疏水改性pH响应型智能水凝胶P(HEMA-NaAA-DiAC16)的制备及其溶胀性能

以二烯丙基胺和1-溴代十六烷为原料合成了疏水单体N,N-二烯丙基正十六烷胺(DiAC16),用FTIR、1H NMR 和元素分析对其进行了表征。 以2-羟基甲基丙烯酸乙酯(HEMA)、丙烯酸(AA)和N,N-二烯丙基正十六烷胺为共聚单体,N,N′-亚甲基双丙烯酰胺(BIS)为交联剂,十二烷基硫酸钠(SDS)为表面活性剂,过硫酸铵-四甲基乙二胺(TMEDA)为引发体系,制得的疏水改性智能水凝胶P(HEMA-NaAA-DiAC16)具有pH敏感特性。 研究了DiAC16、NaAA、BIS用量及pH值和离子强度等因素对水凝胶P(HEMA-NaAA-DiAC16)溶胀性能的影响。 结果表明,凝胶在水中的平衡溶胀率(为78.9～163.91),随DiAC16、BIS用量的增加和NaAA用量的减少而减少,n值(一般在0.5~1.0之间)随DiAC16、NaAA和BIS用量的增加而增加,为非Fickian扩散。 水凝胶的吸水溶胀是放热过程,ΔHm在-2.09～-3.64 kJ/mol,ΔHm的绝对值随DiAC16用量的减少、NaAA用量和BIS用量的增加而增大,聚合物与水的亲和力逐渐增强。 随离子强度的增强,平衡溶胀率下降。     

头发铅含量测定的应用价值评价

调查了125例2－5岁儿童铅中毒状况，测定其全血铅含量和头发铅含量，以全血铅含量为标准，应用诊断试验评价方法评价头发铅测定的应用价值。结果表明，该试验的灵敏度可达88．3％，应用串联试验，即同时测定头发中锌、铁、钙含量，可将该试验的特异度提高至81．8％，阳性预测值达69．6％，阴性预测值达78．8％。     

表面增强拉曼光谱对西地那非类药物的快速检测

采用表面增强拉曼光谱(SERS)技术并结合简单的前处理流程,对保健品样品中11种西地那非类药物进行了非定向快速筛查研究.结果表明,11种西地那非类药物可根据结构分为5类,类别之间SERS谱图差异显著;类别内SERS谱图具有共性特征,特征峰相对强度差异明显.实际样品的检测中,西地那非类药物的最低检出浓度约为0.05 mg/kg;前处理和测试的总时长约为3~5 min,且与检测目标物和样品无关.本方法高灵敏度、快速和非定向检测的设计理念为快速检测保健品中违禁添加药物提供了新思路和新方法.     

双靶向CdTe量子点的制备及其在细胞标记中的应用

以巯基乙酸和巯基乙酰肼为稳定剂,制备了酸度敏感型CdTe量子点。经与抗体链接,该量子点具备酸度敏感、免疫识别双重靶向功能。经荧光光谱分析、透射电镜图像及细胞免疫成像证明,抗体已成功链接于量子点表面,且该量子点具有酸度敏感及抗体识别的双重靶向功能,可以实现对肿瘤细胞的特异性标记。     

基于坐标映射的类周期电磁金属阵列布局设计的灵敏度分析方法

特定性能的类周期电磁金属阵列已成功应用于多种类型的电磁器件中,以实现其电磁辐射或散射性能的提升设计.类周期电磁金属阵列可描述为由多个相似形状的电磁金属单元按照特定的布局形式组合形成.布局形式由阵列的布局参数确定,通常包括每个单元的尺寸、转角以及位置参数.布局参数往往规模较大且相互独立,需要经过设计优化以满足阵列的性能要...     

计算重根特征向量导数的消元法

本文提出了重根特征向量导数计算的消无法，它分为若干直接算法和一种迭代算法。这种方法概念简单、实施容易、精度良好。该方法可经简单移值用于非重根情况。     

结构动力优化设计述评与展望

结构动力优化设计是当前工程结构设计研究领域中的前沿性课题。文中着重从结构动力特性优化、结构动力响应设计、结构动力灵敏度分析和基于可靠性的结构动力优化设计等四个专题方面对结构动力优化设计研究的发展与现状进行了述评,并粗略地展望了结构动力优化研究未来的发展趋势。      

弹塑性摩擦接触问题形状设计灵敏度分析

提出了一种计算二维有限变形弹塑性摩擦接触问题形状设计灵敏度的算法. 采用主动集策略和mortar方法处理接触边线上的约束条件. 在mortar接触边线的切线和法线方向上采用相同的名义罚函数,提出基于名义罚函数的移动摩擦锥算法来正则化接触约束条件,发展了一种新的二维多体有限变形摩擦接触算法. 在此基础上, 通过将离散形式的摩擦接触问题控制方程对形状设计变量微分,得到了该路径相关问题的直接微分法解析设计灵敏度计算格式, 其节点位移灵敏度方程在每个增量步不用迭代、直接求解. 与国际上现有的二维多体有限变形摩擦接触问题的解析设计灵敏度算法相比,本算法不需分解为法向和切向推导,表达式较简洁,便于编程实现. 数值算例验证了算法的精度和有效性.      

多参数二次特征值问题重特征值的灵敏度分析

本文研究解析依赖于多参数的二次特征值问题重特征值的灵敏度分析,得到了重特征值的方向导数,证明了相应的特征向量矩阵和特征值平均值的解析性,给出了其一阶偏导数的表达式．然后以这些结论为基础,定义了二次特征值问题重特征值及其不变子空间的灵敏度,并给出了确定二次特征值问题所含矩阵中敏感元素的方法．     

Applying Hybrid ARIMA-SGARCH in Algorithmic Investment Strategies on S&P500 Index

This research aims to compare the performance of ARIMA as a linear model with that of the combination of ARIMA and GARCH family models to forecast S&P500 log returns in order to construct algorithmic investment strategies on this index. We used the data collected from Yahoo Finance with daily frequency for the period from 1 January 2000 to 31 December 2019. By using a rolling window approach, we compared ARIMA with the hybrid models to examine whether hybrid ARIMA-SGARCH and ARIMA-EGARCH can really reflect the specific time-series characteristics and have better predictive power than the simple ARIMA model. In order to assess the precision and quality of these models in forecasting, we compared their equity lines, their forecasting error metrics (MAE, MAPE, RMSE, MAPE), and their performance metrics (annualized return compounded, annualized standard deviation, maximum drawdown, information ratio, and adjusted information ratio). The main contribution of this research is to show that the hybrid models outperform ARIMA and the benchmark (Buy&Hold strategy on S&P500 index) over the long term. These results are not sensitive to varying window sizes, the type of distribution, and the type of the GARCH model.