信息技术与物理课程教学的整合

1运用积件思想 寻求高层次整合方法 目前,在计算机辅助课堂教学这个领域中,市场上已有一定数量的物理教学软件,但能够真正适合教学的却不多,加上教师自制课件的水平又不是很高,很容易造成“低水平重复”的现象因而寻求计算机辅助教学软件开发和应用的新路子——积件思想应运而生．积件“是由教．师和学生根据教学需要自己组合运用多媒体信息资源的教学软件系统”,是一个完全开放的软件系统,     

二元Weinman型指数分布随机变量之和、差、积、商及比率的分布

出于水文科学应用的需要,本文导出了二元Weinman型指数分布随机变量之和、差、及比率的精确分布;计算了二元Weinman型指数分布随机变量之积、及商的精确分布,所得结果可应用于水文科学的教学和研究之中.     

超富足半群及其子类

借助半群的Malcev积和公理化条件,对超富足半群及其子类进行了刻画,给出了超富足半群及其子类的若干特征.     

利用公式ζ(2)=π2/6快速计算圆周率

在等式π2/6=ζ(2)中将1/l2拆分为一系列以若干连续正整数之积为分母的分数之和,利用这些正分数特有的性质,给出了级数ζ(2)第n项以后各项之和的高精度快速算法,其误差小于(n-1)!n!高精度π值,误差显示计算精度达到1.0E-3023时仅需20000个运算量.     

融合图卷积神经网络和注意力机制的PM2.5小时浓度多步预测

PM_2.5小时浓度多为单步预测。为实现PM_2.5小时浓度的多步预测,基于“编码器-解码器”的序列-序列预测（Seq2Seq）模型,集合图卷积神经网络提取非欧式空间数据特征的能力以及注意力机制自适应关注特征的能力,提出了融合图卷积神经网络和注意力机制的PM_2.5小时浓度多步预测（GCN_Attention_Seq2Seq）模型。并与Seq2Seq模型和使用了图卷积神经网络、未使用注意力机制的GCN_Seq2Seq模型进行了对照,以2015—2016年北京市22个空气质量监测站点的空气质量数据为样本进行实例验证,结果表明,Seq2Seq模型和图卷积神经网络（GCN）可对PM_2.5小时浓度数据的时空依赖进行有效建模,注意力机制有助于减缓多步预测中的预测精度衰减,提升PM_2.5小时浓度多步预测的精度。GCN_Attention_Seq2Seq模型可有效应用于多种长度的PM_2.5浓度预测窗口。     

玻色化方法在超对称可积系统的应用

利用玻色化方法可以避免超对称可积系统中反对易费米场带来的计算困难. 本文以N=1超对称mKdVB系统为例, 利用玻色化方法, 将其转化为只有玻色场的耦合系统. 应用标准的WTC方法, 证明了该耦合系统具有Painlevé性质. 运用Painlevé截断方法, 可以得到玻色化后超对称mKdVB系统的非局域对称. 为了求解与非局域对称相关的Lie第一性原理, 引入新的场将玻色化后系统拓展为更大的系统. 通过引入新的场, 该非局域对称局域化为Lie点对称. 因此, 可以利用Lie点对称约化方法研究拓展后的系统, 得到超对称mKdVB系统的孤子与其他孤波相互作用解.     

通过Painlevé分析从低维模型中寻找高维可积模型

将Painlevé方法推广到更一般的形式, 可以从给定的低维可积模型中得到无穷多个新的可积模型. 新的可积模型与原模型相比都是较高维的, 它们保持保角不变性和Painlevé性质. 本文主要以KdV、NLS和KP方程为例, 运用WTC法、截断展开、领头项分析等方法, 给出了(3+1)维可积模型的具体形式.     

有限群共轭类长度的一点注记

假设G=AB是子群A和B的互相置换积。通过A?B中元素的共轭类长度给出了群G的结构,推广了一些最近的结论。     

化学气相淀积法合成氮化铝薄膜及其工艺设计

对ＡｌＢｒ３－ＮＨ３－Ｎ２体系化学气相淀积法合成Ａ１Ｎ膜进行了热力学分析和工艺设计，研究了在不同淀积温度和体系总压时，体系中主要气态物种的平衡分压和Ａ１Ｎ膜的理论淀积速率与源温和载气流量的关系，并与微波等离子体化学气相淀积Ａ１Ｎ膜的实验结果进行了比较。