浅谈建设项目风险分析与控制

建设项目充满着风险,并且其风险将一直贯穿于工程的全过程.因此我们应当善于分析各种风险因素,正确地估计各种风险的大小,认真研究风险的防范措施,把风险可能造成的损失控制在最低的限度.     

海洋来源褐藻胶裂解酶分离纯化及酶学性质研究

以假交替单胞菌(Pseudoalteromonas sp.zb7-4)发酵制备褐藻胶裂解酶粗酶液,采用弱阴离子DEAE交换层析分离褐藻胶裂解酶,分析纯化褐藻胶裂解酶Alg L的酶学特性.结果表明:Alg L的表观分子质量约为32 ku,比活力为(208.26±5.87)U·mg-1;其最适反应pH为7.0,在pH为6.0~10.0范围内稳定性较好,保温1 h仍能保持80%以上的相对酶活力;最适反应温度50℃,在40℃保温30 min,其残余酶活力高于80%;Cu2+、Cr3+、Co2+、Ba2+、Sr2+、Hg2+对该酶具有不同程度的抑制作用,Hg2+抑制作用最为明显;该酶具有较好的盐耐受性,在3 mol·L-1Na Cl反应体系中保温2 h,仍残余66%酶活力.动力学参数Km、Vmax、Kcat测定表明,该酶对聚古罗糖醛酸钠(PG)亲和力较高,为偏好聚甘露糖醛酸钠(PM)裂解作用的双功能酶.     

基于复合储能的船舶电力推进系统功率波动平抑控制策略

针对船舶电力推进系统在负载功率波动较剧烈的应用中存在的经济性问题,提出一种利用复合储能平抑船舶电力推进系统功率波动的协调控制策略,通过设计基于低通滤波的自适应系数调整算法,有效解决功率波动平抑过程中储能模块过充或过放的问题.为验证该方法的有效性和可行性,以实测耙吸式挖泥船为例,利用MATLAB对所提出的控制策略进行仿真分析.结果表明,该控制策略能够有效平抑耙吸式挖泥船的功率波动问题,同时,能够灵活、快速地对储能系统充/放电功率进行控制,使得复合储能模块具有较好的荷电状态.该方法对提高耙吸式挖泥船等电力推进船舶的能效指标和经济性具有较好的应用前景.     

纳米ZnO材料的合成及其光催化应用

纳米氧化锌(ZnO)作为一种半导体金属氧化物功能材料,它的诸多特性如荧光性、光催化活性、紫外激光发射、紫外线吸收、光电及压电性等被人们陆续发现并广泛应用于荧光体、高效催化剂、紫外线遮蔽材料、气体传感器、图像记录材料及压电材料等多个领域.ZnO由于其绿色、环保和高效等优点,近年来在环境污染控制方面受到人们的广泛关注.通过合成技术和条件控制纳米ZnO材料的粒径、表面态和形貌等参数可以提高光催化材料的光催化活性和量子产率.本文综述了本课题组对纳米ZnO材料的合成技术及其在光催化领域的应用研究,主要探讨了影响纳米ZnO材料光催化性能的相关参数.     

川渝地区雾霾时空分布特征及影响因子分析

利用1981-2014年川渝地面气象观测资料,分析了川渝地区雾霾的时空分布特征及影响因子,结果表明:川渝地区雾日变化总体呈下降趋势,两种雾日观测资料的倾向率分别为-6d/10a和-8.2d/10a,研究时段内未出现突变点,80年代到90年代初,雾日变化周期以2~4a为主,21世纪后以8~10a为主.霾日总体趋势与雾日变化相反,呈上升趋势,倾向率为8.2d/10a,1997年开始发生突变,90年代变化周期以2~4a为主,2000年后4~10a周期变化较显著.在对雾霾与风速和空气相对湿度的关系讨论中发现,整个川渝地区雾与风速的变化趋势一致,与相对湿度呈正相关;霾与风速的变化趋势相反,与相对湿度呈负相关.     

筚路蓝缕——吉林大学通信工程学院(原长春邮电学院)建院七十周年

1947年,中共东北局为巩固东北根据地和人民政权,支援解放战争,加速恢复与建设解放区邮电通信,在黑龙江省佳木斯市西郊朱板村创建了东北邮电学校.学校由东北邮电管理总局局长陈先舟兼任校长.当时东北邮电学校的办学宗旨是为东北解放区和即将诞生的新中国培养邮电通信技术人员与管理干部,为解放战争和建立新中国提供可靠的通信保障和优质的通信服务.     

Information Transmitting and Cognition with a Spiking Neural Network Model

Information encoding plays a crucial role in neuroscience. One of the fundamental questions in cognitive neuroscience is how the brain encodes external stimuli in the sensory cortex. We use a network model based on the Hodgkin–Huxley type to study the information transmitting including its storage and recall. The model is inspired by psychological and neurobiological evidence on sequential memories. The model contains excitatory and inhibitory neurons with all-to-all connections whose architecture has two layers. A lower layer represents consecutive events during the information encoding process, and the upper layer is used to tag sequences of events represented in the lower layer. The spike-timing-dependent plasticity learning rule is used for sequential storage of excitatory connections between the modules. Computer simulations demonstrate that the synchronization status of multiple neurons is dependent on the network connectivity patterns, and also this model has good performance for different sequences of storage and recall.