余产物的初始活度和产生截面值,并与PHITS模拟结果进行对比.结果表明,PHITS模拟程序对放射性剩余核种类的估计具有较高可靠性,在其绝对产额方面,与实验测量仍具有较大偏差.