组合几何蒙特卡罗粒子输运支撑软件框架JCOGIN介绍

介绍了JCOGIN支撑软件框架层次式、模块化的体系结构及其核心数据结构。这些使得JCOGIN软件框架能够支撑大规模复杂几何的蒙特卡罗（MC）粒子输运并行计算。同时介绍了在JCOGIN支撑软件框架下研发的JMCT程序,并进行了性能测试,在2万处理器核上模拟20亿粒子,并行效率达到70%。     

高职物理教学中的合成与分解

高职物理教学中涉及到合成与分解的地方主要有两处：一是力的合成与分解，另一是运动的合成与分解。由于学生在初中物理和数学教学中从未学过矢量概念，而高职数学中矢量的教学又要到很迟才进行，学生学习“合成与分解”的困难很多，笔者从以下几方面进行尝试，以解决学生在学习中的难点，消除模糊认识。     

基于粒子群算法改进SVM的滑模控制研究

为了提高离散时间系统的控制品质以及削弱系统抖振,提出了基于粒子群算法(particle swarm optimization,PSO)改进支持向量机(support vector machine,SVM)的滑模控制方法并进行了仿真研究;通过SVM识辨参量模型与PSO寻优处理,获得趋于理想滑模运动的趋近律参数,确保寻优处理时间短、精度高;利用PSO和SVM在线调整滑模趋近律参数,可以克服常规滑模控制中需要事先设定趋近律参数限制的弊端,加快跟踪速度,削弱系统抖振,完善控制质量;仿真实验表明,该方法可以克服因 PSO寻优过程中的寻优时间过长等不足,又可解决SVM精度不高或计算量大的缺点;该方法用于离散时间系统是可行、有效的,工程实用性强。      

巧设一个实验突破三大难点——向心加速度教学新探

向心加速度公式究竟应如何推导？向心加速度的物理意义何在？如何准确地理解a=v^2/R=ω^2R式中各量间的关系？这历来是匀速圆周运动教学中三大较为棘手的问题，也是颇具争议而有待探讨的问题；各种版本的高中物理教材对此也是各持己见．现行人教版基于矢量理论推导向心加速度公式，进而剖析向心加速度的物理意义；粤教版则先通过实验建立向心力的概念，归纳向心力公式，进而推导向，     

以P507为载体的支撑液膜体系中Ni^2＋离子的迁移

本工作研究了以Ｐ５０７为载体的支撑液膜体系中，搅拌速率、温度、原料相中Ｎｉ＾２＋离子起始浓度、载体浓度以及反萃相酸度等因素对Ｎｉ＾２＋离子迁移的影响。实验表明，搅拌速率达到５００ｒｐｍ以上对Ｎｉ＾２＋离子迁移通量影响不大；迁移通量随着原料相中Ｎｉ＾２＋离子起始浓度增加到４．５ｍｍｏｌ／ｌ以上时基本上不再增加，这说明此时膜内络合物浓度已接近炮和；从Ａｒｒｈｅｎｉｕｓ关系得到的迁移活化能为３６．６ｋＪ     

ISG-FHEV等效燃油消耗最小控制策略

针对室内复杂环境下火灾识别准确率会降低的问题,提出了一种改进的粒子群算法优化支持向量机参数进行火灾火焰识别的方法。首先在 颜色空间进行火焰图像分割,对获得的火焰图像进行预处理并提取相关特征量;其次采用PSO算法搜索SVM的最优核参数和惩罚因子,并在PSO算法中加入变异操作和非线性动态调整惯性权值的方法,加快了搜索SVM最优参数的精度和速度;然后将提取的火焰各个特征量作为训练样本输入SVM模型进行训练,并建立参数优化后的SVM分类器模型;最后将待测试样本输入SVM模型进行分类识别。算法的火灾识别准确率达到94.09%,分类效果明显优于其他分类算法。仿真结果表明,改进的PSO优化SVM算法提高了火焰识别的准确率和实时性,算法的自适应性更强,误判率更低。     

荧光显微镜研究极端pH值诱导磷脂支撑膜的侧向再组织

利用荧光显微镜研究了极端pH值诱导支撑磷脂双层膜的侧向再组织.结果表明,在强酸/强碱性溶液中,流动性较好的二油酰磷脂酰胆碱支撑膜出现破裂、分离、出芽或生出微管等与细胞内吞和外排相似的现象.基于极性分子与H+/H3O+或OH-的相互作用,以电中性的磷脂首基为核吸附溶液中的H+/H3O+或OH-.当磷脂膜上下叶吸附的电荷量不同时,引起两叶有效面积差,即磷脂膜曲率不对称,从而诱发磷脂膜出现各种结构和动力学的响应.本研究有助于理解极端环境对生物膜的影响,为研究生物膜的形变过程提供了参考.     

基于支持向量机测定水质中硝酸盐含量

针对水质中被测物硝酸盐与干扰物铁离子、铬离子紫外吸收谱线严重重叠的问题,将支持向量机应用于混合重叠光谱分析中,利用核函数将重叠的光谱数据进行高维空间变换后求得SVM回归模型,实现硝酸盐含量的光谱检测。实验结果表明:硝酸盐浓度在0.5—10mg/L范围内,所测得含量的最大相对误差为3.2%;平均回收率为100.9%,本法与传统的方法相比,要求条件较低,不需要物理或化学的分离,分析速度快,有望应用于在线监测污水中硝酸盐的含量。     

Local Prediction of Chaotic Time Series Based on Support Vector Machine

Based on phase space delay-coordinate reconstruction of a chaotic dynamics system, we propose a local prediction of chaotic time series using a support vector machine （SVM） to overcome the shortcomings of traditional local prediction methods. The simulation results show that the performance of this proposed predictor for making onestep and multi-step prediction is superior to that of the traditional local linear prediction method and global SVM method. In addition, it is significant that its prediction performance is insensitive to the selection of embedding dimension and the number of nearest neighbours, so the satisfying results can be achieved even if we do not know the optimal embedding dimension and how to select the number of nearest neighbours.     

偏轴双筒柱电流的磁场

利用双极柱坐标对圆柱电流磁矢量势分布进行变换,给出偏心双筒电流的磁矢量势分布,进而求解了偏心双筒电流在两筒之间的磁感应强度分布.