爆炸物原料过氧化氢的比色和荧光可视化检测方法探讨

近年来,爆炸恐怖袭击严重威胁人民群众的生命和财产安全。通常,爆炸物分为制式爆炸物和非制式爆炸物两类。其中,过氧化物类爆炸物（PBEs）由于具有原料易得、容易合成且爆炸威力巨大等特点,成为恐怖分子的首选。由于H2O2不仅是制备PBEs的前驱体,而且还是PBEs的分解产物,目前常通过检测H2O2实现间接检测PBEs。此外,H2O2和燃料混合也是威力巨大的爆炸物。因此,爆炸物原料H2O2的检测对于国家安全和社会稳定具有十分重要的意义。与其它检测方法相比,比色和荧光检测方法因特异性好、灵敏度高、结果可视化、操作简单和便于现场检测等优点而受到广泛关注。该文主要综述了H2O2的比色和荧光可视化检测方法,并在此基础上,对这两种方法的发展趋势进行了展望,以期为相关领域研究人员提供理论支持和技术参考。     

拟线性双曲型方程组的中心波定解问题

在本文中,对拟线性双曲型方程组提出了中心波定解问题,证明了具小幅度的局部中心波解的存在、唯一性,并给出了一些有用的估计式。     

染料敏化TiO2/WO3薄膜电池的光电变色

用光电化学方法研究了染料Ru(П) (4, 4′di COOEt 2, 2′bpy)2 (2, 2′bpy 4, 4′di CONH L tyrosineethylester) (PF6)2 (简写为Ru4)敏化TiO2 纳米结构电极的光电转换过程,同时,在导电玻璃上电沉积得到WO3 薄膜.结果表明,染料敏化的TiO2 多孔膜具有光电转换性能, WO3 薄膜具有良好的电致变色效应,将前者与电沉积得到的WO3 薄膜组成电池,在白光照射下可产生显著的颜色变化,有望用于自供电源的电色灵巧窗(Self poweredsmartwindow).     

工件集合上的某种全序及其应用

对于由工时与工期所确定的工件的全体,本文定义了一种全序,该全序是SPT序(短工时序)与EDD序(早工期序)的结合,且结合方式依赖于某个时间参数。本文分析了该全序与有关延误的相邻交换条件之联系,从而给出总延误问题的一个近似算法,并证明它可以在多项式时间内得到后移邻域所相应的局部解。     

非线性约束最优化的局部正基方向搜索法(英文)

对于非线性约束最优化问题其中I_m={1,2,…,m},引入了局部能行锥的标准正基的概念。证明了迭代点沿着局部标准正基方向移动再加以微小的修正时,必能保持能行性,从而利用目标函数值的比较构造出局部正基方向搜索法的算法模型。本文证明了收敛性定理: 定理 设a~p(x)在R~n中连续可微,约束集合为非空有界且正则,目标函数f(x)在X上连续可微,{y_i}是局部正基方向搜索法产生的某个点列,则{y_i}的任一极限点x_*都是问题(NP)的Kuhn-Tucker点。 本算法模型适用于约束函数较简单而目标函数较复杂的情形。还值得指出的是它对约束集X并无凸性的要求。     

总延误问题的相容偏序

给定工件集合上的一个偏序,如果存在符合于该偏序的排列为总延误问题的最优解,则该偏序被称为相容偏序。在有关文献中,相容偏序通常由著名的Emmons优先准则所得出,并用于总延误问题的算法。本文根据Emmons优先准则定义了相容偏序的恰当扩张的概念,研究了这种扩张所得的偏序能否保持为相容偏序的问题。     

关于后轮曲线

<正> 1.引言在[1]中,苏步青教授对“计算几何”作了全面的介绍.参数样条曲线已经有了广泛的应用,对于它的性质也有了很多研究.参数样条曲线的贝齐尔表示即贝齐尔曲线继承     

截断切割中的最优排列问题

<正>最优排列问题广泛地出现在生产作业调度中,出现在各种生产实践与日常生活中,1997年全国大学生数学建模竞赛B题就是一例.在本文中,我们结合阅卷情况,简述一些有关该题解答的要点。 一、关于建立数学模型与计数 先将该题大略复述如下: 从一个长方体加工出一个尺寸与位置预定的长方体（这二个长方体的对立表面是平行的）,通常要经过六次截断切割.设水平切割单位面积的费用是垂直切割的fr倍;且当先后二次垂直切割的平面 （不管它们之间是否穿插水平切割）不平行时,因调整刀具需额外费用fe.试设计一种切割方式,使加工费用最少。     

一种基于百度指数的城市日游客规模预测方法

百度指数数据为预测游客规模提供了新思路。以杭州市为例，首先研究新浪微博签到数据与统计年鉴中实际游客量的关系，用新浪微博签到人数模拟实际旅游人数，建立杭州市日游客规模自回归移动平均（auto regressive moving average,ARMA）模型，并进行预测；然后结合计量经济学中的协整检验和格兰杰因果关系检验，分析百度指数与微博签到人数之间的关系，利用百度指数空间分布特征及主成分分析后提取的3个解释变量构建向量自回归（vector auto regression,VAR）模型；最后比较了2个模型的预测精度。结果显示，百度指数存在地理空间属性，且与新浪微博签到人数互为格兰杰因果关系，存在1~23 d的滞后期。此外，相比ARMA模型，考虑了百度指数地理属性的VAR模型在样本期内的预测精度提高了13.1%，在样本期外的预测精度提高了27.9%。研究表明，百度指数的时间和空间属性对游客规模预测有重要意义和价值。     

一种基于百度指数的城市日游客规模预测方法

百度指数数据为预测游客规模提供了新思路。以杭州市为例，首先研究新浪微博签到数据与统计年鉴中实际游客量的关系，用新浪微博签到人数模拟实际旅游人数，建立杭州市日游客规模自回归移动平均（auto regressive moving average,ARMA）模型，并进行预测；然后结合计量经济学中的协整检验和格兰杰因果关系检验，分析百度指数与微博签到人数之间的关系，利用百度指数空间分布特征及主成分分析后提取的3个解释变量构建向量自回归（vector auto regression,VAR）模型；最后比较了2个模型的预测精度。结果显示，百度指数存在地理空间属性，且与新浪微博签到人数互为格兰杰因果关系，存在1~23 d的滞后期。此外，相比ARMA模型，考虑了百度指数地理属性的VAR模型在样本期内的预测精度提高了13.1%，在样本期外的预测精度提高了27.9%。研究表明，百度指数的时间和空间属性对游客规模预测有重要意义和价值。