(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.     

井冈山地区外来入侵植物的调查与分析

通过实地调查和查阅相关文献资料,对井冈山地区外来入侵植物的种类组成、生长型、地理起源和风险等级等进行了分析。结果发现:该区现有入侵植物89种,隶属30科61属,菊科、苋科、豆科、茄科和大戟科为优势科,且1～2年生草本和多年生草本植物占据多数;来源于美洲的种类最多;恶性入侵植物有15种,严重入侵的有22种,局部入侵的有17种,一般入侵的有26种,有待观察的有9种;在旅游活动频繁的地区,入侵植物分布较为集中,并呈蔓延趋势。本研究表明:目前井冈山地区的入侵植物种类较多,并对当地的生态环境形成了较大危害,当地管理部门应该采取有效的措施进行防控。     

我国开放获取研究的文献计量学分析

开放获取作为一种新的交流和出版方式近几年越来越受到关注，未来可能会成为出版业的发展方向。简要介绍了开放获取的含义，从年代、作者、作者单位和关键词4个方面对我国的开放获取研究进行了文献计量学分析。     

郑州节能环保产业孵化中心绿色示范楼设计思路

在建筑能耗与污染严重的现今社会,建筑设计仅仅从使用功能、形体美学等方面考虑是不够全面的。绿色建筑作为适应当今社会趋势的建筑形式备受人们瞩目。本文以郑州节能环保产业孵化中心绿色示范楼的绿色设计理念和建筑形态成因为对象,对其进行评论。     

两类广义Feynman-Kac半群强连续性的探讨

研究两类广义Feynman-Kac半群的强连续性问题，这些半群是由一些特定的函数和狄氏过程产生的。得到了广义Feynman-Kac半群强连续，不强连续以及能量测度不在Kato类中的充分条件；构造了一个带跳狄氏型相应的广义Feynman-Kac半群强连续的实例。     

蝴蝶定理的再推广及其应用——数学问题2109和2137的统一解决

利用射影对应变换的方法,研究了蝴蝶定理推广形式,给出蝴蝶定理的推广结果,并以实例进一步证明其应用.     

重庆“一小时经济圈”城市扩展时空特征研究

在GIS技术支持下,选取1997,2003,2009,2015年4期陆地卫星Landsat TM遥感影像,通过目视解译的方法提取研究区各时期城市建成区基础数据.利用各模型参数,对研究区1997-2015年城市扩展数量变化、形态变化、空间变化进行动态监测和分析.结果表明:(1)数量变化上,城市扩展整体显现出"增长规模大,扩展速度快、强度高"等特征,但扩展速度仍略低于城市人口增长速度.(2)形态演变上,受地形因素、交通、产业外溢等影响,扩展区域布局松散、边缘形态稳定性较差,紧凑度随年份增长逐渐降低,分维数波动剧烈程度从大到小逐渐向"降、升、降"趋势演变.(3)空间变化上,为寻求更多用地资源,城市扩展重心轨迹朝"西北、东北、西北"方向偏移,扩展方向主要集中在NE-NEE方向上的渝北、江北等区域,中心城区扩展模式逐步向"紧凑圈层模式、外部扩展模式、跳跃组团模式"转变.未来该区域城市发展应加强空间一体化管理,保留城市特色多维形态及人文传统,打造出与生态环境相协调的魅力城市.     

综合运用虚拟筛选三维定量构效关系模型发现潜在 TRPC4 配体

瞬时感受器电位通道 4( TRPC4) 可能是一种调节人体生理和病理生理功能的关键靶点． 通过计算机辅助药物设计和一系列虚拟筛选方法，结合 Hiphop 药效学团模型，筛选出一系列可能具有良好活性的的 TRPC4 配体化合物，并研究了这些化合物对大鼠胰岛细胞生长的影响． 结果显示，其中新化合物 7 促进了大鼠胰岛细胞的生长，EC₅₀值为 3.58 μmol /L． 然而，化合物 7 对被干扰了 TRPC4 表达的大鼠胰岛细胞的生长无显著性作用． 与此同时，给予化合物 7 后，大鼠胰岛细胞 TRPC4 mRNA 的表达显著降低．因此，化合物 7 可能是一个潜在的 TRPC4 抑制剂，从而可能对糖尿病的治疗起到一定的作用．     

Neural network structure identification in inflation forecasting

Neural networks (NNs) are appropriate to use in time series analysis under conditions of unfulfilled assumptions, i.e., non‐normality and nonlinearity. The aim of this paper is to propose means of addressing identified shortcomings with the objective of identifying the NN structure for inflation forecasting. The research is based on a theoretical model that includes the characteristics of demand‐pull and cost‐push inflation; i.e., it uses the labor market, financial and external factors, and lagged inflation variables. It is conducted at the aggregate level of euro area countries from January 1999 to January 2017. Based on the estimated 90 feedforward NNs (FNNs) and 450 Jordan NNs (JNNs), which differ in variable parameters (number of iterations, learning rate, initial weight value intervals, number of hidden neurons, and weight value of the context unit), the mean square error (MSE), and the Akaike Information Criterion (AIC) are calculated for two periods: in‐the‐sample and out‐of‐sample. Ranking NNs simultaneously on both periods according to either MSE or AIC does not lead to the selection of the ‘best’ NN because the optimal NN in‐the‐sample, based on MSE and/or AIC criteria, often has high out‐of‐sample values of both indicators. To achieve the best compromise solution, i.e., to select an optimal NN, the preference ranking organization method for enrichment of evaluations (PROMETHEE) is used. Comparing the optimal FNN and JNN, i.e., FNN(4,5,1) and JNN(4,3,1), it is concluded that under approximately equal conditions, fewer hidden layer neurons are required in JNN than in FNN, confirming that JNN is parsimonious compared to FNN. Moreover, JNN has a better forecasting performance than FNN.