物理课程资源的开发和利用

本文从物理教师、学生与课程资源的关系以及课程资源的开发途径着手,让学生掌握和利用课程资源的学习方法,激发学生探究知识的兴趣。     

镍—膦配合物催化偶联反应和多联苯的合成

利用镍－膦络合物Ｎｉ（Ｐｐｈ３）２Ｃｌ２，Ｎｉ（ＰＢｕ＾ｎ３）２Ｃｌ２，ＮｉＣｌ２·ｄｐｐｅ，ＮｉＣｌ２·ｄｐｐｐ以及无膦配体的二氯化镍作为催化剂，能有效地促进苯基格氏试剂和苯基卤化物的交叉偶联反应，方便地制取三、四、五联苯作为液晶及有机闪烁剂的原料。中着重对无膦酸体无水氯化镍的作用范围和及应用机理进行了讨论。     

炼铝的新方法

绪论 铝是在地壳中分布最广的元素之一。铝和矽及氧,构成各种铝矽酸盐;而地壳基本上就是由这些铝矽酸盐所构成的(见图1)。 自古以来,远在从人类有力b的那一天起,他就是说从石器时代到今天,人们早就在城市建筑上、房屋建筑上,和陶器业上利用了各种铝矽酸盐——粘土、高岭土、花岗岩、玄武岩、班岩等,来制造瓷器和陶器以及其他物品。然而在这几千年中,人们并没有想到:在这些铝矽酸盐中含有铝这样一个元素。这种元素,在单体或合金状态下,具有根优越的物理——化学性质与机械性质。     

快装锅炉的热效率试验与Yong分析

在用热效率试验数据进行热平衡计算的基础上，进行快装锅炉的Ｙｏｎｇ计算分析，从而更合成地了解该锅炉的用能情况，指出节能途径。     

将商陆抗病毒蛋白(PAP)cDNA导入油菜获得抗病毒转基因植株

以子叶柄为材料,分别采用农杆菌介导法与激光微束穿刺法,将损伤诱导型启动子控制之下的商陆抗病毒蛋白（ＰＡＰ）ｃＤＮＡ导入甘蓝型油型（Ｂｒａｓｓｉｃａ ｎａｐｕｓ Ｌ．）“双低”品种Ｈ１６５．经庆大霉素筛选,获得了抗性再生植株。ＰＣＲ扩增检测及Ｓｏｕｔｈｅｒｎ杂交分析表明,ＰＡＰｃＤＮＡ连同损伤诱导型启动子已稳定整合至油菜基因组。     

闽台能源安全评价

采用1980-2014年的能源经济数据,以能源供应安全性、能源公平性以及能源消费安全性为基础,构建福建省和台湾省的能源安全评价模型,利用主成分分析法对两地的能源安全演进过程及驱动因子进行了对比分析,结果表明:台湾省和福建省的能源安全总体形势都在不断优化,均呈现明显的阶段性特征,且福建省的变化形势更为复杂;从1980年到2014年,台湾省能源安全指数变化总体特点可概括为前期快,后期缓;而福建省能源安全指数变化波动性较大;福建省能源安全的整体水平要低于台湾省,但近几年福建省要高于台湾省,在1980年到1988年的9 a中,福建省能源安全指数始终高于台湾省;1989年至1996年期间,两地的能源安全态势大致相当;此后至2011年,福建省的能源安全指数都是低于台湾省的,2011年以后福建省能源安全指数超过台湾;总体来说,台湾省的优化速度要快于福建省,但从2004年以来,福建省的安全形势明显提升.     

锚首虫科(单殖亚纲)两种海盘虫的形态研究

对寄生在海洋鱼类黑鲷Sparusmacrocephalus(Basilewsdy)和紫红笛鲷Lutjanusargentimaculatus(Forskai)鳃上的深圳海盘虫Haliotremashenzhenensis和寄生在短尾大眼鲷Priacanthusmacracathus(Cuvier&Valenciennes)鳃上的鹤嘴海盘虫Haliotremagruinale的形态结构进行了研究,并比较了不同宿主鳃上深圳海盘虫的形态差异.     

基于集成学习的碳酸盐岩储集体类型划分——以塔河油田T615井组为例

由于碳酸盐岩储层非均质性强、储集空间复杂多变、测井响应特征模糊,导致仅利用常规测井解释方法无法准确划分储集体类型。因此,将集成学习技术引入,以多种资料建立的测井响应模式为基础,提出一种结合Boosting和Bagging集成策略的改进方法应用于碳酸盐岩储集体类型划分中。采用AdaBoost.M2算法,以机器学习中的支持向量机、决策树、浅层神经网络为基分类器构建3个强学习器,并结合Bagging并行策略进行组合优化,得到储集体类型的最终划分结果。将该方法应用于塔河油田碳酸盐岩储层T615井组,结果表明:相较其他单分类器和基于同质基分类器的强分类器,本文方法的综合分类正确率最高,达92.3%,且对该井组的4类储集体的分类正确率均保持在90.0%左右,分类结果满足实际测井资料解释的精度要求,展现了集成学习技术在碳酸盐岩储集体类型划分中良好的应用效果。     

基于门控循环注意力网络的配电网故障识别方法

为了提高小样本条件下配电网故障辨识准确率,提出一种门控循环注意力网络模型.首先,通过注意力机制赋予故障相中关键周期较高权重,通过加权运算使得模型更加关注上述关键信息.其次,利用门控循环网络处理波形序列,该网络利用门控信号控制记忆传递过程,并借由记忆传递建立序列中不同阶段输入波形和故障类别概率间的关系,从而提升识别准确率.基于仿真数据和实际数据的实验均表明：所提方法在小样本条件下的可靠性和准确率远优于同等条件下支持向量机、梯度提升决策树、卷积神经网络等常用分类模型,为配电网故障辨识技术提供了一种新思路.