Multifunctional single-fiber optical tweezers for particle trapping and transport

We present and demonstrate a multifunctional single-fiber optical tweezer for particle trapping and transport. The fiber probe of fiber optical tweezers is constructed as a planar structure. Laser sources with wavelengths of 650 nm and 980 nm in a single-mode fiber excite the linearly polarized LP11mode and LP01mode beams, respectively. These two laser beams can achieve non-contact trapping and long-distance transport of particles after passing through a flat-facet fiber probe,respectively. This...     

基于SARIMA-BP神经网络组合方法的MODIS叶面积指数时间序列建模与预测

植被叶面积指数(LAI)时间序列的建模及预测是陆面过程模型和遥感数据同化方法的重要组成部分。MODIS数据产品MOD15A2是目前应用最为广泛的LAI数据源之一,然而MODIS LAI时间序列产品包含了一些低质量的数据,例如由于云层、气溶胶等的影响,该产品在时间和空间上缺乏连续性。MODIS LAI时间序列包含线性部分和外在干扰产生的非线性部分,单一的线性方法或非线性方法都不能对其精确建模和预测。首先利用Savitzky-Golay(SG)滤波和线性插值平滑受到干扰的LAI时间序列,然后采用季节自回归积分滑动平均(SARIMA)方法、BP神经网络方法及二者的组合方法(SARIMA-BP)对MODIS LAI时间序列进行建模及预测。在SARIMA-BP神经网络组合方法中,各自在线性与非线性建模的优势得以充分发挥,其中SARIMA方法用于建模及预测LAI时间序列中的线性部分,BP神经网络方法用于对非线性残差部分进行建模及预测。实验结果显示：SG滤波和线性插值后的LAI时间序列比原LAI时间序列更平滑;SARIMA-BP神经网络组合方法的决定系数为0.981,比SARIMA和BP神经网络的0.941和0.884更接近于1;SARIMA-BP神经网络组合方法的预测值同观测值之间的相关系数为0.991,高于SARIMA(0.971)和BP神经网络(0.942)的相关系数。由此得出结论：SARIMA-BP神经网络组合方法对MODIS LAI时间序列具有更好的适应性,其建模和预测准确性高于SARIMA方法或BP神经网络方法。     

基于遗传算法的红外车辆目标模糊增强

由于红外车辆目标在成像过程中存在许多不确定性即模糊性,针对红外图像的模糊性将模糊理论应用于红外图像增强处理,本文提出了一种新的基于模糊理论的图像质量测量函数,把它作为遗传算法的适应度函数对非完全Beta函数的α和β参数进行自适应动态调节来拟合几种典型的灰度变换曲线,实现了感兴趣区域红外车辆目标的自适应模糊增强.实验结果表明了该方法的合理性和有效性,在性能上优于传统的图像增强技术和现有的一些同类增强技术,具有较高的自适应性和智能性.     

基于激光自混合散斑干涉的微小流量检测

为实现对激光自混合散斑干涉的微小流量的检测,提出了一种基于激光自混合散斑干涉检测方法。 通过检测得到自混合散斑干涉信号,并对信号进行频谱分析得到流体的平均频率,利用平均频率与流速的拟合 直线进一步获得流量与平均频率的关系,从而精确求解流体微小流量。理论分析和实验表明,该方法可以简单 高效测量微小流量,测量相对误差小于1． 13%。     

基于NS2的网络拥塞模拟与仿真

给出使用NS2进行网络仿真的方法和一般过程.通过NS2网络模拟器,研究NCS的拥塞控制策略,分列3种主要的情况,给出仿真结论,并给出了拥塞控制算法参数的选择方法.     

脂肪酶高产菌株的筛选及酶学特性研究

从富油土壤中分离筛选到40株脂肪酶产生茵,其中060805茵株产脂肪酶的能力较强,根据其形态特征、生理生化鉴定及16s rDNA鉴定,初步鉴定为短波单胞茵.060805茵株发酵产酶需油脂的诱导,同时也依赖Mg2 ,培养基中不添加Mg2 时产酶量很少,微量的Mg2 就能激活茵体产酶.蔗糖等糖类物质不利于060805菌株产脂肪酶.该酶的最适作用温度为35℃,最适pH为6.0;而且在60℃保温60 min酶活基本不损失,在pH 5.0～8.0范围内稳定.     

比例谐振双馈风力发电双PWM变换器的研究

双PWM变换器是双馈风力发电系统的控制核心,传统的控制方式多是结合PI控制器的。在电网不平衡的情况下PI控制方法很难保证控制需求。本文采用了PR（比例谐振）控制方法,该控制器可以在保证系统无静差输出和转子侧有功功率和无功功率解耦控制的同时,省去耦合项和前馈补偿项,减少坐标变换的次数,还可以有效的减小电网频率偏移对逆变器输出电感电流的影响,从而提高了控制算法的精度和电网的电能质量。通过仿真试验结果分析验证了系统的可行性与正确性。     

盐生杜氏藻和衣藻双结构域NAD+GPD基因的生物信息学分析

将盐生杜氏藻(Dunaliella salina)双结构域(SerB和GPD)3-磷酸甘油脱氢酶基因(NAD+-GPD)序列与莱茵衣藻全基因组进行比对,发现莱茵衣藻(Chlamydomonas reinhardtii)中也存在具有SerB和GPD结构域的NAD+-GPD基因序列.在对两个物种NAD+-GPD基因的基因结构、mRNA组成成分、编码蛋白及其理化性质和编码蛋白结构的分析中,发现二者具有较高的相似性.针对目前仅在盐藻和衣藻中发现含SerB和GPD结构域的NAD+-GPD基因这一现象,分别对SerB和GPD结构域同源基因的系统进化进行了分析.     

基于卷积神经网络和迁移学习的特高含水油井生产预测

油井的实时生产监测对油田的辅助生产和精细化管理有重要意义。然而,针对仅有小样本生产数据、数据波动大且有缺失的特高含水期油井,传统的机器学习算法无法实现良好的生产预测。提出一种基于卷积神经网络和迁移学习的多任务生产预测方法。该方法不仅可以实现时间和空间上特征的自适应提取,还可以改善模型在小样本数据上的预测性能。结果表明：相比于基准模型,产液量和动液面的平均绝对误差分别降低31.26%和60.81%,决定系数分别提高1.89%和7.59%。基于迁移学习的MTCNN模型提高小样本数据油井的生产预测精度,实现了特高含水油井产液量和动液面的实时预测,对抽油机系统的效率优化、油井边缘设备智能化有参考意义。     

淮海经济区经济趋同的实证分析

以人均GDP为衡量指标,对淮海经济区2000～2010年的经济趋同状况及其影响因素进行了指标描述和回归分析,发现淮海经济区不存在δ趋同和绝对趋同,但存在着较为明显的条件趋同以及俱乐部趋同.针对区内差距的不断扩大,提出了相关建议.