农民旅游市场分析及开发

随着我国农村经济的快速发展，农民旅游市场正在逐步形成，并将成为我国未来旅游市场的重要组成部分．着重分析了农民旅游市场的基本特征及市场潜力，在此基础上提出了农民旅游市场开发的几点建议．     

染料敏化太阳能电池中聚合物电解质的优化

用纳晶TiO₂及离子液体1-甲基-3-丙基咪唑碘盐两种功能添加剂对PEO聚合物准固态电解质进行优化, 提高了电池的光电性能. 用(PEO)₈︰LiI︰TiO₂︰IE︰I₂ = 3︰3︰3︰7︰1(摩尔比)的电解质组装电池, 在100 mW/cm²光强下电池光电转换效率达到3.2%, 与无功能添加剂的电解质相比, 光电转换效率提高8倍. 电解质体系的电导率研究表明, 电池光电性能的提高与体系电导率的增大密切相关.     

^252Cf自发裂变源碎片中短寿命核测量的程序控制系统

该文介绍一套252Cf裂变碎片中核素测量的单片机控制系统.该系统用于短寿命核素的在线分离与测量,具有自动测量、时间可调、稳定可靠等优点.     

基于代理签名的多银行电子现金系统

为了实现安全的电子支付，基于代理签名方案和Brands电子现金系统，设计了一种新的多银行电子现金系统．通过分析表明，由于引入了代理签名方案，新方案可以方便地取消发币银行的发币能力，克服了现有的基于群签名的多银行电子现金系统的群成员撤销困难、群成员合伙攻击等问题，是一个安全的电子现金系统．     

沉淀吸附法提取苦丁茶中的熊果酸

依次用碱和酸作沉淀剂,D型树脂作吸附剂,研究了用沉淀-吸附法提取苦丁茶中中熊果酸的工艺.得到的优化条件为:将苦丁茶的乙醇提取液用质量分数为10%的NaOH溶液碱化至pH值约为10.96,过滤除去多酚等杂质,沉淀后,滤液先用体积分数为10%的H2SO4酸化至pH值为4.00,再用相同体积的pH值为4.00的酸性水溶液稀释,得到熊果酸沉淀粗产品;粗产品用甲醇溶解后,将样品溶液pH值调整为7.07,洗脱液pH值调整为11.0,用D型大孔树脂吸附,分步洗脱,收集体积分数为90%乙醇溶液的洗脱液,浓缩结晶得到熊果酸产品.采用高效液相色谱法测得沉淀分离后产品纯度为23.12%,回收率为92.90%;吸附分离后产品纯度为90.23%,回收率为98.02%,总回收率为89.09%.     

价值投资策略的行为金融学解释及其实证研究

对于价值股的市场表现优于成长股这一不争的事实，目前的理论解释主要有行为金融的“过度反应假说”与标准金融的“风险改变假说”。“过度反应假说”认为投资者对信息的过度反应导致股票价格的过度反应。目前行为金融理论已经实证了股票价格过度反应的存在，但没有实证投资者存在过度反应行为。本文引入交易量的概念来描述投资者的行为，通过实证发现价值投资策略的合理解释是“过度反应假说”，并且投资者存在过度反应的投资行为。     

复杂空间热网的拓扑结构及水力过程仿真

针对多热源多环复杂热网的水力过程，提出了基于空间管网的计算方法。该方法可根据网络的固有参数通过求解非线性方程组给出不同工况下管网的流量分配和节点压力，还可解决故障导致的管网水力不对称问题，从而弥补了平面网方法的不足。应用图论理论描述了空间热网的拓扑结构，提出了用平面网信息生成空间网络关联矩阵和基本回路矩阵的实用方法。编制了计算程序，通过算例验证了该方法的正确性和实用性。     

首都圈地区b值随震源深度的变化: 对地震成核的意义

使用双差地震定位法对首都圈地区1980~2000年发生的2098个地震作重新定位, 获取了其中1825个地震精确的震源位置. 基于地震精确定位结果, 系统地计算了不同深度段的b值, 发现研究区b值随震源深度的增加具有系统减小的趋势, 且在地壳8 km上下的减小趋势最为突出, 表明在地壳浅部 (0~8 km)以小震为主, 大地震较少, 故b值高; 而在深处(8~25 km), 大地震相对较多, b值减小. 这一现象的背后物理机制可以从地壳介质复杂程度与应力状态的变化得以解释, 破裂易于在地壳介质相对均匀、岩石静压力较高的地壳深处成核形成大地震. 推测首都圈地区未来强震多发生在8 km以下的地壳深部.     

高砷酸性废水除砷的研究

为使高砷酸性废水经处理后能达标排放，且不产生二次污染，需要进行分步处理．对高含砷废水(砷含量为10000mg／L左右)采用分步、催化氧化后絮凝沉淀的处理方法．一步处理：采用石灰乳，调pH=3～4去除SO4^2-；二步处理：采用NaOH溶液使pH=9～10，回收重金属；三步处理：加入催化剂—活性炭和Fe^2+通入空气氧化，使溶液中的As(Ⅲ)和Fe^2+氧化成As(V)和Fe^3+，然后用石灰乳控制pH=6～9，使高价砷酸根与Fe^3+生成难溶的FeAsO4沉淀．经过上述处理后溶液中的砷小于0．5mg/L，有很好的实用价值.     

基于API序列特征和统计特征组合的恶意样本检测框架

针对恶意样本行为分析,该文提出了一种组合机器学习框架,首先对应用程序编程接口(application programming interface,API)序列中调用的依赖关系进行功能层面上的分析,提取特征,使用随机森林进行检测;其次利用深度学习中的循环神经网络处理时间序列数据的特性,在冗余信息预处理的基础上,直接对序列进行学习和检测;最后对2种方法进行了组合。在恶意软件样本上进行的实验结果表明:2种方法均可有效检测恶意样本,但是组合学习的效果更优,AUC(area under the curve of ROC)达到99.3%,优于现有的类似研究结果。