一类非线性发展方程的精确解

利用hirota双线性法,得到(3+1)维孤子方程、(3+1)维KP-Boussinesq方程、(2+1)维修正Caudrey-Dodd-Gibbon-Kotera-S awada方程、Hirota-Satsuma浅水波方程的精确解,并做出一部分解的图形,进一步研究解的结构和性质.     

基于Rietveld精修方法解析Bi2O3的原子热振动

三氧化二铋(Bi₂O₃)是氧离子导电体,为了获得它的原子热振动各向同性温度因子,对该粉末晶体进行X射线衍射实验,建立了晶体结构模型,利用Rietveld 精修方法的RIETAN-2000 程序对所得实验结果进行了晶体结构精修,通过最大熵方法(MEM)解析得到了粉末晶体的等高电子密度分布三维(3D) 和二维(2D)可视化图谱。结果表明,各原子Bi₍₁₎、Bi₍₂₎、O₍₁₎、O₍₂₎和O₍₃₎的原子热振动各向同性温度因子分别为0.004 938 nm²、0.004 174 nm²、0.007 344 nm²、0.007 462 nm²、和0.007 857 nm²,等高电子密度分布的可视化,进一步验证了晶体结构模型和原子位置的准确性,这些参数对研究晶体材料的热性质具有一定参考意义。     

超声波燃气表矩形流道的雷诺修正系数仿真研究

在超声波流量计测量技术中, 雷诺修正系数相关的研究对于提高计量精度有重要作用. 为研究矩形流道的雷诺修正系数与雷诺数的关系, 对矩形流道在常温常压流量较小情况下进行仿真, 结果发现: 矩形流道层流状态下的雷诺修正系数与雷诺数呈线性相关. 保持压强、体积流量不变, 在不同温度下进行仿真及拟合, 结果表明: 在不同温度下雷诺修正系数与雷诺数的线性关系依然满足. 在上述实验基础上, 对矩形流道湍流状态下的雷诺修正系数与雷诺数关系进行研究, 通过改变温度、压强和体积流量进行仿真及拟合发现, 矩形流道湍流状态下雷诺修正系数与雷诺数呈非线性相关.     

电机驱动微装配在双光子制备微结构中的应用

对微结构的制作、微装配系统进行了研究. 采用飞秒激光双光子聚合微加工技术制作有底座、精细的三维立体“拱形”微结构, 其高250μm、长300μm、厚50μm. 将此微结构与实验室自主搭建的二维微装配平台相结合, 利用自主编程的人机交互界面驱动步进电机, 远程操控微装配设备; 将荧光闪烁陶瓷粉末装配到微结构中, 对装配后的微结构进行荧光光谱表征发现, 纯荧光粉末和微结构中的荧光粉末的发射光谱在测量误差范围内基本一致, 表明荧光粉末的光学性质未发生改变. 利用该装置可以将各类微纳米级材料和微结构进行装配, 形成含有不同材料的微结构系统.     

污泥基吸附剂对亚甲基蓝和环丙沙星的吸附性能研究

亚甲基蓝和环丙沙星是水体中2种污染物, 对生态环境有潜在危害. 本文以市政剩余活性污泥为原料, 氯化锌为活化剂热解制备污泥基吸附剂, 研究盐酸酸洗浓度、氯化锌浓度、热解温度、热解时间等对污泥基吸附剂吸附水中亚甲基蓝和环丙沙星性能的影响. 结果表明 (1)污泥基吸附剂对亚甲基蓝的吸附性能随盐酸酸洗浓度的增大而增加, 对环丙沙星的吸附性能则随盐酸酸洗浓度的增大呈先降后增趋势, 两者均在1.500mol·L-1盐酸浓度下取得最优值. (2)污泥基吸附剂对亚甲基蓝和环丙沙星的吸附性能随氯化锌浓度和热解温度的增加呈先升后降趋势, 在氯化锌浓度为4.0mol·L-1、热解温度为500℃时有最优值; 随着热解时间的延长, 污泥基吸附剂对亚甲基蓝和环丙沙星的吸附性能分别在500℃热解70min和80min时有最优值. (3)污泥基吸附剂的最佳制备条件为 氯化锌4.0mol·L-1活化2h、500℃热解70min和80min、1.500mol·L-1盐酸酸洗; 以此制得的污泥基吸附剂对亚甲基蓝和环丙沙星的去除率分别为97.7%和96.4%, 平衡吸附量分别为97.9mg·g-1和3.9mg·g-1, 且污泥基吸附剂对亚甲基蓝和环丙沙星的吸附过程均符合准二级动力学方程.     

基于GA_XGBoost模型的大学生科研能力预测问题研究

科学评价大学生科研创新能力对我国科研水平的提高具有重要意义.采用机器学习模型来预测大学生科研能力可以起到良好的效果,提出一种GAXGBoost模型来实现对大学生的科研能力预测.此模型是以Xgboost算法为基础,然后充分利用遗传算法的全局搜索能力自动搜索Xgboost最优超参数,避免了人为经验调参不准确的缺陷,最后采用精英选择策略以此确保每一轮都是最佳的进化结果.通过分析表明,所采用的GAXGBoost模型在大学生科研能力预测的结果中具有很高的精度,将此模型与Logistic Regression、Random Forest、SVM等模型进行对比,GAXGBoost模型的预测精度最高.     

基于电子病历的乳腺癌群组与治疗方案可视分析

乳腺癌是当前最常见的恶性肿瘤之一，其电子病历数据可用于挖掘隐含规律，对治疗与预后分析有重要意义。通过与乳腺科医生合作，选择合适的预测模型和可视化方法，搭建了一个基于电子病历的乳腺癌群组和治疗方案可视分析系统。首先，对具有高维属性的病人进行降维和聚类处理，形成病人群组，并采用南丁格尔图、词云和时间轴可视化方法，直观展示病人群组间特征的差异；然后，用支持向量机（support vector machine，SVM）模型预测治疗方案，用平行坐标、矩阵热力图和分类图分别展示属性相关性、训练后的特征权重和预测结果；最后，用真实案例验证了系统在群组分析、治疗方案及病人属性关联分析中的有效性，从而较好地帮助医生选择合适的治疗方案。     

概率语言多属性群决策方法及其在新型智慧城市市民获得感评价中的应用

针对公众参与的语言信息多属性群决策问题，研究了考虑参与者满意度的概率语言多属性群决策方法。首先，根据参与者的语言评价信息确定并规范化概率语言决策矩阵。然后，对大群体进行共识分析，由最大化参与者群体的满意度构建线性规划模型，确定参与者群组的权重；构造正、负理想方案的评价向量，构建多目标规划模型，用拉格朗日乘子法求解属性权重；定义各方案的加权贴近度，并以此对方案进行排序和优选。最后，通过新型智慧城市市民获得感评价案例验证了模型的可行性和有效性。     

基于联合神经网络学习的中文电力计量命名实体识别

随着电力计量业务的不断扩展，迫切需要由业务信息、技术知识、行业标准及其内在联系所组成的电力计量知识图谱，为电网的决策和发展提供更为全面有效的支持。命名实体识别是构建知识图谱的基础。针对电力计量领域需要，结合中文分词技术特点，基于联合学习思想，提出了一种基于联合学习的中文电力计量命名实体识别技术。该技术联合CNN-BLSTM-CRF模型与整合词典知识的分词模型，使其共享实体类别和置信度；同时将2个模型的先后计算顺序改为并行计算，减少了识别误差累积。结果表明，在不需要人工构建特征的情况下，方法的正确率、召回率、F值等均显著优于以往方法。     

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.