基于大规模高维线性回归模型的分布式计算方法研究

大数据背景下挖掘大规模高维数据所隐藏的信息备受关注.本文主要目的是采用分布式优化方法解决加SCAD和Adaptive LASSO惩罚的高维线性回归中的参数估计和变量选择问题.主要方法是通过构造全局损失函数的一个交互有效的正则化替代损失函数,把基于全局损失函数的优化问题转化为基于替代损失函数的优化问题.本文设计的修正的ADMM算法,在计算上,只需要子机器基于局部数据计算梯度,而主机器进行参数估计和变量选择.在主从机器交互复杂度上,基于替代损失函数所得的估计误差收敛于基于全局损失函数所得的估计误差.通过模拟和实证研究进一步验证本文提出的分布式计算方法在实际生活中的可行性和实用性.     

多模式离子推力器输入参数设计及工作特性研究

针对我国小行星探测任务对电推进系统离子推力器设计要求,基于等离子体基本理论建立了多模式离子推力器输入参数与输出特性关系,完成各工作点下屏栅电压、束电流、阳极电流、加速电压,流率等输入参数设计,采用试验研究和理论分析的方法研究了推力器工作特性.试验结果表明:在设计输入参数下,23个工作点推力最大误差小于3%,比冲最大误差小于4%,在功率为289—3106 W下,推力为9.7—117.6 mN,比冲为1220—3517 s,效率为23.4%—67.8%,电子返流极限电压随着推力增加单调减小,最小、最大推力下分别为-79.5 V和-137 V,放电损耗随着功率增大从359.7 W/A下降到210 W/A,并在886 W时存在明显拐点,效率随功率增大而上升,在1700 W后增速变缓并趋于稳定,在轨应用可综合推力器性能、任务剖面要求、寿命,合理设计输入参数区间,制定控制策略.     

超薄屏蔽层300 V SOI LDMOS抗电离辐射总剂量仿真研究

本文研究了300 V绝缘体上硅横向双扩散金属氧化物半导体场效应管在电离辐射总剂量效应下的线性电流退化机理,提出了一种具有超薄屏蔽层的抗辐射结构实现线性电流加固.超薄屏蔽层位于器件场氧化层的下方,旨在阻止P型掺杂层表面发生反型,从而截断表面电流路径,有效抑制线性电流的退化.对于横向双扩散金属氧化物半导体场效应管,漂移区上的场氧化层中引入的空穴对线性电流的退化起着主导作用.本文基于器件工艺仿真软件,研究器件在辐照前后的电学特性,对超薄屏蔽层的长度、注入能量、横向间距进行优化,给出相应的剂量窗口,在电离辐射总剂量为0—500 krad(Si)的条件下,将最大线性电流增量从传统结构的447%缩减至10%以内,且辐照前后击穿电压均维持在300 V以上.     

基于气相色谱-静电场轨道阱高分辨质谱法快速筛查和确证农产品中222种农药残留

该文在QuEChERS方法的基础上采用固相分散萃取样品处理一体机(Sio-dSPE)对样品进行前处理,结合气相色谱-静电场轨道阱高分辨质谱法(GC-Orbitrap MS)对农产品中多农药残留进行筛查和确证.对Sio-dSPE前处理方法中盐析剂和除水剂的种类、净化剂的种类与用量、基质效应等进行考察.在最优条件下,采用GC-Orbitrap MS对农产品中222种农药残留进行检测,线性范围为1～200μg/L,在莴苣、大米和茶叶中的定量下限分别为0.5～5μg/kg、1～10μg/kg、2.5～25μg/kg.在上述3种基质中分别进行10、20、50μg/kg浓度水平的加标回收实验,测得回收率分别为70.5％～121％、70.2％～119％、65.2％～125％,相对标准偏差(RSD)分别不大于11％、10％、12％.该方法具有样品处理简单、分析时间短、净化效果好等优点,适用于农产品中多农药残留的快速筛查与定量.     

Hudson模型适用性及储层微观建模应用*

为明确裂缝间相互作用对各向异性的影响，本文以Hudson模型为例分析了裂缝密度、裂缝倾角对地震波波场、弹性常数和Thomsen系数的影响规律，然后采用“基质-骨架-流体”组合化的方法进行了裂缝储层微观尺度的建模，并与实际测井资料进行了对比。结果表明该模型适用条件为低裂缝密度储层，二阶模型适用的裂缝密度范围比一阶模型大，但在裂缝密度过大时，二阶模型会出现不收敛的现象，模型便不再适用。裂缝储层纵横波速度随裂缝倾角增大而增大，纵波速度对裂缝倾角更为敏感。另外，在与实际测井曲线对比时，在高裂缝密度地层二阶模型的应用效果明显优于一阶模型，说明了在高裂缝密度储层考虑裂缝间的相互作用的必要性。     

硅和锗纳米线的原子排布和电荷分布的密度泛函紧束缚方法研究

低维硅锗材料是制备纳米电子器件的重要候选材料，是研发高效率、低能耗和超高速新一代纳米电子器件的基础材料之一，有着潜在的应用价值。采用密度泛函紧束缚方法分别对厚度相同、宽度在0.272 nm~0.554 nm之间的硅纳米线和宽度在0.283 nm~0.567 nm之间的锗纳米线的原子排布和电荷分布进行了计算研究。硅、锗纳米线宽度的改变使原子排布，纳米线的原子间键长和键角发生明显改变。纳米线表层结构的改变对各层内的电荷分布产生重要影响。纳米线中各原子的电荷转移量与该原子在表层内的位置相关。纳米线的尺寸和表层内原子排列结构对体系的稳定性产生重要影响。     

Sentinel-2卫星的多光谱轻量级船舶目标检测算法

近年来深度卷积神经网络在可见光船舶检测方面取得了显著的进展，然而，大多数相关研究是通过改进大型的网络结构来提高检测性能，因此加大了对更高计算机性能的需求。此外，可见光图像难以在云、雾、海杂波、黑夜等复杂场景检测到船舶。针对以上问题，提出了一种融合红（red, R）、绿（green, G）、蓝（blue, B）和近红外（NIR）4个波段光谱信息的由粗到精细的轻量型船舶检测算法。与现有的方法中根据光谱特性利用水体检测算法提取水体区域不同之处是该算法是利用改进的水体检测算法来提取船舶候选区域。为获取更准确的候选区域，对船舶、厚云、薄云、平静海面、杂波海面5种场景中4个波段的像素值进行了统计分析，选取近红外大于阈值作为辅助判断，并以其中心点获取候选区域32×32大小的切片，并对切片进行非极大值抑制，由此获得了船舶粗检测结果。随后构建了轻量级LSGFNet网络对船舶候选区域切片进行精细识别。构建的网络融合了1×1卷积提取的波谱特征与3×3的提取几何特征，为防止光谱特征与几何特征的信息在融合时“信息不流通”，在LSGFNet网络中引入了ShuffleNet中的通道打乱机制，并减小了模型结构，与典型的轻量级网络相比具有更好的效果且模型较小。最后，利用Sentinel-2卫星多光谱10 m分辨率数据构建了512×512大小的1 120组数据进行粗检测，以及32×32大小的6 014组数据进行精细网络训练，其中候选区域粗提取的查全率为98.99%，精细识别网络精确度为96.04%，不同场景下的平均精确度为92.98%。实验表明该算法在抑制云层、海浪杂波等干扰的复杂背景下具有较高的检测效率，且训练时间短、计算机性能需求低。     

多孔氮化硼掺杂聚吡咯-2,3,3-三甲基吲哚固相微萃取涂层的制备及多环芳烃的检测

多环芳烃(PAHs)是持久性有机污染物中的一种，大部分具有较强的致癌、致畸和致突变性，对生态环境和人类健康易造成严重威胁。由于环境样品基质复杂且其中PAHs含量低，因此在仪器分析之前需要对环境样品进行必要的前处理。萃取材料的特性是决定大部分前处理技术萃取效率的关键。基于此，本文以低成本且富含较多官能团的吡咯(py)、2,3,3-三甲基吲哚(2,3,3-TMe@In)为单体，多孔氮化硼为掺杂物，采用电化学循环伏安法制备出多孔氮化硼掺杂聚吡咯-2,3,3-三甲基吲哚(Ppy/P2,3,3-TMe@In/BN)复合涂层，通过扫描电子显微镜、热稳定性分析、傅里叶红外光谱等手段对Ppy/P2,3,3-TMe@In/BN进行表征，结果表明：该涂层呈现出多孔、多褶皱的枝状结构，该结构有利于增加涂层的比表面积，从而实现对PAHs的大量富集；在320℃解吸温度下，涂层材料的色谱基线基本稳定，表明该涂层具有良好的热稳定性。将其修饰在不锈钢丝表面制成固相微萃取涂层，结合气相色谱-氢火焰离子化检测器，对影响萃取和分离萘(NAP)、苊(ANY)、芴(FLU)3种PAHs的条件进行优化，建立了用于以上3种PAHs...