近期热点文章

正关键词:Arrhenius公式的物理内涵·反应动力学W.Schmickler,Y.X.Chen,E.Santos,Z.He.The Pre-Exponential Factor in Electrochemistry,Angew.Chem.Int.Ed.,2018.DOI:10.1002/anie.201800130.中国科学技术大学合肥微尺度物质科学国家实验室和化学物理系陈艳霞教授课题组与德国Ulm大学的Schmickler教授课题组,在系统分析了文献中探究电催化反应的活化能与指前因子的理论和实验研究成果的基础上,基于Kramer理论给出了     

超高效液相色谱-四极杆/静电场轨道阱高分辨质谱检测食品中的牛奶过敏原酪蛋白

基于超高效液相色谱-四极杆/静电场轨道阱高分辨质谱系统,建立了食品中牛奶过敏原酪蛋白的快速筛查和定量检测方法。样品经缓冲液提取后,采用5 kD超滤膜去除小分子杂质,得到蛋白质提取液。以数据依赖采集(data-dependent acquisition,DDA)方式获得全扫描质谱图,进行蛋白质定性确证,以平行反应监测(parallel reaction monitoring,PRM)技术对目标特征肽段进行定量分析。针对特征肽段,设计并合成了内标肽和内标物质,以降低基质效应和抵消处理过程中的损失。该方法应用于食品中的α-酪蛋白、β-酪蛋白和κ-酪蛋白的快速筛查和定量检测。结果表明,该方法在5~250μg/L范围内线性关系良好,定量限为0.2~5.5μg/kg,平均回收率在68.8%~104.4%之间,RSD6%。该方法可用于果汁饮料、果酱、面包、早餐谷物中牛奶过敏原酪蛋白的快速筛查和定量分析。     

两个与高阶积分有关的Laplace变换公式的证明

本文分别利用高阶积分公式、数学归纳法以及卷积法对与高阶积分有关的两个Laplace变换公式给予了证明.     

分片连续映射的拓扑马蹄存在性

本文对分片连续映射生成的动力系统的拓扑马蹄存在性理论给出一个的讨论，给出了拓扑马蹄存在性定理。     

一种新型机械式延时自闭水嘴的设计与操作性能分析

针对目前市场上延时自闭水嘴在操作性能上的不足, 设计了一种新型机械式延时自闭水嘴. 对该水嘴启闭过程中的操作性能和延时性能进行分析, 得到了水嘴操作力矩、延时时间与卷簧结构参数之间的函数关系, 并提出了水嘴操作力矩的大小与变动率优化模型. 以操作力轻便、稳定为指标, 得到了水嘴延时组件结构参数的最优组合解. 结果表明: 参数优化后的水嘴最大操作力矩为374N?mm, 且趋于稳定, 性能明显提高.     

随机环境中两性分枝过程的马氏性和对偶性

证明了独立同分布环境中的两性分枝过程是时奇的马氏链,给出了过程灭绝一爆炸这一对偶性的一个新的证明。在随机环境情形下,证明了一类单调函数的存在性。     

随机环境中具有随机控制函数的受控分枝过程

对随机环境中具有随机控制函数的受控分枝过程进行了更为详尽的概率描述和直观解释;证明了此过程是时齐马氏链和随机环境中的马氏链,并对其概率母函数及矩量进行了讨论。     

恒加试验简单线性估计的改进

在恒加试验中加速方程的二个系数ａ与ｂ的估计最为重要。文中给出了参数ａ与ｂ的二种新的简单线性无偏估计（ＢＧＬＵＥ，ＲＧＬＵＥ），这两种无偏估计均比常用的二步估计有较大的改进。基于上述新的线性估计，文中还构造了二种新的线性不变估计（ＢＧＬＩＥ，ＲＧＬＩＥ）。这两种不变估计均优于文献（１）给出的简单线性不变估计。     

习题教学：学生数学思考的有效载体

习题教学是师生围绕习题进行一切教学活动的总和,它贯穿于数学教学的始终.数学思考指人们面临各种现实问题情境时,能够自觉应用数学知识、方法、思想和观念去发现其中所存在的数学现象和数学规律,并用数学知识和思想方法去解决问题.数学思考是学生数学学习的本质特点,是数学知识的本质特征,是数学教学中最有价值的行为,在数学习题教学中如果离开了数学思考,那只能是无效行为.有思考才会有问题,才会有反思,才会有思想,才能真正感悟到数学的本质价值.数学家波利亚说过:“与其穷于应付繁琐的数学内容和过量的题目,还不如适当选择某些有意义,但又不太复杂的题目去帮助学生发掘题目的各个方面,在指导学生解题过程中,提高他们的才智和推理能力.”因而,科学地借助习题教学这一载体,可以有效引发学生数学思考,培养学生解决问题的能力,促进学生思维品质的发展.笔者以一道中考题为例,论述如何通过习题教学引发学生数学思考.     

高光谱技术结合CARS算法的库尔勒香梨可溶性固形物定量测定

由于高光谱数据量大、维数高,光谱噪声明显、散射严重等特征导致光谱建模时关键变量提取较为困难,同时,高光谱图像的获取会受非单色光、杂散光、温度等多种因素的影响,从而使高光谱数据与待测性质之间有一定非线性关系。为此,提出采用正自适应加权算法(CARS)对可见-近红外高光谱高维数据进行关键变量筛选,并与全光谱和经典变量提取方法SPA,MC-UVE,GA和GA-SPA方法进行比较。以200个库尔勒香梨为研究对象,采用SPXY方法将样本划分为校正集和预测集,校正集和预测集分别包含150个和50个样本。基于不同方法筛选的变量,分别建立线性PLS模型及非线性LS-SVM模型,r2,RMSEP和RPD用于模型性能的评估。综合比较发现,GA,GA-SPA和CARS变量筛选方法能够有效地筛选出原始高光谱数据中具有强信息且对外界影响因素不敏感的变量,适用于高光谱数据关键变量的提取,其中CARS变量筛选效果最佳,基于CARS获取的关键变量构建的非线性LS-SVM库尔勒香梨SSC含量预测模型获得了最优的预测结果,r2_pre,RMSEP和RPD分别为0.851 2,0.291 3和2.592 4。研究表明,CARS方法是一种有效的高光谱关键变量筛选方法,利用高光谱数据,非线性LS-SVM模型比线性PLS模型更适合于香梨品质的定量预测。