海藻酸钠固定化β-葡萄糖苷酶的制备及其性质研究

在活性炭、明胶等8种固定化载体筛选的基础上研究了以海藻酸钠为载体,戊二醛为交联剂固定化β-葡萄糖苷酶的条件,并对固定化酶的酶学性质及其在催化制备大豆异黄酮活性苷元染料木素中的应用进行了研究。β-葡萄糖苷酶在0.20%戊二醛溶液中交联2 h后再与20 g/L海藻酸钠混合,然后逐滴加到4 g/LCaCl2溶液中,固化1 h后过滤、洗涤得固定化β-葡萄糖苷酶,固定化酶的酶活回收率为83.67%。固定化酶的最适温度、热稳定性、pH值稳定性以及与底物的亲和力都有所提高,最适pH值基本不变。该固定化酶重复使用6次后其活力仍保持90.94%,染料木苷转化率达60.02%。     

全约束下高光谱混合像元线性分解

针对使用线性模型对混合像元进行求解,其分解的结果(丰度值)会出现负值或和不为1的情况,提出了加入非负约束与和为1的条件对此线性模型进行最小二乘分解,并给出相应的算法。实验表明全约束下的最小二乘获得了比较好的分解效果。     

分布式流处理系统中基于位置感知的操作共享优化算法

针对流数据规模大、 基本数据处理操作有重叠等特点, 提出一种基于位置感知的操作共享优化算法. 假设操作预先分配了计算节点资源, 在保证流处理实时性和动态性的基础上, 利用多个流数据作业间拓扑结构和操作功能的相似性, 基于DAG图匹配方法建立操作共享备选集; 以输出带宽为约束条件, 建立一个操作共享收益优化
问题模型, 解决了流处理过程中传统操作共享方法对集群的输出带宽影响考虑不充分的问题. 仿真实验结果表明, 该方法较原有算法更充分地考虑了计算节点制约因素, 并提高了共享收益, 从而可有效地节省系统计算资源.     

鲜桃乳饮料生产工艺稳定性的研究

研究以牛奶和桃汁为主要原料加工制成的鲜桃乳饮料。通过实验,采用四因素三水平正交实验设计,选择合适的产品配方,对产品的色泽、风味、口感进行感官评价,试验结果采用直观分析,计算各因素的R和k,比较其大小,得出结论：影响产品品质的主要因素是牛奶的添加量,其次是稳定剂和白砂糖,果汁为最次因素。最佳工艺配方为：牛奶60%,鲜奶与脱脂奶混合比例1：2,桃汁20%,白砂糖8%,复合稳定剂0.5%,耐酸性CMC和瓜尔豆胶混合比例2：1,柠檬酸0.3%,适量的香精（均为质量分数）。制备出的产品风味浓郁,爽口滑润,营养丰富,酸甜适口。     

曝气增强垂直潜流型人工湿地脱氮效果研究

构建了一种增强型垂直潜流人工湿地模型,使用人工曝气手段增强人工湿地脱氮效果.增强型人工湿地曝气优选的曝气位置在基质顶面以下约30cm处,优选的气水比为6:1.使用以上条件运行人工湿地的结果表明,曝气点附近硝化反应明显增强.实验数据表明,相同条件下曝气运行时,总氮去除率达到68%,非曝气运行则为55%,但这种方式对COD的去除没有明显的增强作用.     

通用题库管理系统的设计

以ACCESS2000作为软件数据库,设计了一种通用题库管理系统,安全可靠,操作简便,适合多科目的考试需求,为教学现代化提供有力的平台.     

高铁提速情景下出行者“空铁抉择”的动态演化博弈

为了探究高铁提速情况下用户出行选择高铁和民航动态适应过程,基于效用理论构建出行方式博弈收益矩阵,建立基于Logit动态的交通方式选择演化博弈模型,并对模型的平衡点和演化稳定性以及参数取值进行分析.以京沪起讫点(cori-gin-destination,OD)点对间的高铁、民航行程时耗与票价作为参照基准,将收益函数进行时间均一化转换,设定两种高铁提速情形,并对其价值收益进行对比分析.基于数值仿真探讨出行者"空铁抉择"的动态演化过程以及提速背景下竞争区间的变化.结果表明:高铁提速会吸引更多出行者,在400 km/h和600 km/h两种提速情形下其分担率上升至58.31％和72.73％,同时高铁运行速度提高会使空铁激烈竞争区间向更远的出行距离扩展.     

地理信息系统技术在矿产资源定量评价中的应用与发展

矿产资源是人类生存和生产过程中最为重要的资源之一。如何有效地利用定量而且不可再生的矿产资源,发挥其使用价值,成为人们讨论的重点。至此,矿产资源评价随之而生,随着科技手段的不断发展,地理信息系统逐渐成为研究矿产资源评价的重要技术手段。     

人工免疫算法优化分析

随着对免疫系统机理的认识逐步清晰,免疫系统的强大的识别能力引起了其他学科的研究者的关注。免疫算法就是一种生物仿真算法,它是在模仿人体免疫系统的部分功能基础上构造出来的新型优化算法。近年来人们通过研究,构造出几种基于免疫系统启发的工程应用方法,为解决当前工程中的热点和难点问题提供了新的思路。     

机器学习与计算力学的结合及应用初探

自20世纪50年代以来,随着计算机科学的不断进步,机器学习和数据科学得到了长足发展.这些技术一般依靠大量数据作支撑,通过训练过程提取出蕴藏在数据内部的抽象映射关系,目前已被成功应用于化学、生物等自然科学研究领域.近年来,这些技术也逐渐受到计算力学领域研究者的关注.本文结合作者的相关研究成果介绍了机器学习、数据科学与计算力学相结合的3种形式:第一种是与有限元方程求解方面的结合,直接应用卷积神经网络算法求解线性有限元方程;第二种方式结合有限元计算和机器学习预测复杂材料结构与力学性能的关系.本文作者应用该方法基于细观页岩扫描照片和随机建模算法,成功训练出可以有效预测细观页岩样本等效模量的卷积神经网络;第三种方式是建立基于数据驱动的计算力学方法,比如直接利用真实的材料实验数据代替材料本构模型.这些工作显示了机器学习、数据驱动在处理材料的力学实验数据、设计新型材料以及创建更高效的计算力学模型方面的广阔前景.随着计算力学的发展,未来将可能出现更多将数据科学、机器学习与计算力学相结合的应用场景,进一步开发出更加强健、高效和保真的计算力学方法.