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...     

游客情感计算的文本大数据挖掘方法比较研究

旅游文本大数据以其方便、快捷和低门槛的特点为游客情感计算提供了极大便利，已经成为旅游大数据的主要来源之一。基于大数据理论和情感理论，以文本大数据为数据源，在全面梳理国内外情感计算相关成果的基础上，利用人工智能中的逻辑/算法编程方法、机器学习方法、深度学习方法对旅游文本大数据进行挖掘，探索最佳的基于文本大数据的游客情感计算方法。研究发现：（1）基于情感词典的游客情感计算模型，其核心是构建情感词典和设计情感计算规则，方法简单，容易实现，适用语料范围广。（2）机器学习，用统计学方法抽取文本中的特征项，具有非线性特征，可靠性较线性特征的情感词典方法高。（3）基于深度学习技术的游客情感计算，效果良好，准确率在85%以上。训练多领域的文本语料易于移植，实用性强，且泛化能力好，较适合大数据时代游客情感计算研究。     

利用沉积物和水体的环境DNA检测鱼类物种多样性的差异

环境DNA(environmental DNA,eDNA)调查因其敏感且能提供高分辨率的群落组成数据,正越来越多地被用于生物多样性的监测。但环境DNA研究评估不同的环境样本类型如何影响物种的可检测性仍然很少。在此,我们利用线粒体细胞色素b基因的环境DNA宏条形码比较了鄱阳湖中沉积物和水体的鱼类群落组成。结果显示:沉积物样本注释到6目10科18种,水体样本中注释到5目7科13种。沉积物和水体环境DNA共同注释到8种鱼类(32%)。本研究注释到的鱼以鲤科鱼类居多,且以小型、湖泊定居型、杂食性鱼类为主。沉积物样本中检测到的鱼类的多样性高于水体中的。鱼类环境DNA有垂直分布差异。本研究得出结论,在进行环境DNA调查时需要仔细考虑环境样本类型。建议在使用环境DNA进行鱼类资源研究时,取样策略采取沉积物样本和水体样本相结合将会更有意义。     

基于模糊形式背景的变精度模糊信息粒

在模糊形式背景下研究变精度的模糊信息粒,给出精度为δ的必要模糊信息粒,充分模糊信息粒以及充分必要模糊信息粒的定义.在此基础上,进一步给出对任意给定的模糊信息粒转化为精度为δ的必要模糊信息粒,充分模糊信息粒及充分必要模糊信息粒的方法.     

数据驱动计算力学研究进展

以数字孪生、人工智能为核心的大数据理念正深刻影响着第四次工业革4 命，数据驱动计算力学在此背景下应运而生并展现勃勃生机。与此同时，航5 空航天等尖端工业领域对高性能材料与结构的先进制造与安全评估提出了更6 严峻的挑战，经典计算力学已很难实现成倍缩短产品研发周期、实时跟踪产7 品信息并提供解决方案的目标。因此，发展面向高性能材料与结构的数据驱8 动计算力学正当其时且刻不容缓。本文拟通过梳理数据驱动计算力学的部分9 研究现状，探讨并浅析数据驱动计算力学的发展趋势.     

化学法改性煤沥青脱除苯并芘的研究

在管式反应器中采用苯甲酸、聚乙二醇、固体古马隆树脂（S）、液体古马隆树脂（L）为添加剂来降低煤沥青中有害物质苯并芘的含量，以期使得煤沥青可绿色化应用。采用紫外-可见分光光度计分析煤沥青中苯并芘含量。考察了反应温度、反应时间、添加剂添加量、催化剂等工艺条件对添加剂脱除煤沥青中苯并芘的影响。结果表明，不同工艺条件能降低煤沥青中苯并芘的含量。在优化条件下，不同添加剂对苯并芘脱除率由高到低依次为：液体古马隆树脂、聚乙二醇、苯甲酸和固体古马隆树脂。分析其反应机理，这与催化剂的酸性相关，发生亲电取代反应。结果表明，液体古马隆树脂（L）在催化剂存在下对煤沥青中苯并芘脱除率可达73.0%，显示了良好的应用前景。     

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。     

熵的一种通俗教法

熵如力、能量和动量一样是物理学中一个重要概念,若能用一种通俗易懂的方法设计熵的教学,对文科物理的教学有重要意义.为此本文提出了一种通俗的熵的教法,这一教法不需要学生学习热力学第二定律也可以建立熵的概念.具体教学设计如下:通过日常生活例子引入熵的概念(也就是玻尔兹曼熵),设计两个例子让学生会计算熵,通过具体问题的讨论让学生充分理解熵的意义,通过一个实例由玻尔兹曼熵引入克劳修斯熵公式,设计一个演示实验强化教学效果,将熵与环境保护联系起来融入人文情怀,最后还强调了熵计算的不同层次.教学设计完全采用基于问题学习(PBL)的教学模式.     

基于串联两阶段网络DEA模型的供应链规模收益分析

数据包络分析(DEA)是评价供应链系统(Supply chain system)间相对有效性的一种重要的工具,但是传统的DEA不考虑供应链的内部结构,对系统效率评价偏高;而本文所研究两阶段串联供应链系统,考虑把部分中间产品作为最终产品输出,增加额外中间投入的情形.基于所提出的供应链系统结构,本文建立相应的串联结构下的网络DEA模型,并针对所建立模型进行相关理论的研究,给出了串联结构下的生产可能集和规模收益情况判定方法.最后,进行数值实验,以验证我们提出的结论.     

关于“创新环境”内隐观的调查研究:基于新疆高校师生大样本调查数据

采用内隐研究方法,以新疆高校师生为调查样本,探究普通人对"创新环境"的认知,研究结果表明:1)人们对"创新环境"的认知以某种特征结构形式存在于头脑中,并呈现出丰富的内涵;2)经过因子分析,发现人们心目中理想的创新环境由创新网络、社会保障、组织支持、物质基础、人文氛围、创新资源六个维度35个指标构成;3)不同类型学校、教师与学生对创新环境特征的认知上存在显著性差异.