聚氨酯丙烯酸酯作为预聚体的光敏树脂的制备及性能

以六官能度聚氨酯丙烯酸酯(B-618)、三官能度聚氨酯丙烯酸酯(DH-317)、三丙二醇二丙烯酸酯(TPGDA)和1-羟基环己基苯甲酮(Irgacure184)作为组分制备一系列光敏树脂。利用凝胶率测定法对其光敏树脂的光敏性进行了研究。同时,对该光敏树脂的光固化膜进行了力学性能的测试。实验结果表明该光敏树脂的较佳配方为B-618质量分数28%,DH-317质量分数43%,TPGDA质量分数25%和Irgacure184质量分数4%,且固化膜具有较好的柔韧性、冲击强度和拉伸强度。 更多还原     

基于S-IFOWA算子的多属性决策方法及其应用

基于直觉模糊有序加权平均算子的相关思想,提出一种新的集成算子—对称直觉模糊有序加权平均(S-IFOWA)算子.并研究此算子的相关性质及给出基于S-IFOWA算子的多属性决策方法,并用实例来说明该方法的可行性和有效性。 更多还原     

解析对冲基金经理人的收费最大化问题

由于近年来对冲基金发展迅速,对冲基金经理人收费最大化问题也成为学者关注的焦点。文中将研究对冲基金经理人价值最大化的2篇文章作对比,其次考虑在只收取激励费和高水位线有增长率的情况下,分析对冲基金经理人的价值最大化问题。     

消除风向模糊性的一种方法

针对高频雷达探测海面风向存在模糊性的问题,提出了一种简单易行的多波束最小差值算法.应用该方法对OSMAR2000在东海的数据进行风场反演,并和观测船实测结果对比,两者吻合甚好,风向平均误差为20°,探测距离可达200km.     

用人工神经网络方法研究高聚物的热力学性质

用前馈多层神经网络方法研究了高聚物的热力学性质.在本文的人工神经网络模型中,输入层为高聚物的密度ρ,缠结分子量M-e,玻璃化转变温度T-g,高聚物的高弹性模量G-N,钩状构像含量β和无扰均方末端距的特征比C-∞;输出层为高聚物比热C-p;隐含层的节点数为5.最后预测结果与实验结果非常接近,相对误差为2.2～5.4,这为研究高聚物的其它物理性质提供了一种新的方法.     

Pr^3＋／Yb^3＋共掺光纤放大器中的能量转移过程

测量了ZBLAN玻璃中Pr^3 Yb^3 的吸收光谱和Pr^3 的荧光发射波长,分析了Pr^3 /Yb^3 共掺光纤放大器中的能量转移过程,运用电多极理论和多声子辅助能量转移理论计算了Pr^3 和Yb^3 之间的能量转移几率,对离子掺杂浓度,泵浦波长对Pr^3 和Yb^3 之间能量转移的影响进行了讨论,得到了最佳掺杂浓度和泵浦波长,此时Pr^3 /Yb^3 共掺的光纤放大器具有最大的荧光强度和最高的增益。     

Pr~(3 )/Yb~(3 )共掺光纤放大器中的能量转移过程

测量了 ZBL AN玻璃中 Pr3 ,Pr3 Yb3 的吸收光谱和 Pr3 的荧光发射波长 .分析了 Pr3 / Yb3 共掺光纤放大器中的能量转移过程 ,运用电多极子理论和多声子辅助能量转移理论计算了 Pr3 和 Yb3 之间的能量转移几率 .对离子掺杂浓度 ,泵浦波长对 Pr3 和 Yb3 之间能量转移的影响进行了讨论 ,得到了最佳掺杂浓度和泵浦波长 .此时 Pr3 / Yb3 共掺的光纤放大器具有最大的荧光强度和最高的增益 .     

关于有限群模范畴的商范畴及其等价函子

将所有能被p-可除kG-模分解的同态映射做成一个理想,利用该理想构造了有限群G的模范畴的商范畴,分析了该商范畴中的零对象,并得到该商范畴的3个等价函子。     

大花无柱兰遗传多样性的SRAP标记分析

大花无柱兰是一种珍稀兰科植物,具有一定的观赏和药用价值,但数量十分稀少,该物种亟待保护。本研究采用SRAP分子标记技术,对10个居群的115份DNA样品进行PCR扩增,并开展遗传多样性分析。从81对引物中筛选出9个条带清晰、多态性好、重复性高的引物组合,共扩增得到305条谱带。在物种水平上,多态性比率（PPB）为100%,Nei’s基因多样性指数（H）为0.209 8,Shannon’s指数（I）为0.340 2;在居群水平上,PPB为24.59%～52.13%,H为0.079 6～0.165 5,I为0.120 9～0.252 3。居群水平上,基因分化度（Gst）为0.520 9,基因流（Nm）为0.459 9,遗传距离为0.091 9～0.198 4。UPGMA聚类结果表明,10个居群可分为3大类,地理距离相近的居群优先聚集。大花无柱兰的遗传多样性较为丰富,居群间存在一定的遗传分化和基因交流,可采用就地保护和人工栽培等方式加以保护。     

基于动态模态分解的长江口海表温度时空分布特征重构研究

河口近海海域的海表温度分布特征对于深入理解海洋热力、动力过程及海气相互作用等自然过程及综合效应具有重要意义。卫星数据重构是精确获取动态大面积海表温度数据的重要手段,采用非线性系统的动态模态分解（dynamic mode decomposition,DMD）数据分析方法,利用2003年1月至2016年7月的MODIS\SST数据,经剔除异常数据、填补空白数据后,重构了2016年8月至2019年12月长江口海洋表面温度数据,并评估了重构效果。研究结果表明,在时序数据充足的情况下,DMD算法能很好地解决动态系统的采样问题。DMD结合正交三角（orthogonal right triangular,QR）分解算法能有效重构长江口的海表温度数据,平均均方根误差（root mean square error,RMSE）为0.007 6。进一步分析发现,无论是DMD算法还是DMD结合QR分解算法,还原结果精度都较高。