基于改进狼群算法-深度置信网络(IGWO-DBN)模型的旋风分离器压降预测

针对目前旋风分离器压降计算模型在准确性和实用性上的不足,为更好地指导旋风分离器的结构设计和性能优化,采用深度学习方法对其压降进行了预测。选取了影响压降的7个几何参数,采用深度学习中的深度置信网络（deep belief network,DBN）对旋风分离器压降数据进行预测,并利用改进的狼群算法（improved grey wolf optimizer,IGWO）对DBN模型的初始化权重和偏置参数进行寻优,构建IGWO-DBN组合模型,同时与几种传统计算模型和机器学习模型的预测结果进行对比。结果表明,IGWO-DBN模型在计算精度上优于Shepherd-Lapple模型、Casal模型等传统计算模型,并优于反向传播神经网络（back propagation neural network,BPNN）、支持向量机（support vector machine,SVM）、极限学习机（extreme learning machine,ELM）等机器学习模型,计算效率大幅提升,且具有较好的泛化性和鲁棒性,可用于旋风分离器压降参数的预测。     

目前土壤钾素测定的前处理方法能真实反映田间土壤钾素水平吗？

选取4种不同类型的土壤,采用室内培养试验,研究了不施钾（-K）和施钾（＋K）条件下,土壤样品风干前后速效钾和缓效钾含量的变化．结果表明,-K条件下,不同含水量时（微湿、近饱和、淹水）,红壤、黄褐土、潮土和灰潮土风干样速效钾含量与鲜样测定值相比均有所降低,平均降低幅度分别为11．5％,3．8％,12．1％和5．0％;＋K条件下,风干样速效钾含量与鲜样测定值相比降幅更大,4种土壤分别为15．1％,9．5％,21．0％和20．2％．-K条件下,红壤、黄褐土、潮土和灰潮土风干样缓效钾含量与鲜样相比也有所降低,平均降低幅度分别为8．7％,13．4％,18．4％和22．8％;＋K条件下,红壤风干样缓效钾含量与鲜样相比显著增加,平均增幅为34．7％．黄褐土、潮土和灰潮土风干样缓效钾含量与鲜样相比则有所降低,平均降幅分别为8．7％,7．7％和9．9％．试验结果还显示,采用鲜样直接测定土壤速效钾和缓效钾时,同一土壤不同含水量间的钾素含量无显著差异．可见,土壤样品经风干处理后再进行钾素含量测定,其速效钾测定值明显低于鲜样直接测定结果,且土壤初始速效钾含量越高,风干后测定值的降低幅度越大．土壤风干样的缓效钾测定值在大多数情况下也低于鲜样测定结果（有的土壤略有不同）．不同土壤经风干处理后的钾素含量测定值的变化幅度不尽相同,这可能与土壤粘土矿物组分及土壤钾素含量高低有关．结果证明了目前土壤钾素测定前的风干处理影响了评价田间土壤供钾能力的真实性．因此,在评价土壤钾素供应能力时,建议采用鲜样测定土壤不同形态钾素含量．     

1H/31P双核并行磁共振成像线圈的研究与设计

本文通过对鸟笼线圈原理和阵列线圈去耦原理的分析,提出了一种适用于自主研发的多核并行磁共振成像（MRI）系统的双核并行成像线圈设计方案,并在电感去耦的基础上提出LC并联trap去耦法,提高了去耦方法的可适性．依据设计方案制作了¹H/³¹P双核并行成像线圈,并将其应用于4.7 T磁体系统,利用自主研发的多核并行MRI系统进行了并行成像实验测试,成功获得了¹H和³¹P的并行磁共振图像,验证了设计方案的可行性．