四模场中单原子系统的新算符求解方法

提出处理腔场与原子、腔场与腔场等系统的较为一般算符方法。基于此方法,通过构造四对时间依赖的产生和湮灭算符,简捷地求解四模腔场或四腔场与二能级原子非共振相互作用系统,得到其本征态、本征值和一般态矢。特别地,在四模场或四腔场和原子的初态分别为真空态和一般叠加态时,给出四场模平均光子数和原子布居数反转的时间演化。该新方法可应用于其它一些量子系统。     

基于套管-水泥环-地层热固耦合作用的多层套管环空附加压力预测模型

深水油气井生产阶段受地层高温流体的影响,会产生套管环空圈闭压力上升现象,严重威胁井筒完整性。本文推导出了基于套管-水泥环-地层热固耦合作用下的环空流体介质、自由段与封固段套管的位移函数,建立了多层套管环空附加压力矩阵方程,提出了套管环空压温比计算公式,分析了环空流体介质热弹性、套管壁厚和弹性参数、水泥环弹性参数等因素对各层套管环空附加压力分布规律的影响。结果表明:各层套管环空附加压力沿井筒上升方向逐渐增加,油层套管与生产管柱之间的A环空产生的压力附加值最大,增加环空流体压缩性、提高套管壁厚和提升水泥环弹性参数可有效降低套管环空附加压力,保障井筒安全.     

新型苯并噁唑侧基聚酰亚胺的合成、结构与性能研究

为了改善聚酰亚胺的不溶不熔性, 一类可溶性苯并噁唑侧基聚酰亚胺树脂被成功制备. 从合成的新型二元胺单体出发, 制备了侧链为邻羟基苯胺酰胺结构的聚酰亚胺体系, 进一步催化环化邻羟基苯胺酰胺为苯并噁唑结构, 并对这两类不同结构的聚合物树脂进行了红外光谱的结构表征, 以及最终成膜的力学性能和耐热性能测试. 研究结果表明: 苯并噁唑侧基聚酰亚胺的力学性能优于相应的主链型聚酰亚胺, 且TGA分析表明, 其初始分解温度高达597 ℃, 有望用于航空航天方面高强、高模、耐高温的结构材料.     

大气压光电离技术及其应用研究进展

大气压光电离离子源(APPI)是一种新兴的用于液质联用的软电离离子源,它是利用光化学作用将气相中样品电离的离子化技术,该技术促进了质谱技术对弱极性化合物的分析检测。介绍了液相色谱–质谱/质谱联用技术中大气压光电离的基本原理、应用优点,综述了其在定性、定量分析检测中的应用。     

ETER中子通量监测器的中子学计算

对ITER中子通量监测器（NFM）建立了简化模型并进行了计算分析。利用MCNP程序模拟计算了具有不同慢化剂材料，类型的NFM的探测效率能量响应和时间响应，通过对结果的分析确定了不同NFM上所使用的慢化剂种类及其用量，同时给出了对ITER NFM的初步物理认识。     

HL-1装置等离子体特性的初步研究

HL-1装置在环向磁场2.3T下运行,获得135kA平衡稳定等离子体,平顶时间160ms。实验表明,环向磁场杂散分量约为纵场的万分之一,导体壳和平衡场基本上能保证等离子体的平衡。观察到的电子温度约500eV,平均电子密度2.8×10~(13)cm~(-3),能量约束时间10ms,有效电荷数小于3,最低稳定运行安全因子2.5,最长放电持续时间1040ms。在对MHD稳定性进行观察的基础上,确定了稳定运行区域;极限密度服从Murakami定标律。     

用点正则变换方法求解双原子分子的双曲型Poschl-Teller势的束缚态

采用在点正则变换下形状不变势的映射方法,给出了将Poschl-Teller Ⅰ势映射至Poschl-Teller Ⅱ势的点正则变换,并从Poschl-TellerI势的束缚态能级和波函数求得了Poschl-Teller Ⅱ势的束缚态能级和波函数.     

����ͨ���豸��ר�ó������X�ź����ݲɼ��������

采用了通用高速A/D采集器采集信号数据,用软件的方法开发出了具备多道能谱脉冲识别和计数分析能力的软件.用此软件实现了每次托卡马克放电后,在较短的时间内从庞大的原始采集数据中提取出能谱脉冲数据,计算和显示能谱图,这为下一步测量电子温度打下了基础,并同时实现了数据共享.     

基于BalanceCascade-GBDT算法的类别不平衡虚假评论识别方法

虚假评论是电商发展过程中一个无法避免的难题. 针对在线评论数据中样本类别不平衡情况,提出基于BalanceCascade-GBDT算法的虚假评论识别方法. BalanceCascade算法通过设置分类器的误报率逐步缩小大类样本空间,然后集成所有基分类器构建最终分类器. GBDT以其高准确性和可解释性被广泛应用于分类问题中,并且作为样本扰动不稳定算法,是十分合适的基分类模型. 模型基于Yelp评论数据集,采用AUC值作为评价指标,并与逻辑回归、随机森林以及神经网络算法进行对比,实验证明了该方法的有效性.     

基于小波神经网络与ARIMA组合模型在股票预测中的应用

为了实现对股票价格变化的短期预测,提出了一种基于小波神经网络(WNN)与自回归积分滑动平均模型(ARIMA)的组合预测模型.将股票的收盘价序列数据划分为线性以及非线性(误差项)两个部分,分别利用统计学中ARIMA模型和小波神经网络分别对两部分数据进行预测并得到结果,将两部分结果组合相加合成为整个股票价格的预测结果.实验结果表明该组合模型在预测精度方面有提高,是一种比较有效的预测模型.