具有迁移效应和隔离措施的COVID-19传播模型分析

基于COVID-19传播过程中人口流动的必然性、无症状感染者的普遍性和隔离策略的有效性,该文提出了一类具有迁移效应、无症状感染者、自我防护意识和隔离策略的COVID-19传播动力学模型,利用下一代矩阵方法给出了各类子系统和全系统基本再生数的精确表达式.进一步地,通过采用线性近似理论,构造Lyapunov函数、比较原理等方法,得到了无病平衡点的全局渐近稳定性以及疾病的持久性.最后,数值模拟解释了主要的理论结果以及人口的迁移和隔离对疾病传播的影响.     

Processing and characterization of the microstructure and mechanical properties of Al6061–TiB2 composite

In the present research, aluminum metal matrix composites were processed by the stir casting technique. The effects of TiB2 rein-forcement particles, severe plastic deformation through accumulative roll bonding (ARB), and aging treatment on the microstructural charac-teristics and mechanical properties were also evaluated. Uniaxial tensile tests and microhardness measurements were conducted, and the micro-structural characteristics were investigated. Notably, the important problems associated with cast samples, including nonuniformity of the rein-forcement particles and high porosity content, were solved through the ARB process. At the initial stage, particle-free zones, as well as particle clusters, were observed on the microstructure of the composite. However, after the ARB process, fracturing phenomena occurred in brittle ceramic particles, followed by breaking down of the fragments into fine particles as the number of rolling cycles increased. Subsequently, com-posites with a uniform distribution of particles were produced. Moreover, the tensile strength and microhardness of the ARB-processed com-posites increased with the increase in the reinforcement mass fraction. However, their ductility exhibited a different trend. With post-deforma-tion aging treatment (T6), the mechanical properties of composites were improved because of the formation of fine Mg2Si precipitates.     

不同周围流速和电压下的绝缘子积污特性

为了研究绝缘子在不同电压下表现的积污特性，利用流体力学的相关知识和电场理论，建立了模拟风沙的多物理场仿真模型.研究结果表明，周围流动速度较小时，绝缘子两端的电压增大，积污质量发会有一定程度的增加，且积污与电场力的变化密切相关，结合静电场分析会更准确；周围流动速度较大时，即使电压增大，积污质量也不会发生太大的变化.     

准噶尔盆地车排子凸起新近系沙湾组重矿物、U-Pb年代学特征及物源分析

综合岩石学特征、砂岩碎屑组分特征、重矿物组合特征和锆石U-Pb年代学特征, 探讨准噶尔盆地车排子凸起新近系沙湾组沙一段的沉积特征和物源演化过程。结果表明, 车排子凸起存在南北双物源体系, 沙一段以粗碎屑沉积为主。在一砂组沉积阶段, 扎依尔山为北部物源区, 发育小规模扇三角洲沉积; 中天山及北天山造山带为南部物源区, 发育辫状河三角洲沉积。在二砂组沉积阶段, 中天山供给减弱, 北天山供给加强, 盆地水体加深, 南部辫状河三角洲前端分布小型滨浅湖滩坝。南部物源变化的主要原因可能是受印度板块和欧亚板块碰撞的远程影响, 天山在新生代中新世中期经历强烈的挤压和抬升过程, 造成北天山隆升, 为车排子凸起提供物源。     

KL油田沙三下亚段混合沉积特征及演化

针对目前莱州湾凹陷南斜坡带KL油田沙河街组三段下亚段陆源碎屑与碳酸盐岩混合沉积形成条件、沉积特征及模式认识程度较低的问题，利用该区壁芯、薄片及扫描电镜等资料，结合构造演化、古气候和古地貌背景，在层序格架约束下研究沉积环境，分析其沉积特征。结果表明，研究区发育混合沉积，形成于宽缓斜坡、亚热带湿润气候，兼具湖平面、物源、水动力条件周期性变化等条件；该混合沉积包括相缘渐变混合与原地混合两种沉积类型，互层式和组分式两种混合模式，以及4种混合样式。两种混合沉积类型沉积机理不同，混合模式及组合样式表现较大差异，因而具有不同的储层微观特征。     

苏里格气田马家沟组膏模孔型储层特征及成因

含“膏模”孔泥粉晶云岩是鄂尔多斯盆地马家沟组上组合地层重要储集岩类型，其形成时间和成因对于该类型储层的认识具有重要意义。研究利用苏里格东区丰富的取芯资料，根据岩芯、薄片等观察手段，结合常规物性测试分析，综合研究含“膏模”孔型储层特征及其成因。结果表明，“膏模”孔主要发育于泥粉晶白云岩中，位于向上变浅序列中部，常可见未充填—半充填型与全充填型两类。储层特征方面，该类储集岩主要发育“膏模”孔充填残余孔、渗流粉砂间微孔和基岩晶间溶蚀微孔3类储集空间，物性测试显示储集性能优越，平均孔隙度可达5.34%，平均渗透率为1.02 mD。纵向沉积序列显示“膏模”孔发育受沉积旋回控制，旋回中部“膏模”孔内存在溶蚀，内为云质渗流粉砂充填，旋回顶部具有暴露特征，且可见下一次海侵泥质灌入岩溶系统内，各类特征均指示“膏模”孔形成与准同生期岩溶相关，即“膏模”孔形成于准同生期，而非传统认识的表生阶段。     

“二三结合”开发模式渗流特征研究

L油田B区块开展"二三结合"实验区,"二三结合"开发模式渗流特征对区块的合理高效开发具有重要意义。为了明确其渗流特征,利用油藏数值模拟软件Eclipse建立代表意义的油藏数值模型,研究区块"二三结合"开发模式下原射孔层和补孔层的渗流特征,分析了"二三结合"开发模式下,不同开发阶段综合含水率、采出程度、井底压力、地层压力及含水饱和度的变化特征。研究表明,"二三结合"开发模式先通过水驱开发挖潜原射孔层剩余油,提高厚油层顶部剩余油的采出程度,再通过聚合物驱进一步提高开发效果,通过水驱与聚驱的综合作用,最终得到较好的开发效果。     

创新研究系统隐性知识生成转化反馈环特性仿真分析

隐性知识反馈环结构是创新研究系统的核心结构,运用组织管理系统动力学理论,进行科研创新系统隐性知识生产转化系统仿真研究,以南昌大学系统动力学创新团队研究系统为例,分析确定该系统的隐性知识量、显性知识量、创新投资量、团队人员数和创新成果量五个核心变量,运用新建的逐枝建模和逐树仿真技术建立五棵流率基本入树模型及其等价流图模型.运用枝向量行列式新增反馈环计算法,计算出系统包含创新成果流位作用于隐性知识流入率的第一类反馈环五条,团队成员数作用于隐性知识流入率第二类正反馈环十条.然后,结合模型的仿真曲线和仿真数据,对第一类反馈环进行极性转移仿真分析和主导反馈环转移仿真分析,对第二类正反馈环进行正反馈环的作用分析,以及"原始创新度"低对这十条正反馈环的制约分析,并基于上述十五条反馈环特性仿真分析结果提出四条创新研究系统发展对策.     

SystemView 在通信原理课程实验教学中的应用研究

文章研究了 SystemView 仿真软件在通信原理课程实验教学中的应用，表明 SytemView 仿真平台有利于加强学生的学习动机，培养学生的兴趣，加深了学生对调制、解调电路的理解，拓展了实验范围，提高了教学效率。     

面向大规模数据的特征趋势推理算法

提出一种面向大规模数据的特征趋势推理算法. 首先, 采用Hash函数抽取大规模数据样本, 使用Pam聚类算法和并行K means聚类算法对大规模数据样本进行聚类, 获取最佳聚类结果后, 提取大规模数据聚类的动态特征； 其次, 采用基于特征趋势规则的推理算法, 构建大规模数据特征的趋势规则推理模型, 并通过累计趋势规则方法设计趋势规则算法, 推理大规模数据特征趋势, 解决了推理结果误差较大的问题. 实验结果表明, 该算法对大规模数据特征趋势推理的准确率均值为98.10%, 推理速度增长率为50%, 推理耗时最大均值仅为114.25 s, 能快速准确地完成数据特征趋势推理.