jet基因与时差对果蝇寿命的调控研究

果蝇是理想的节律、睡眠与寿命机制研究的模式生物之一.研究已表明果蝇中因表达Jetlag(Jet)蛋白,进而调节重要生物钟蛋白Timeless(Tim)的降解,使得果蝇能很快适应新的光照周期,即表现出不明显的时差反应.为了研究jet基因和时差对果蝇寿命影响,利用jet突变体果蝇进行睡眠与寿命监测,结果表明:两种同类型jet突变体果蝇的睡眠时间显著高于对照组果蝇,其睡眠次数相对较少,每次睡眠时间较长,提示Jet蛋白功能的缺失反而能促进果蝇睡眠的维持,出现嗜睡症状.进一步探讨了两种不同的时差生活环境对jet突变体与对照组果蝇寿命的影响.研究表明,两种jet突变体寿命在时差环境中表现出显著性延长,而对照组则没有明显变化.以上结果提示jet基因的缺失对于果蝇寿命可能产生部分影响,其作用机制与生物学意义还有待进一步研究.     

定向气流TG-CVI法快速致密化盘状 C/C复合材料工艺

C/C复合材料因其特异性能在航空航天、武器装备等领域得到了广泛应用.但其制备过程中致密化周期很长导致成本居高不下,限制了C/C复合材料在众多领域的应用.采用定向气流温度梯度气相渗透(TG-CVI)快速致密化方法制备盘状C/C复合材料,并对其致密化行为和致密化工艺进行研究.结果表明:定向气流TG-CVI法能有效抑制气相沉积过程中C/C复合材料表面"结壳"现象,实现盘状C/C复合材料的逐层快速致密化,是制备盘状C/C复合材料较为理想的工艺.在1 080℃下,只需沉积67 h,C/C复合材料的密度就可达到1.8 g/cm~3,热解碳结构全部为粗糙层结构(RL).     

大面积单层二硫化钼薄膜的光探测性能研究

通过化学气相沉积方法成功制备出大面积(厘米级)单层硫化钼(MoS_2)薄膜,并利用光学显微镜、拉曼显微镜、原子力显微镜等技术手段进行了有效的表征.将所制备的薄膜样品通过磁控溅射的方法镀上电极,并对其光探测性能进行了研究.研究结果表明:薄膜的结晶程度(晶粒尺寸)对薄膜光响应速率和光电导具有极大影响;薄膜的光电导对光源的波长具有一定的依赖性;在一些特定的波段,薄膜会呈现负光电导性(NPC).     

基于完备集合经验模态分解-归一化希尔伯特变换的神经网络储层流体识别

地震资料的瞬时属性包含丰富的地质信息,可用于储层流体的识别。希尔伯特-黄变换目前在地震资料的瞬时属性提取中呈现出了很大的优势,但是该方法中存在模态混叠、频率误差等问题,限制了其应用。基于此,引入了基于完备集合经验模态分解和归一化希尔伯特变换的改进方法有效提取地震资料更具物理意义的瞬时属性。同时,为了提高储层含气性检测的准确性和精度,选取瞬时频率和瞬时振幅构建分频剖面模型,对目标区域的储层特性和含气特征进行描述。再结合测井资料,运用有监督的神经网络实现对储层含气性的自适应高精度识别。实例研究表明,基于完备集合经验模态分解-归一化希尔伯特变换的前向反馈神经网络方法能够根据某一区域地震数据有效预测该区域储层的含气状况。     

基于自适应多重多元回归的人脸年龄估计

针对基于标记分布学习的多重多元回归模型不能生成和人脸老化趋势一致标记分布的问题,提出自适应多重多元回归的人脸年龄估计方法.在为不同年龄生成具有适合标准差的离散高斯分布的基础上,采用偏最小二乘模型并有效地利用邻近年龄的人脸老化信息进行年龄估计.在MORPH人脸数据库上的对比实验结果表明,该文的人脸年龄估计模型具有更好的性能.     

聚电解质复合物对苹果汁澄清效果的研究

研究了壳聚糖-聚谷氨酸聚电解质复合物对苹果汁饮料澄清体系的影响.针对壳聚糖-聚谷氨酸聚电解质复合物进行表征,分别采用单因素和正交试验设计分析对果汁澄清工艺进行优化,通过透光率的大小,评估壳聚糖-聚谷氨酸复合物对苹果汁澄清的影响程度.研究结果表明,苹果汁的最佳澄清工艺为反应温度50℃,聚合物添加量2. 0 mL,絮凝时间30 min.     

基于数据场联合PRI变换与聚类的雷达信号分选

基于脉冲描述字进行雷达信号分选时,传统聚类算法需要预先人工设定聚类中心和聚类数目。针对该问题,提出一种基于数据场理论联合脉冲重复间隔(pulse repetition interval,PRI)变换与聚类的雷达信号分选新方法。首先,依据数据场理论,基于势值大小实现干扰点剔除,而后利用PRI变换算法进行PRI估计,依据PRI估计值将归一化脉冲描述字数据预分类,进而以各类数据集中心间的欧氏距离小于辐射因子为准则进行类别合并,自动得到初始聚类中心和聚类数目,最后通过改进K-Means算法完成聚类分选。仿真实验表明:所提方法能够应对存在频率捷变,重频参差、抖动、参数交叠、局部脉冲丢失的复杂信号环境,分选正确率明显提升。     

结合台阵策略的震相拾取深度学习方法

深度学习的突破性发展及其在地震学领域的初步应用,为有效处理和利用地震资料提供了可能.震相拾取是地震资料处理中的基础性工作,目前已经提出了很多基于深度学习的震相拾取方法,取得了很好的效果.但是,为了满足地震学研究中处理连续地震记录的需要,尚需对方法进行进一步的改进.本研究针对性地设计了结合台阵策略,单独识别P波和S波的长时窗震相拾取深度学习模型PP(phase picker)及其训练方式,提出了具有实用性的震相拾取方法APP(array-assisted phase picker).利用阿里余震AI捕捉大赛和Hi-net数据进行测试的结果表明,模型能够有效地在连续波形上拾取体波震相并具有很好的泛化能力.通过比较该模型与其他模型(较短时窗的模型和同时识别P波、S波的模型)的拾取效果,验证了模型设计的合理性.具体的测试样例显示,该方法能够正确地处理地震密集的波形数据并能避免典型噪声的影响.将该方法运用到内蒙古地区台网的观测数据中,检测到了人工目录中98.1%的地震,地震拾取总数为人工目录数的30倍,进一步表明本研究方法具有很好的实用性.