基于PI法的门源MS6.4地震前震中附近地震热点图像异常变化研究

基于1980年以来青海省和甘肃省区域地震台网的定位地震目录，分析了研究区最小完备震级，选取空间网格尺度为0.2°×0.2°、地震活动异常学习时间段和预测时间段均为3 a，应用图像信息（PI）法，分析了门源M_S6.4地震发生前震中附近地震热点图像的异常变化过程。结果表明，在2013年1月1日至2016年1月1日的预测时间窗内，冷龙岭断裂和祁连山北缘断裂附近存在明显的地震热点，且地震热点图像颜色偏深，发震概率较高，向前滑动至2014年1月1日至2017年1月1日，2015年1月1日至2018年1月1日和2016年1月1日至2019年1月1日3个预测时间窗，此两断裂附近仍存在地震热点，地震热点图像颜色逐渐由深变浅，而门源M_S6.4地震就落在PI法得到的地震热点内。门源M_S6.4地震前存在明显的地震热点，且地震热点相对集中，地震热点图像颜色由深变浅，震后消失；在祁连山北缘断裂附近，地震热点持续存在，分布较集中，地震热点图像颜色也呈由深变浅的过程。未来需关注祁连山北缘断裂，附近有发生强震的可能。     

变分模态分解在爆破信号趋势项去除中的应用

爆破工程中，信号趋势项的准确去除对提高爆破振动信号分析的精度具有重要意义。针对经验模态分解（empirical mode decomposition，EMD）识别法存在的模态混叠和端头效应等缺陷，提出了基于变分模态分解（variational mode decomposition，VMD）去除信号趋势项的方法，即VMD法。叙述了VMD法识别爆破信号趋势项原理，并进行了仿真实验，结果表明:趋势项频率对分解效果的影响相对较小，当趋势项频率处于1～5 Hz之间时，频率对分解效果的影响基本保持不变；振幅对分解效果影响显著，且振幅越小，VMD法的分解效果越差。当趋势项振幅超过原始爆破信号最大振幅的1/3时，VMD法分解效果较好。最后，应用VMD法和EMD法对含有趋势项的实测爆破振动信号进行处理，认为相比于EMD法，VMD法处理后的信号基本一致且不存在端点效应，在爆破信号趋势项去除领域中具有更加广泛的适用性。     

锡苯和铅苯二聚反应的理论研究

采用密度泛函理论B3LYP方法,研究了锡苯和铅苯的[2+2],[4+2]及[4+4]二聚反应的微观机理和势能剖面,考察了Sn(Pb)原子上的2,4,6-三甲基苯基(Mes)取代基对反应势能剖面的影响.研究结果表明,所有反应均为协同过程,且大多数情况下,2个C—Sn(Pb)键同步形成.[2+2]和[4+2]反应在热力学和动力学上均比相应的[4+4]反应容易进行,而[4+2]反应在动力学上比相应的[2+2]反应有利.Sn(Pb)原子上的Mes取代基在热力学和动力学上均不利于反应的进行.铅苯的动力学稳定性与锡苯相当,但其热力学稳定性高于锡苯.     

相位可控的核四极矩共振激励脉冲发生器设计

在核四极矩共振（NQR）领域，射频激励脉冲信号的优劣对NQR响应信号有重要影响.针对常规方法中射频激励脉冲参数不可控的问题，本文基于32位闪存微型控制器STM32和直接数字频率合成（DDS）芯片AD9910设计了一种相位可控激励脉冲发生器.采用STM32控制AD9910产生波形参数（脉冲宽度、脉冲间隔、脉冲个数和共振频率等）可控的射频激励脉冲，利用LabVIEW软件平台设计脉冲参数设置界面，并建立计算机与微控制器通信，实现波形参数的精确优化控制.实验结果表明，该方法实现了相位可控的NQR激励脉冲序列，可为后续NQR信号检测提供有效激励源.     

DMF体系中Cu2O球晶的制备及形貌分析

以N,N-二甲基甲酰胺(DMF)为溶剂,通过改变铜源和表面活性剂,调控反应参数,溶剂热条件下制备了三维十字形、空心及实心的Cu₂O球晶。利用XRD、SEM等表征手段,分析探讨了工艺条件变化对Cu₂O球晶形貌的影响。研究表明,随着DMF浓度的增大,体系的还原能力增强,Cu⁺增多,溶液的过饱和度增大,Cu₂O晶体集合体形态由晶体结构控制的各向异性与对称性的球晶逐渐向各向同性球晶演变。十二烷基硫酸钠(SDS)、十六烷基三甲基溴化铵(CTAB)、聚乙烯吡咯烷酮(PVP)等表面活性剂有助于降低溶液的过饱和度,增加结晶质的表面扩散能力,有利于规则形态Cu₂O晶粒的形成。反应体系中,Cu(Ac)₂·H₂O水解生成的羧基与DMF中的甲酰基在高温下发生脱羧反应产生CO₂气体以及SDS发泡作用产生的气体是形成空心Cu₂O球晶的重要原因。     

基于FCM的簇内欠采样算法

针对传统分类器在不平衡数据集上性能降低的问题,提出一种基于FCM的簇内欠采样算法(Fuzzy C-means clustering Based Under Sampling In Clusters, FCMUSIC)。使用模糊c-均值聚类算法(Fuzzy C-Means clustering, FCM)将多数类样本划分成若干簇,在每个簇内以类别不平衡比率(imbalanced ratio, IR)的倒数作为采样倍率,得到新的多数类样本并与少数类样本合并,形成新的平衡样本集,结合KNN和Random Forest分类器进行分类。分析在5组不平衡数据集上的分类结果,当使用KNN分类器时,改进后的算法的F1值平均提高了6.65%,G-mean值平均提高了7.75%;使用Random Forest分类器时,F1值平均提高了5.31%,G-mean值平均提高了6.07%。表明FCMUSIC算法能够有效地提升传统分类器对不平衡数据集的分类性能。     

排序支持的交互数据分类算法及其应用

交互分类是解决数据复杂分类问题的主要手段之一。在现有的大多交互分类系统中，用户能准确识别数据类别，但在有些分类场景中,类别之间的顺序关系更容易被识别，为此，提出一种排序支持的交互数据分类算法。为提升交互分类精度，引入数据的顺序信息，为降低标记难度，提出候选样本推荐策略。另外,提出一种评估分类算法性能的可视化方法，用包含基本车况、交通违法记录、交通事故记录等信息的车辆数据集进行实验验证，将相关车辆分为高危车辆、中危车辆、低危车辆3类，算法的分类结果模型一致度达近98%，验证了方法的有效性。