潮白河下游晚更新世晚期-全新世早期地层粒度特征

通过潮白河下游第四纪剖面测量,采集光释光样品2个,显示剖面年龄为(12.36±1.76)~(5.15±0.80)ka,沉积时代为晚更新世晚期到全新世早期。结合地层厚度,计算出该地区平均沉积速率为0.038 cm/a。采集并测试37个粒度样品,频率曲线特征是双峰、左偏双峰、右偏双峰及三峰,说明沉积物成分复杂。概率累计曲线特征是三段式,滚动组分含量存在变化,说明水动力条件存在强弱的更替。地层自下而上沉积模式是黏土-粉砂-粉砂质黏土。结合区域地质特征,综合分析潮白河下游晚更新世晚期-全新世早期沉积环境为泛滥平原沉积。本文研究结果可为潮白河下游沉积过程研究、地下水综合利用与开发提供重要地质资料。     

植物油精炼废白土再生技术的实验研究

植物油精制过程产生大量含油废白土,如果不能有效处理会对环境造成污染,同时也造成资源浪费。采用溶剂抽提法对植物油精炼废白土进行再生研究,选用石油醚(90~120℃)为非极性抽提溶剂,95%乙醇为极性抽提溶剂,首先用石油醚(90~120℃)对废白土进行抽提,得到废白土中的理想组分,然后用石油醚(90~120℃)和95%乙醇的混合溶剂对废白土进行抽提,得到废白土中的非理想组分。确定了废白土再生的最佳工艺条件:溶剂用量为100 m L溶剂/100 g废白土,石油醚和乙醇的体积比为4∶1,抽提温度50℃,抽提时间30~40 min,抽提次数以3~4次为宜。在上述条件下,废白土中总油分得率达到28%以上,再生白土比表面积达到150 m~2·g~(-1),再生白土的脱色率、活性度、游离酸、粒度、水分等质量指标基本符合要求,吸附性能得到恢复。     

ICP-MS法测定黔产枳椇果梗、枳椇子中22种金属元素

建立微波消解-电感耦合等离子体质谱(ICP-MS)法同时分析枳椇果梗、枳椇子中Be、Mg、Al、Ti、V、Cr、Mn、Fe、Co、Ni、Cu、Zn、As、Sr、Mo、Ag、Cd、Sn、Sb、Ba、Tl、Pb等22种元素的含量。样品经微波消解后,利用ICP-MS测定上述22种元素,通过标准曲线计算其含量。实验结果表明,22种元素在其线性范围内线性关系良好,r值0.995;检出限为0.0007～1.0713μg/L;重复性的相对标准偏差(RSD)3%;精密度的相对标准偏差(RSD)7%;回收率为81.14%～112.91%。该方法灵敏度高,重复性好,分析速度快,适用于枳椇果梗、枳椇子中22种元素的含量测定。     

浅析初中英语教学的艺术性和实用性

语言是人类独有的交流艺术。人类用不同语言进行交流，而初中教师教授学生的就是语言艺术，而语言教学也有自己的独具艺术性的教学方式。面对初中学生英语基础参差不齐的现状，教师进行教学时就要强调的教学方法的实用性。所以，初中英语教师在教学的时候，就要兼顾语言教学的艺术性和教学的实用性。     

一类可化为一阶线性微分方程的微分方程求解

通过变量变换,将一类非线性微分方程化为一阶线性微分方程,从而求出其通解.     

基于神经网络的本科教学工作评估的专家评价

针对本科院校的教学评估中高校综合评价方法,提出利用人工神经网络建立数学模型,从而将本科教学工作水平评估指标体系与高校综合评分建立了非线性的数学关系,这样就可以通过专家对教学工作水平的评分,利用人工神经网络所建立的数学模型就可以获得更为科学、准确、客观和可行的高校综合评分.     

求解常微分方程组初值问题的函数逼近法

提出了求解一阶常微分方程组初值问题的一种新的数值方法——函数逼近法,并给出了数值试验,以具体实例验证该方法有效.     

阿尔茨海默症miRNA靶基因预测研究

为深入了解阿尔茨海默症的发病机制,利用匹配的基因表达数据和miRNA表达数据,对miRNA的靶基因进行预测分析.首先对选择出的差异表达miRNA进行靶基因预测;然后利用HCTarget算法验证预测的靶基因;最后对miRNA及其靶基因构建调控网络.调控网络中包含11个已确定的与AD有关的miRNA及6个AD致病基因.通过分析网络发现miRNA及其靶基因在正常与患病两种情况下的活性变化趋势,生物学分析也证实了它们在AD中的重要作用,为AD发病机制研究提供了依据.     

基于离散元法的输送机优化设计软件研制

通过基于离散元法研制了输送机工作过程及其性能分析软件.该软件可在输送机的设计阶段,由输送机的CAD模型(CAD软件设计图)进行输送机工作过程的动态仿真,分析输送机的工作过程及性能.通过改变输送机的CAD模型,分析评价不同结构及尺寸输送机的性能,实现输送机结构及尺寸参数的优化,为输送机的研究和设计提供一种新方法和新手段.     

基于邻域粗糙集的极速学习机算法

将基于单隐层前馈神经网络(SLFN)提出的极速学习机(ELM)算法和邻域粗糙集理论进行结合,提出基于邻域粗糙集的极速学习机算法,采用邻域粗糙集对样本集进行属性约简,去掉冗余属性,利用ELM对约简后的数据集进行学习,并对数据样本进行预测。实验表明ELM算法相比具有更高的训练精度和测试精度。