新工科数学类课程体系构建和教材建设

在新工科建设的背景下,通过调查研究分析了目前大学数学基础课程的教学现状和存在的一些问题,从国内外数学类课程的实际情况以及当今社会经济的迅速发展对于各类型工程技术人才的现实要求出发,分5个方面探讨大学数学类基础课程体系的整合、优化和重组,给出了大学数学课程横向分类和纵向分级的具体划分方法.采用对比分析的方法,指出了中美大学数学教材存在的差异,给出了编写数学教材的一些建议.旨在探索教学新模式,提高教学质量和人才培养质量.     

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.     

二维铁电材料In2Se3的研究进展

近年来，二维材料以其丰富的物性吸引着众多科研工作者的兴趣铁电性是指材料内部自发且可以通过外加电场进行调控的电极化的一种物理特性，在众多实际应用中发挥着不可替代的重要作用然而，在二维材料体系中，垂直于二维面的面外极化铁电性相对来说鲜有发现该文着重介绍近年来所发现的一类同时具有面内和面外极化且相互耦合的二维铁电材料In2Se3的研究进展，包括最初的理论预言，随后的实验验证，及近期在其器件应用方面的探索     

钢瓶供给氢气和空气的气相色谱法测定室内环境中的苯和TVOC

室内挥发性有机化合物(VOC)中的苯是强致癌、致残、致畸性的有毒污染物。为保证人体健康,住建部对室内环境中的苯和TVOC有严格的标准限量。采用热解析直接进样的气相色谱法分别测定,但两个测定苯的方法结果可比性差。按"规范"的定义,采用Tenax-TA管采样,250℃下热解析、优化色谱仪的测定条件,建立了测定苯和TVOC的气相色谱法。新方法操作简便,费用低,结果重现性好,更合理准确。     

(3+1)维Korteweg-de Vries (KdV)方程的高阶怪波解和多波浪解

基于Hirota双线性形式，一个新的（3+1）维Korteweg-de Vries（KdV）方程的高阶怪波解和多波浪解被得到.通过作图，更直观地展示和讨论了高阶怪波解和多波浪解的动力学性质.     

Hom-Jordan李超代数的交换扩张

先利用Hom-Jordan李超代数T的表示和上同调理论, 给出构造Hom-Jordan李超代数TV的充分必要条件, 并证明Hom-Jordan李超代数的等价交换扩张可给出相同的表示; 然后通过表示和交换扩张得到2-上圈.     

考虑多种损坏构成特征的沥青路面预防性养护决策方法

由于沥青路面损坏构成的多样性, 相同的路面状况指数(pavement condition index, PCI)可能代表不同的损坏组合. 当多种损坏并存且损坏程度接近时, 用PCI和主导损坏(最严重、扣分最多的路面损坏)难以得到具有针对性的养护对策. 因此, 通过对PCI的深入分析, 明确了主导损坏代表性不足的路段, 以现行预防性养护决策方法为基础, 补充了一种考虑损坏构成特征、更具针对性的决策方法. 以上海城市道路近5年的检测、养护数据为分析基础, 首先利用有序聚类算法将路段按PCI水平分组, 分析了不同阶段路面损坏构成和差异水平; 然后, 针对多种损坏并存且损坏差异不显著的路段, 根据预防性养护的实施效果筛选了能够反映正确预防性养护经验的有效养护路段; 最后, 基于有效养护路段建立并对比分析了2个基于BP(back propagation)神经网络的养护决策模型. 结果表明: 当PCI水平介于优良(84.4~93.0分)时, 不同损坏程度接近, 主导损坏代表性不足; 考虑多种损坏构成特征的BP神经网络模型表现出更高的决策精度, 测试集决策正确率达86.20%, 优于仅考虑主导损坏的模型(58.50%). BP神经网络与传统决策树法结合能够优化沥青路面决策过程, 提高养护对策选取的针对性.     

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.     

拥塞控制新算法:试算平衡

根据资源的需求和供给关系,提出了拥塞控制新算法——试算平衡法,旨在按一定比例抑制资源的需求,以实现系统资源的供需平衡,进而达到拥塞控制的目的.