新型萘酰亚胺衍生物的合成及抗肿瘤活性评价

本文合成了三种新的萘酰亚胺衍生物,并对其体外抗肿瘤活性进行了评价.初步实验结果表明,以芳基修饰氨萘菲特芳环上氨基所得化合物体外活性不如阳性对照氨萘菲特.而利用1,4-丁二醇修饰4-溴-1,8-萘酐芳环上溴原子得到的化合物3与阳性对照及其它两种衍生物相比对肝癌细胞HepG2具有较低的IC_(50)值.     

基于无人机多光谱图像的土壤水分检测方法研究

以表层土壤为对象,探究土壤的多光谱反射率与土壤水分含量相关性,进行基于无人机多光谱图像的土壤水分含量预测模型方法的探究。选取中国农业大学通州实验站为研究区域,实地采集试验田的土壤样本100组,按照一定梯度配制土壤含水量,配成的土壤含水率为10%~50%之间,土壤含量的真实值采用土壤烘干法进行测定。多光谱相机灵巧便捷,可搭载在无人机上对土壤进行监测。将RedEdged-M型多光谱相机搭载在Phantom 3型无人机上,选择阳光充足的采集环境,实时采集土壤样本的多光谱图像,建立土壤多光谱信息与水分含量之间的模型。利用处理光谱数据的ENVI5.3软件提取土壤样本多光谱信息,以多光谱相机自带的标准白板反射率为100%,计算出土壤样本在蓝、绿、红、红边、近红外五个波段的光谱反射率。采用BP神经网络算法、支持向量机算法、偏最小二乘算法分别建立基于无人机多光谱图像的土壤水分含量的预测模型。以80组土壤样本数据作为训练集,建立基于多光谱图像的土壤水分含量预测模型。采用莱文贝格-马夸特算法对BPNN进行改进,提高了其训练速度,当网络结构为5-10-1时,训练效果最好,本文选择该网络结构;SVM采取高斯核函数,当参数为0.56时,模型效果最好。本研究采用归一化均方根误差(NRMSE)和决策系数(R 2)对三种土壤水分含量的预测模型进行定量对比。以20组土壤样本数据作为测试集,结果可知,基于BP神经网络土壤水分含量预测模型的NRMSE为0.268,R 2为0.872;基于支持向量机的土壤水分含量预测模型的NRMSE为0.298,R 2为0.821;基于偏最小二乘土壤水分含量预测模型的NRMSE为0.316,R 2为0.789。对三种模型分析可知,基于BPNN的土壤水分含量预测模型效果均较好。结果可知,土壤的光谱反射率与含水率间存在较密切的相关性,将多光谱相机搭载在无人机上可以对土壤水分含量进行有效的实时监测,对监测土壤墒情提供技术支持和理论支撑。     

血清中Mo、Se、Mn、Cu、Zn与食管癌的关系探讨

通过对１８例食管癌患者以及８０例对照组血清中Ｍｏ、Ｓｅ、Ｍｎ、Ｃｕ、Ｚｎ的测定分析，发现食管瘤患者血硒含量明显低于对照组，二者之间有极显著性差异（Ｐ＜０．０１）。而血铜、铜／锌比值食管癌组明显高于对照组，差异有显著性（Ｐ＜０．０５）。Ｍｏ、Ｍｎ、Ｚｎ元素的含量在二组之间无显著性差异（Ｐ＞０．０５）．提示血清硒铜与食管癌有关。     

高校校园噪声监测及评价——以上海大学宝山校区为例

为监测及评价上海大学宝山校区的校园噪声, 营造良好的学习生活声环境, 对校园学习工作区、生活区、运动区 3 个功能区的 10 个有代表性的地点进行了连续 7 天的噪声监测. 采用等效连续 A 声级法和噪声污染指数法对监测数据进行分析, 并按照国家声环境质量标准进行评价. 结果发现: 上海大学宝山校区校园生活区的夜间声环境质量相对较好; 运动区的夜间噪声量较大, 在一定程度上影响了在校学生和教职工的工作、学习和生活; 山明食堂昼间以及风雨操场昼夜间的声环境超标严重; 机自楼全天声环境质量良好. 由此可知, 上海大学宝山校区的校园声环境质量状况总体较好, 基本能够满足在校人员的学习、工作、生活等要求.     

小长径比弹丸加装大展弦比尾翼的气动特性研究

为了提高小长径比弹丸射击质量,设计了一种大展弦比张开式尾翼,采用AUSM+格式、SST(shearstress transport)湍流模型和隐式算法(lower-upper symmetric Gauss-Seidel implicit method, LU-SGS),求解三维RANS 方程,对前体形状完全相同,不同展弦比的3 种尾翼弹进行了数值模拟,得到了三者在马赫数1.5~3.5 下的气动力特性的差异,分析其原因,并给出了不同展弦比张开式尾翼的适用范围. 计算结果表明:C型弹的升阻比较B 型弹在1.5 马赫数区域附近增加了7% 以上,当马赫数达到2.5 以上时,A 型弹的升阻比大于B 型弹和C 型弹,在3.5 马赫数区域附近A 型弹的升阻比较B 型弹增加了5.4% 以上. 3 种弹丸的俯仰力矩系数随着马赫数的增大而负向减少,且减少的趋势随着展弦比的增加而增大. A 型弹、B 型弹、C 型弹的静稳定裕度的变化范围分别为4%~20.3%,8.5%~23.2%,11.4%~25.6%.     

Exciton luminescence and many-body effect of monolayer WS2 at room temperature

Monolayer transition metal dichalcogenides favor the formation of a variety of excitonic quasiparticles, and can serve as an ideal material for exploring room-temperature many-body effects in two-dimensional systems. Here, using mechanically exfoliated monolayer WS₂ and photoluminescence (PL) spectroscopy, exciton emission peaks are confirmed through temperature-dependent and electric-field-tuned PL spectroscopy. The dependence of exciton concentration on the excitation power density at room temperature is quantitatively analyzed. Exciton concentrations covering four orders of magnitude are divided into three stages. Within the low carrier concentration stage, the system is dominated by excitons, with a small fraction of trions and localized excitons. At the high carrier concentration stage, the localized exciton emission from defects coincides with the emission peak position of trions, resulting in broad spectral characteristics at room temperature.     

硝酸羟胺-(H_2O)_n复合物氢键相互作用的密度泛函研究

为研究硝酸羟胺-(H_2O)_n复合物的氢键作用,采用密度泛函B3LYP方法在6-311++G(d, p)基组水平上对硝酸羟胺-(H_2O)_n复合物的结构进行优化,采用MP2/6-311++G(d, p)方法,经基组叠加误差和零点能校正计算得到复合物的相互作用能.利用自然键轨道分析方法研究复合物氢键作用的本质,并对复合物中水分子的振动光谱进行分析.计算结果表明,硝酸羟胺-(H_2O)_n复合物存在着6个硝酸羟胺-H_2O稳定构型和8个硝酸羟胺-(H_2O)_2稳定构型,且最稳定构型的相互作用能分别为52.821 kJ·mol~(-1)和73.349 kJ·mol~(-1).在硝酸羟胺-(H_2O)_n复合物中,水中H-O伸缩振动频率明显红移,且红移增大的程度与复合物稳定化能的变化趋势基本一致.     

建筑物性能化设计应用现状分析

本文从建筑物性能化设计的应用背景出发,介绍了性能化设计的优势及存在的不足,并提出了对性能化设计方法在消防设计中应用的一些建议。     

基于可见光光谱分析的黄瓜白粉病识别研究

白粉病是黄瓜常见病害之一,传播速度极快,严重时可造成黄瓜大量减产,对其进行快速准确识别,对黄瓜白粉病诊断和防治具有重要意义,应用可见光谱技术,结合主成分分析和支持向量机算法,实现对黄瓜白粉病的快速识别。配制白粉病菌孢子悬浮液,并人工接种于科研温室内的黄瓜叶片上,以诱发黄瓜白粉病,待白粉病有一定面积暴发后,利用海洋光学USB2000+型便携式光谱仪对黄瓜叶片光谱信息进行采集,利用五点取样法采集样本,在5个检查点,每点选取2株黄瓜进行调查,每株选取4枚感病叶片,每枚叶片随机选取5个感病区域进行光谱采集,共计采集200个感病叶片光谱样本,同样采集200个健康叶片样本作为对照。通过Ocean Optics Spectra-Suite软件采集漫反射标准白板信息和光谱仪暗电流实现光谱仪校正,调节积分时间、扫描次数以及平滑度等参数来实现光谱曲线平滑处理,以有效抑制光谱噪声,对光谱特征进行分类识别,去掉首尾噪声较大的波段,保留光谱的可见光波段进行研究,最终选取450~780 nm波段范围作为研究对象。利用主成分分析对所研究波段范围内的高维光谱数据（947维）进行降维处理,根据主成分的累计贡献率,选取前5个主成分作为分类模型的输入,以白粉病和健康叶片的判别结果作为输出,利用支持向量机算法,通过对样本的分类学习训练构建黄瓜白粉病和健康叶片的分类识别模型,随机选取120个样本作为训练集用于分类模型构建,其余80个样本作为测试集用于模型检验,并通过选取不同的核函数来获得最优模型。利用混淆矩阵对分类识别模型的准确率进行评价,当选取径向基核函数时,分类识别模型对黄瓜健康叶片和白粉病叶片的识别准确率最高,分别为100%和96.25%,总准确率为98.125%,具有较高的准确率。结果表明,利用可见光光谱信息并结合主成分分析和支持向量机算法,可以实现对黄瓜白粉病的快速准确识别,为黄瓜病害诊断提供了方法和参考依据。