下呼吸道感染与微量元素的变化

对３４例下呼吸道感染患儿及３０例健康儿童进行了血，发微量元素锌，铁，铜和常量元素钙的测定。疾病组发锌低于对照组，差异非常显著。疾病组血铁低于对照组，男组差异非常显著，女组差异显著。而血和发的钙，铜，含量及发铁两组间均无显著差异。故对反复发作的喘息性支气管炎和哮喘患儿适当补充锌制剂是需要的。     

电沉积法制备Sn-Co-C锂离子电池负极材料

本文分别采用柠檬酸和EDTA作为络合剂在CoCl2,SnCl4溶液中用电沉积方法制备Sn-Co合金电极,然后在相同条件下在镀液中加入硬碳制备Sn-Co-C复合电极.充放电测试结果显示EDTA作为络合剂时镀层循环性能明显好于柠檬酸,且比容量也较高.Sn-Co合金电极循环30次比容量保持率达91.6%,加入硬碳的Sn-Co-C复合电极比容量及循环性能较之Sn-Co合金电极都有了较大提高.电子探针结果表明EDTA作为络合剂的Sn-Co-C镀层中Sn、Co、C原子比例分别为61.8401%,22.3788%,12.5409%.SEM观察Sn-Co-C镀层表面为稳定的球状结构.     

钬对铂重整催化剂改性作用的研究

采用脉冲微反应技术研究了一系列Pt-Ho催化剂催化甲基环戊烷及环己烷的重整反应,应用Faraday磁天平研究了催化剂的磁性,用氢氧滴定法测定了催化剂上铂的分散度与平均粒径.结果表明,钬能改善活性组分铂的分散度,降低铂的平均粒径,从而增加铂催化剂的活性中心数,提高了铂重整催化剂的活性,进而增强了铂催化剂的抗硫稳定性.Pt-Ho催化剂的活性与磁性有对应关系.     

考虑司机扰动风险偏好异质的跟驰模型

基于优化速度模型,考虑司机扰动风险偏好异质的影响,提出了扩展模型.通过线性稳定性分析,得到了扩展模型的稳定性条件,表明前车司机扰动风险偏好系数相对跟驰车司机扰动风险偏好系数越小,扩展模型稳定区域越大.通过非线性分析获得了不稳定区域下的扭结-反扭结密度波.数值仿真也表明两者比值越小,越有利于初始稳态车流抑制扰动的传播和交通堵塞的形成.这为减少交通堵塞提供了一个可行的思路,比如按照司机扰动风险偏好系数相对大小由小到大进行排队形成车队行驶等.     

HPLC-ELSD法测定绞股蓝中绞股蓝皂苷A的含量

采用HPLC-ELSD法测定绞股蓝中绞股蓝皂苷A的含量。色谱柱为HibarC18(250×4.6mm,5μm),流动相为乙腈-水梯度洗脱,流速0.5mL/min,柱温为20℃,绞股蓝皂苷A在0.0425—1.995mg/mL范围内线性关系良好(r2=0.9962),并通过正交法优化其提取工艺。该方法简便、有效,为绞股蓝的质量控制提供一种准确可行的检测方法。     

考虑顾客放弃的在线客服最优服务人数模型

在线客服已成为当前客户服务中心的主要形式，其与传统的电话服务最大的不同是一位客服可同时为多位顾客服务。客服同时服务的人数直接影响着客服中心的服务效率：同时服务的人数较多，顾客虽然可以较早得进入咨询队列，但客服需要在多个不同的咨询主体之间频繁切换，会降低客服的服务效率；同时服务的人数较少，造成更多顾客等待服务开始，导致顾客的放弃率升高，降低客服中心的服务水平与质量。因此，在考虑顾客放弃行为的情况下，通过建立双层排队模型探究顾客平均逗留时间、顾客放弃率与同时服务人数之间的关系以确定最优服务人数，通过数值仿真验证了模型的准确性并进一步完成了相关参数变化时的敏感性分析。     

基于Omega涡识别方法的诱导轮内非定常空化流动分析

为精确捕捉诱导轮中空化的行为特征并揭示其非定常流动机理,采用大涡模拟(LES)对一凝水泵诱导轮在设计工况、临界空化数下单独进行数值分析。基于Omega涡识别方法,对诱导轮内空化流动的流动结构及空化泡的关系进行研究。结果表明,Omega涡识别技术可以很好反映流动结构(剪切流与旋转流)与空化泡的关系：设计流量、临界空化数下,诱导轮叶片入口附近空化泡主要集中在轮缘附近的回流区内,回流区内部流动主要以剪切流的形式存在;而在流道中的回流区内流动主要以旋转运动为主,且空化泡主要集中在回流区与主流的剪切层区。     

基于多任务卷积神经网络的红外与可见光多分辨率图像融合

红外与可见光图像融合一直是图像领域研究的热点,融合技术能弥补单一传感器的不足,为图像理解与分析提供良好的成像基础。因生产工艺以及成本的限制,红外探测器的分辨率远低于可见光探测器,并在一定程度上因源图像分辨率的差异阻碍了实际应用。针对红外与可见光图像分辨率不一致的问题,提出了用于红外图像超分辨率重建与融合的多任务卷积网络框架,应用于多分辨率图像融合。在网络结构方面,首先设计了双通道网络分别提取红外与可见光特征,使算法不受源图像分辨率的限制;其次提出了特征上采样模块,先用双线性插值方法增加像素个数,再通过多层感知器精细化拟合像素平滑空间与高频空间的映射关系,无需重新训练模型即可实现任意尺度的红外图像上采样;接着将线性注意力引入网络,学习特征空间位置间的非线性关系,抑制无关信息并增强网络对全局信息的表达。在损失函数方面,提出了梯度损失,保留红外与可见光图像中绝对值较大的滤波器响应值,并计算该值与重建的融合图像响应值的Frobenius范数,无需理想的融合图像作为真值监督网络学习就能生成融合图像;此外,在梯度损失、像素损失的共同作用下对多任务模型进行优化,可以同时重建融合图像和高分辨率红外图像...