共享自动驾驶汽车使用意愿模型及其影响因素

为了构建共享自动驾驶汽车(shared autonomous vehicles，SAV) 的使用意愿模型并分析其影响因素，通过使用时机和使用频率来体现公众对SAV的使用意愿；采用验证性因子分析将态度潜变量转化为潜变量得分，以此将态度潜变量引入传统的有序Logit模型；提出SAV使用意愿的有序Logit模型构建方法，并建立基于个人属性、通勤特征、态度潜变量的SAV使用意愿模型.研究发现:是否使用过滴滴拼车、工作单位停车费、自动驾驶态度对使用时机和3种价格(1，2，3元/km) 下的使用频率有显著影响；使用过滴滴拼车、工作单位收取停车费、支持自动驾驶的群体倾向于频繁地、更早地使用SAV出行；公众期望以1元/km或 2元/km即不超过目前滴滴拼车的价格使用SAV.     

UJ24型电位差计的检修与调节

UJ24型电位差计使用时出现的故障,可以利用数字万用表排查故障,提出排查方案,进行维修与调节,使它尽快恢复到最佳工作状态,这样既节省厂家的维修时间又节省学校的维修费用。     

新型4-羟色胺类化合物的合成及生物活性

以4-羟基吲哚为原料,经吲哚环4位乙酰基化、3位亲电取代、酰胺化和还原加氢等反应合成目标化合物7.通过核磁共振氢谱及碳谱对化合物进行结构表征,并对目标化合物进行体外抗氧化生物活性测试.初步生物活性测试结果表明,化合物7a,7b,7c和7d对DPPH·均有很强的清除作用(清除率为85.25%~90.73%),7e,7f,7g,7h作用较差;目标化合物与Vc相比,对·OH的清除作用稍差,最高清除率25.66%(Vc的最高清除率为34.67),但各化合物整体水平相当;在清除O-2·能力上化合物7a,7d,7g,7h最大清除率(分别为19.34,35.35,27.93和31.74)均强于同等浓度的Vc(17.58).     

盐酸伊达比星杂质A的合成工艺优化及其高效液相分析

通过对盐酸伊达比星脱羟基杂质A的合成研究，为盐酸伊达比星的质控标准提供参考。以盐酸伊达比星为起始原料，经过4步反应得到脱羟基杂质A。本文提供了盐酸伊达比星杂质A的制备方法以及高效液相色谱分析方法，为杂质含量控制提供了依据。该工艺可以稳定、快速制备高纯度脱羟基杂质A，制备总收率为57.20%，纯度为57.20%，其结构经¹H NMR， ¹³C NMR和MS(ESI)表征。     

新型含吡啶基团二羧酸配体的合成及单晶培养

以1，4-二溴-2，5-二甲基苯和4-吡啶硼酸为原料，经两步合成了一种新颖的含吡啶基团的二羧酸配体。通过核磁共振氢谱及傅里叶变换红外光谱对配体结构进行表征，通过热重分析对配体的热稳定性进行了测试；通过溶剂热法对配体的单晶进行培养，并考察反应温度、时间、pH和溶剂等条件对单晶培养的影响。结果表明：在反应温度为80 ℃，反应时间为12 h、溶剂为蒸馏水、溶液pH=5的条件下可获得高质量单晶。该配体为单斜晶系，属于C2/c空间群，结构中含有4个氧原子和2个氮原子，可为金属离子的配位提供足够的位点，有望应用于配合物的设计或催化、吸附和医药载体等行业。     

紫色球杆菌视紫红质光谱特性的机器学习研究

近年来，机器学习等人工智能技术被应用于蛋白质工程，其在蛋白质结构、功能预测、催化活性等研究中具有独特优势。在未知蛋白质结构的情况下，将蛋白质序列和功能特性与机器学习相结合，基于序列-活性关系（innovative sequence-activity relationship，ISAR）算法，将蛋白质氨基酸序列数字化，用快速傅里叶变换（fast four transform，FFT）进行预处理，再进行偏最小二乘回归建模，可在数据集较少情况下拟合得到最佳模型。通过机器学习对紫色球杆菌视紫红质（gloeobacter violaceus rhodopsin，GR）的突变体蛋白质氨基酸序列与光谱最大吸收波长进行建模，获得了最佳模型。用最佳索引LEVM760106建模得到的确定系数R² 为0.944，均方误差E为11.64。用小波变换进行的预处理，其R² 虽也约为0.944，但E大于11.64，不及FFT进行的预处理。方法较好地解决了蛋白质序列与功能特性之间的数学建模问题，在蛋白质工程中可为预测更优的突变体提供支持。     

稿件规范要求

<正>(2015年2月修订)文稿应依次包括以下内容:题名,作者姓名,作者单位,摘要,关键词,中图分类号,基金项目,第一作者简介,正文,参考文献,并将前5项翻译成英文排在文末。一、题名应简明、确切,不超过20字,一般不加副标题。作者单位包括单位全称、具体部门、城市名、邮政编码。     

拿得起,放得下

晚饭过后,瘦子吴把自己小时候玩过的玩具找出来,心不在焉地和妈妈一起挑选准备拿去学校进行义卖的物品。"这套练习珠算用的机械算盘拿去义卖吧!"妈妈边帮他整理边说。瘦子吴一把抢过去抱在怀里。妈妈提到的"算盘"二字触到了他内心的痛处。他自出生似乎就与数字有缘,特别喜欢做数字游戏、玩与计算有关的玩具,上学后也喜欢学数学。他谨慎、细心,很少犯其他同学马马虎虎把5写成3或者丢三     

基于多变量希尔伯特频域模型的癫痫发作预测

癫痫发作具有突发性和反复性,对患者生命安全构成巨大威胁.为了对癫痫发作进行有效地预测,提出了多变量希尔伯特频域模型的癫痫发作预测方法.将希尔伯特边际谱、希尔伯特边际谱的变化方向和希尔伯特加权频率组成一个三维特征向量作为多变量希尔伯特频域模型,输入到支持相量机中,实现癫痫的发作预测,最后采用癫痫发作预测特征方法对预测结果进行评估.实验结果表明:采用多变量希尔伯特频域模型分析方法预测δ波和θ波的癫痫发作,癫痫预测范围在30~45 min,患者有足够的时间采取措施应对;癫痫发作周期在5~10 min,缩短患者等待时间,降低焦虑程度;与多种相关方法进行比较,该方法具有较低的错误预报率和较高的预测敏感度.