国家层面创新能力的评价

 综述了创新、创新监测与评价的研究进展，辨析了国家创新能力、创新型国家和科技强国的内涵特征，分析了中国创新能力在世界上的相对位置，探讨了建设科技强国的经验及启示。     

锡苯和铅苯二聚反应的理论研究

采用密度泛函理论B3LYP方法,研究了锡苯和铅苯的[2+2],[4+2]及[4+4]二聚反应的微观机理和势能剖面,考察了Sn(Pb)原子上的2,4,6-三甲基苯基(Mes)取代基对反应势能剖面的影响.研究结果表明,所有反应均为协同过程,且大多数情况下,2个C—Sn(Pb)键同步形成.[2+2]和[4+2]反应在热力学和动力学上均比相应的[4+4]反应容易进行,而[4+2]反应在动力学上比相应的[2+2]反应有利.Sn(Pb)原子上的Mes取代基在热力学和动力学上均不利于反应的进行.铅苯的动力学稳定性与锡苯相当,但其热力学稳定性高于锡苯.     

基于多变量希尔伯特频域模型的癫痫发作预测

癫痫发作具有突发性和反复性,对患者生命安全构成巨大威胁.为了对癫痫发作进行有效地预测,提出了多变量希尔伯特频域模型的癫痫发作预测方法.将希尔伯特边际谱、希尔伯特边际谱的变化方向和希尔伯特加权频率组成一个三维特征向量作为多变量希尔伯特频域模型,输入到支持相量机中,实现癫痫的发作预测,最后采用癫痫发作预测特征方法对预测结果进行评估.实验结果表明:采用多变量希尔伯特频域模型分析方法预测δ波和θ波的癫痫发作,癫痫预测范围在30~45 min,患者有足够的时间采取措施应对;癫痫发作周期在5~10 min,缩短患者等待时间,降低焦虑程度;与多种相关方法进行比较,该方法具有较低的错误预报率和较高的预测敏感度.     

采空区注氮参数设计及三维流场分析

为了合理设计采空区注氮防火方案,以南山矿18-5采空区为研究背景,利用FLUENT软件,结合含变渗透系数的Forchheimer运动方程,对具有抽放巷和注氮管的复杂采空区模型三维流场进行了数值分析。结果表明,大流量注氮在采空区浅部即可取得很好的氧气惰化效果,随着注氮管的深入,惰化效果逐渐降低;小流量注氮取得的惰化效果具有相反的变化趋势,即二者存在不同的最佳注氮位置;受抽放巷影响,模型回风侧存在氧气富集区,仅靠注氮无法对其有效稀释,应配合工作面长距离封堵,减弱高抽巷引起的漏风。依据研究结论和现场施工条件,设计了合理的防火方案,在注氮工作之前,应首先对采空区规模、通风条件和制氮设备能力进行预先评估。     

基于DIS数字信息化系统对透光物质透光性能的研究

采用DIS数字信息化系统,对不同浓度的蓝墨水溶液在激光光源照射下的透射平均照度及照度分布图像进行实验研究,得到了平均照度值随溶液浓度变化的规律。对不同颜色塑料膜片对白炽灯光源透过照度值及照度分布图像进行实验研究得到及其相关之规律。     

图像增强技术在古籍图书电子化中的应用

为提高古籍图书电子化的处理质量,文章以带插图的书页和具有背景干扰的书页为处理对象,使用二值化法、直方图均衡法和对比度拉伸法对书页进行图像增强处理,并使用Visual Studio 2010软件和Open CV进行实验.结果表明:带插图的古籍书页适合采用对比度拉伸法处理,带背景干扰的书页适合采用二值化法处理.     

焦炉上升管内壁结焦炭层的光谱学分析及结焦机理研究

以焦炉上升管内壁结焦炭层块为研究对象，采用X射线荧光光谱仪（XRF）、X射线衍射仪（XRD）、傅里叶红外光谱仪（FTIR）和激光共聚焦拉曼光谱仪（Raman）对结焦炭层的元素组成，以及各结焦炭层的矿物组成、组成结构和分子结构进行测试。分析从结焦炭层块外表面向内表面过渡的各结焦炭层的差异性，揭示焦炉上升管内壁结焦机理。结果表明焦炉上升管内粉尘中Fe，S和Cr极易催化荒煤气中蒽、萘等稠环芳烃化合物成炭，在焦炉上升管内壁形成炭颗粒沉积，为焦油凝结挂壁提供载体，在荒煤气温度降至结焦温度时易结焦积碳。结焦炭层均含有芳香层结构，随着结焦炭层从外表面向内表面过渡，各结焦炭层的面层间距(d₀₀₂)逐渐降低、层片直径(L_a)先降低后增加、层片堆砌高度(Lc)和芳香层数(N)先稳定后增加。结焦炭层石墨化过程是由结焦炭层内表面向外表面进行，主要包括其片层外缘的羧基和部分C-O结构的降解剥离，从而形成高度规整的共轭结构。结焦炭层块中C元素是以结晶碳与无定型碳的混合物形式存在。以上研究为解决焦炉上升管内壁结焦及腐蚀问题，提高换热器换热效率，有效回收焦炉荒煤气显热，降低焦化企业能耗提供实验基础和理论依据。     

一种自适应步长的复合梯度加速优化算法

自适应步长加速(Adam)类算法由于其计算效率高、兼容性好的特点，成为近期相关领域的研究热点.针对Adam收敛速度慢的问题，本文基于当前梯度、预测梯度以及历史动量梯度，提出一种新型Adam类一阶优化算法——复合梯度下降法(C-Adam)，并对其收敛性进行了理论证明.与其他加速算法的区别之处在于，C-Adam将预测梯度与历史动量区别开，通过一次真实的梯度更新找到下一次迭代更精准的搜索方向.利用两组常用测试数据集及45钢静拉伸破坏实验的实验数据对所提算法进行验证，实验结果表明C-Adam与其他流行算法相比较具有更快的收敛速度及更小的训练损失.