不同药材中迷迭香酸甲酯及迷迭香酸的含量测定

建立了一种简便、快速、准确的LC-MS/MS法,对不同中药材中迷迭香酸甲酯及迷迭香酸的含量进行定量.通过单因素考察法建立了样品提取方法:向0. 1 g药材粉末中加入25 m L 50%甲醇,超声15 min进行提取.以0. 1%甲酸-水和0. 1%甲酸-乙腈为流动相,流速为300μL/min,采用Waters BEH C18柱(2. 1×50 mm,1. 7μm)进行梯度洗脱,柱温为40℃,使用电喷雾离子源,在多反应监测模式下采用负离子扫描检测.迷迭香酸甲酯和迷迭香酸在线性范围0. 1～100 ng/m L (r=0. 999)和0. 1～500 ng/ml (r=0. 999)内,线性关系良好,重复性、日内和日间精密度的RSD 5%,加样回收率在90%～110%范围内,且RSD 5%,可用于迷迭香酸甲酯和迷迭香酸在植物中的含量测定.     

大气硝酸盐中氧同位素异常研究进展

硝酸盐是大气中的主要污染物,其前体物NO_x(NO+NO_2)参与大气中多种光化学反应,可以改变大气氧化特性,有利于细颗粒物的形成,影响气候系统与人类健康.硝酸盐氧同位素异常(Δ~(17)NO_3~-)是解析大气硝酸盐生成途径的有力手段.本文对大气硝酸盐氧同位素异常的研究进展进行了综述.首先列举了测试大气硝酸盐三氧同位素(~(16)O, ~(17)O和~(18)O)的前处理方法(热解法、细菌法和化学法),并对比了全球范围内大气硝酸盐氧同位素异常的时空分布特征.其次总结了大气中硝酸盐生成的主要途径及其氧同位素质量守恒,讨论了大气硝酸盐中氧原子的可能来源及其氧同位素异常值,评估了全球及典型区域尺度上氧同位素异常的模型.最后对大气硝酸盐氧同位素异常的未来研究方向进行了展望.     

基于AIS数据的船桥碰撞概率评估方法研究

针对船桥碰撞风险评估中桥梁船撞概率计算问题,基于自动识别系统(AIS)数据获得桥梁船撞影响参数,以解决现有方法中没有考虑特定桥梁航区实际通航船信息的问题.基于AIS数据分析了航行船舶动态,获得了船舶位置、航速和偏航角等参数,分析了船舶交通流,并以实际的船舶交通流对AASHTO规范模型中的几何概率进行修正;基于内河流域水流变化规律对AASHTO规范模型中的偏航概率进行修正,对比分析了修正前后的结果差异.结果表明:AASHTO规范模型没有考虑通航船舶的实际航道和速度变化情况,会导致所计算的桥梁船撞概率结果误差较大;对于船舶航行情况复杂的桥区,有必要采用基于AIS数据获得的实际通航船舶信息来估计船舶在桥区的分布情况,以提高计算结果的准确性;对于水流流速变化达到3 m/s,流向角变化达到3°的流域,应考虑水流变化对碰撞概率的影响.     

基于特征碘离子的非靶向筛查鉴定河北省地下水中碘化消毒副产物

联合高分辨质谱和碘化消毒副产物(I-DBPs)的特征质谱性质, 建立一套完整的非靶向分析方法。以河北省17口监测井为研究对象, 筛查地下水样品中I-DBPs的种类、数量及分布。共筛选出含有同分异构体的I-DBPs疑似离子2408种, 其中不同质荷比的数量为839, 远高于以往研究报道的I-DBPs数量。疑似I-DBPs离子中, 对碘离子响应强度排前十位的离子进行结构鉴定, 其中响应强度排前两位的两种离子被鉴定为酚类I-DBPs, 其发育毒性比对应的脂肪族I-DBPs高数十至数百倍。进一步的分析结果表明, 酚类I-DBPs是样品中主要的I-DBPs 类型之一。最后, 通过主成分分析, 讨论2408种疑似I-DBPs的分布特征。根据主成分分数, 筛选出明显偏离其他采样点的3个采样点。根据装载因子, 通过高斯混合模型对疑似I-DBPs进行聚类, 得到4类离子, 其中3类离子分别属于3个离群采样点的特征污染物。这些结果表明, I-DBPs的分布在河北省内的不同地区具有明显的差异性和复杂性。     

冻结黏土的强度与变形特性及参数研究

为了更全面地分析冻土的强度与变形特性,以皖北某矿取样的原状黏土为研究对象,进行不同温度(-5℃、-10℃、-15℃)下的单轴抗压强度试验和三轴剪切强度试验.试验结果表明,在试验温度下,试样单轴抗压强度的应力-应变曲线为应变软化型;试验条件下,冻土三轴剪切应力-应变曲线可以用双曲线模型描述.随着温度的降低,冻土的单轴抗压强度和弹性模量均增加.初始弹性模量和极限偏应力均与围压呈正相关,与温度呈负相关.冻土的抗剪强度随围压增加而增大,随温度增加而减小.通过冻土三轴试验得到的抗剪强度指标推算单轴抗压强度,可以为人工冻结法施工提供理论依据.     

磺酸化CNTs在钙钛矿太阳能电池电极中的应用

为解决钙钛矿太阳能电池(perovskite solar cells,PSCs)中采用贵金属作为对电极(counter electrode,CE)而导致的成本高昂问题,对碳纳米管(CNTs)进行磺酸化处理,并将磺酸化CNTs(s-CNTs)作为对电极材料应用到PSCs中.利用稳态荧光(PL)、电化学阻抗(EI)等方法对PSCs的电荷传输过程进行研究,结果如下:与CNTs对电极相比,s-CNTs对电极具有更好的导电性、更优异的空穴提取和传输能力,在s-CNTs基PSC上获得6.18％的能量转换效率.当喷涂量为1 mL/块,退火温度为100℃,退火时间为30 min时,s-CNTs基PSC的各项性能最优,并具有较好的重复性.研究结果为改善碳基PSCs的光电性能提供了新思路.     

Constrained voting extreme learning machine and its application

Extreme learning machine(ELM)has been proved to be an effective pattern classification and regression learning mechanism by researchers.However,its good performance is based on a large number of hidden layer nodes.With the increase of the nodes in the hidden layers,the computation cost is greatly increased.In this paper,we propose a novel algorithm,named constrained voting extreme learning machine(CV-ELM).Compared with the traditional ELM,the CV-ELM determines the input weight and bias based on the differences of between-class samples.At the same time,to improve the accuracy of the proposed method,the voting selection is introduced.The proposed method is evaluated on public benchmark datasets.The experimental results show that the proposed algorithm is superior to the original ELM algorithm.Further,we apply the CV-ELM to the classification of superheat degree(SD)state in the aluminum electrolysis industry,and the recognition accuracy rate reaches87.4%,and the experimental results demonstrate that the proposed method is more robust than the existing state-of-the-art identification methods.     

Reissner-Nordström时空下试验粒子的进动研究

通过粒子在Reissner-Nordstrm时空中的运动方程,运用作用角变量法研究了粒子在Reissner-Nordstrm时空下近圆轨道的近日点进动,并给出了进动的具体表达式。     

内耳毛细胞静纤毛高度调控分子机制

内耳毛细胞(hair cell)是动物感知听觉和平衡信息的感受器细胞，负责将机械能信号转换为电信号(即机械-电转换，简称为MET)，因位于其上表面的细胞突起——纤毛束(hair bundle)而得名。每个毛细胞的纤毛束包括一根以微管蛋白为骨架的动纤毛(kinocilium)和多根以肌动蛋白为骨架的静纤毛(stereocilia)。动纤毛在纤毛束的发育过程中发挥重要作用，而静纤毛对于机械-电转换必不可少。每个毛细胞中的静纤毛组织成多排高度不同的阶梯状结构，其发育和维持受到严格调控。近年来，随着蛋白质组学、转录组学、超高分辨显微镜等技术的发展，人们对静纤毛高度调控分子机制的认识越来越深入，但仍有很多问题亟待回答。文章对目前已知的静纤毛高度调控的分子机制进行简要介绍。     

A sparse algorithm for adaptive pruning least square support vector regression machine based on global representative point ranking

Least square support vector regression(LSSVR)is a method for function approximation,whose solutions are typically non-sparse,which limits its application especially in some occasions of fast prediction.In this paper,a sparse algorithm for adaptive pruning LSSVR algorithm based on global representative point ranking(GRPR-AP-LSSVR)is proposed.At first,the global representative point ranking(GRPR)algorithm is given,and relevant data analysis experiment is implemented which depicts the importance ranking of data points.Furthermore,the pruning strategy of removing two samples in the decremental learning procedure is designed to accelerate the training speed and ensure the sparsity.The removed data points are utilized to test the temporary learning model which ensures the regression accuracy.Finally,the proposed algorithm is verified on artificial datasets and UCI regression datasets,and experimental results indicate that,compared with several benchmark algorithms,the GRPR-AP-LSSVR algorithm has excellent sparsity and prediction speed without impairing the generalization performance.