初婚年龄分布的Fuzzy数学模型及其应用

本文从初婚年龄参数嵌入着手,对婚恋过程的不确定现象进行了分类分析。首次将模糊数学应用于婚姻年龄关系的研究方面,从而十分自然地建立了具有清晰行为解释的未婚年龄分布Fuz-zy数学模型及与之对应的初婚年龄分布模型,从根本上揭示了婚姻年龄关系的一般规律。并使用Fuzzy数学模型成功地刻画出我国育龄妇女未婚及初婚年龄分布,准确、明快地应用于定量分析与系统研究。     

1962年太阳黑子年度观測报告

1962年,北京师范大学天文系天文台继續进行了太阳黑子的观测。关于观測方法和使用仪器与1961年所用的相同。本年度工作中各自轉周开始日期和观測日数可归納为表1:     

机械密封摩擦副端面的热应力计算

由于机械密封本身所具有的优点,近来随着石油化学工业的不断发展机械密封已得到了越来越广泛的应用。但是,机械密封由于设计、制造等方面的原因,在运转实践中常常出现摩擦副端面产生热裂的问题。这种端面热裂是影响密封质量造成端面漏泄严重的十分重要的因素。为了机械密封的进一步推广使用,摩擦副端面的热裂问题必须得到解决,机械密封摩擦副端面的热应力强度必须进行校核。这对建立合理的机械密封设计计算规范是     

1960年太阳黑子年度观測报告

北京师范大学天文系1960年继续进行了太阳黑子观测。关于观测方法及使用仪器与1959年进行的工作相同。本工作中的各自转周开始日期和观测日数可归纳如表1。     

新的价连接性指数^mX用于烷烃的结构与活性相关性研究

定义原子特征值βi=(ni-1)mi±hi.由βi建构新的价连接性指数mX=Σ(βi*βj*βk…)0.5,其中0阶指数0X=Σ(βi)0.5,1阶指数1X=Σ(βi*βj)0.5.并计算了25个烷烃分子的0X,1X值.发现mX与烷烃的热力学性质有良好的相关性,与其他有的拓扑指数比较,该指数结构选择性和相关性好,且方法还具有计算简单,物理意义明确等优点.并采用Jackknife方法对模型稳健性进行了检验.     

先行一步，扎实推进——“两院”副院长黄宁生谈广东可持续发展

人物简介：黄宁生,博士,研究员。现任中国科学院广州分院、广东省科学院（“两院”）副院长,兼任广东省可持续发展协会理事长、中科院广州天然气水合物研究中心主任、中科院广州地球化学研究所可持续发展研究中心主任。主要从事资源、环境与区域可持续发展研究,科技发展规划与发展战略研究。近10年来主持和参加国家及省部级科研项目30余项,发表论文80余篇,专著4部。对广东省及珠江三角洲地区在经济高速增长、快速城市化过程中和全球变化背景下。区域可持续发展复合巨系统中各子系统之间相互制约、相互作用的特点和规律等方面进行了较深入的研究。曾获广东省科学技术一等奖,广东省精神文明建设“五个一工程”奖。     

双剑合一，锋芒初现——广东科技金融工作回眸

科技是第一生产力,金融是经济的直接驱动力。当科技与金融邂逅,没有人会怀疑双方产生的“生化反应”将会对国民经济健康、快速增长产生难以估量的作用。事实上,科技与金融,仿若鱼与水,弓与箭,马与鞍,是天生的黄金搭档。当二者紧密结合之时,便似双剑合一,无论经济形势风平浪静,还是风声鹤唳,都能披荆斩棘,所向披靡。     

人工神经网络法预测干黄酱挥发性成分保留值

基于分子连接性及邻接矩阵,计算69种干黄酱挥发性成分的分子连接性指数mχt,借助多元逐步回归法优化筛选了其中的结构参数0χ、5χ、3χc和5χpc,将其作为人工神经网络的输入层神经元,采用4∶8∶1的网络体系结构,以BP算法获得预测保留指数的神经网络模型,其相关系数R和标准偏差S分别为0.985和93.301.结果表明,保留指数与0χ、5χ、3χc、5χpc具有良好的非线性关系,BP神经网络方法预测的结果要优于多元回归方法的结果.     

咪唑类ALK5抑制剂活性的神经网络研究

为建立咪唑类ALK5抑制剂活性的QSAR预测模型,分析了61个咪唑类ALK5抑制剂的分子结构与活性的关系;计算了这些抑制剂分子的分子形状指数、电性拓扑状态指数和电性距离矢量;优化筛选了分子形状指数的K_1和K_3,电性拓扑状态指数的E_(19)、E_(21)和E_(24),电性距离矢量的M_(26)、M_(30)和M_(56),共8个参数.将这8个参数作为人工神经网络的输入神经元变量,活性pIC_(50)作为输出神经元变量,采用8∶4∶1的神经网络结构,获得了令人较为满意的神经网络预测模型,模型的总相关系数r为0.956.pIC_(50)的预测值与实验值较为吻合,平均相对误差仅为0.85%.结果表明,本法建构的神经网络模型具有较强的稳健性和良好的预测能力.研究结果可为合成高活性的抗癌新药提供理论指导.     

含氮杂环类润滑油添加剂抗磨损性能的神经网络研究

为研究含氮杂环衍生物对三羟甲基丙烷油酸酯改性后的抗磨损性能,计算30个含氮杂环衍生物的分子结构指数. 优化筛选其中分子连接性指数⁴X和⁵X、分子形状指数K₃、电性拓扑状态指数E₇、电性距离矢量M₆和M₁₈. 对以上6种结构指数与磨损量度进行回归分析,将分子结构指数作为神经网络的输入变量,磨损量度作为输出变量,采用6∶2∶1的网络结构,建构预测磨损量度能力较强的神经网络预测模型,模型的总相关系数r_t为0.9921. 计算得到磨损量度的预测值与实验值吻合度较好,相对平均误差为0.38%. 从构建的模型可以看出,—CH₃、=CH—、—NH—等基团的数量及连接方式是影响润滑油磨损量度大小的主要因素.