播期推迟对冀东地区强筋小麦产量构成和籽粒蛋白质质量分数的影响

为研究强筋小麦在冀东地区对不同播期反应差异,2016～2017年在大田条件下,以强筋小麦津农7号和中麦1062为材料,设置3个处理播期,分别是10月10日(SD1),10月15日(SD2)和10月20日(SD3),以10月5日为对照播期(CK),研究了不同播期对强筋小麦产量和籽粒蛋白质质量分数的影响。结果表明:(1)随着播期的推迟,小麦干物质积累量显著降低;(2)产量最高值出现在10月10日这一播期,早播或晚播均会造成不同程度的减产;(3)籽粒蛋白质质量分数随播期的推迟而提高,播期推迟有利于提高籽粒蛋白质质量分数。     

消费品生命周期隐患识别与风险评价的三维矩阵方法

面对近年我国产品质量安全事故频发、消费者人身安全与健康遭受不同程度的威胁以及出口产品不时被召回或退回的问题，给出了一种基于消费品生命周期和事故致因的隐患识别及表征方法，有助于提升人们对消费品危害规律的认知水平并为消费品风险评价奠定基础. 考虑到事故伤害受体的能力和行为会对消费品缺陷或隐患演化及事故伤害后果产生重要影响，在常规风险评价二维矩阵的基础上，加入风险受体的脆弱性要素，提出了消费品风险评价的三维矩阵方法，能够更好地表征消费者能力与行为等主观要素对消费品隐患事故及危害的影响作用. 以家用电器风险评价为例，基于欧盟非食品类消费品快速预警系统（RAPEX）对中国消费品通报信息分析和专家评价打分，形成了消费品评价三维风险矩阵，分析了家用电器的风险规律，为消费品的风险评价提供了新思路、新方法.     

巧用Cipher命令指定修复代理人

本文介绍了使用cipher命令,简单快速创建EFS的修复代理人的方法。其中修复代理人的指定涉及到了服务器中用户权限的升级问题,以及在服务器中关于组策略的具体使用。这些方法的使用保证了cipher命令产生的密钥能被顺利运用。     

程潮铁矿体视化仿真系统地质数据库的建立

通过分析程潮铁矿地质采样数据的特点，结合矿床及其开采设计体视化仿真系统的性能需求，从数据库表结构，表间关系及数据的录入处理等三个方面，描述了矿床地质数据库建立过程，采用ADO相关技术实现了地质数据库管理子系统，实践表明，本系统是合理的、有效的。     

对我国城镇居民消费结构的分析

本文给出了适合中国国情的定量供应下线性支出系统模型, 即RELES模型, 从利用该模型测算的结果可以看出, 其对以往数据的符全程度还是比较理想的。因此, 该模型对分析和预测我国城镇居民的消费结构具有一定的实用价值。     

矿床仿真系统中数据的动态配置管理

针对以往的矿床仿真系统存在的通用性差、实用性差、硬编码开发、可扩展性差等问题，基于MVC设计模式，采用XML技术生成配置文档，来描述数据的组织结构、应用程序的运行参数和框架，作为MVC模式中的控制部件，供应用程序在运行中动态调用，实现了对数据的动态配置管理，从而解决了以往系统的常见问题。     

Y-Ba-Cu-O系超导体的水解性研究

高转变温度T_c的Y—Ba—Cu—O系超导体是目前最引人注目的超导材料。这种超导体在液氮沸点温度以上有稳定的零电阻温度T_o。对于不同的Y、Ba和Cu组分比,只要采用相应的烧结条件,均能制备出T_c>90K的超导样品。我们在实验中发现,此种体系超导体无论组分如何,均有明显的水解特性,最终失去超导电性。水解的最终生成物由X射线衍射测定决定。另外,利用计算机对超导体完全水解的温度-时间关系进行了模拟计算。我们以组分比Y:Ba:Cu=1:2:3均匀混料,在850℃下预烧4小时(h),然后磨碎并过筛,压制成直径16mm、厚度1.5mm的圆片,在960℃下通氧烧结9小时,得到     

矿山的复合场理论、一体化模型及可视化技术

从矿山工程数字化及可视化的角度,提出了矿山复合场的概念及其内涵.基于矿山数字化和信息技术现状及发展趋势,阐述了建立矿山复合场的一体化数字模型的意义.面向"数字矿山"技术发展和系统建设的需求,归纳了矿山复合场的三维可视化仿真的研究内容和关键技术.以矿山复合场的钻孔、矿体和井巷工程子集为具体研究对象,建立了基于WEB的钻孔、矿体和井巷工程的三维可视化仿真系统原型,举例说明了构建矿山复合场的一体化数字模型和发展矿山复合场的三维可视化仿真系统的前景.     

地矿工程可视化仿真中品位与储量的计算实现

通过品位与储量等矿石属性计算的实现,为矿床的三维可视化仿真提供体素处理手段. 首先对原始采样数据进行预处理,以构造满足需要的规则体数据;其次,提供了泰森多边形法、距离幂次反比法、克立格法等三种插值方案,供用户结合矿山实际选择适合的计算方法;最后基于不同插值方法下的规则体素信息计算任意指定范围下的矿石品位、储量等属性.     

基于多重信任关系的微博转发行为预测

微博转发预测有助于热点话题检测、个性化微博推荐等,近些年引起了学术界和工业界的广泛关注。然而,现有的关于微博转发预测的研究工作没有充分利用用户之间的多重信任关系的影响。该文提出联合概率模型,把用户之间的多重信任关系融入传统的Bayesian Poisson因子分解(Bayesian Poisson factorization,BPF)模型,从而预测转发行为。该模型命名为TrustBPF,可以灵活地捕获用户之间的各种社交影响。该文进一步把用户之间的信任强度整合到一个框架中。在新浪微博数据集上验证结果表明:在NDCG@3和Precision@3指标上,TrustBPF模型比原始的BPF模型分别提升了90.91%和88.37%。