深入探析计算机求解大整数最大公约数问题

通过分析辗转相除法和更相减损术在求解大整数最大公约数问题时遇到的瓶颈,探讨了另一种求解大整数最大公约数的改进算法,可以大大降低程序运行的时间复杂度,提高程序的运行效率。     

高校图书馆中文图书采访质量优化控制

分析了高校图书馆图书采访工作的现状,从多方面探讨了提高中文图书采访质量的措施.     

癸酸和月桂酸酸盐体系的振动光谱研究

对癸酸和月桂酸固体酸盐体系的红外和拉曼光谱进行了研究。     

低温大电流测量中热沉的设计

需要大电流测量的低温实验中，为了保证温度测量的准确性，设计热沉时电流的热效应不可忽略．定量讨论了低温大电流测量中的一维热沉设计．     

昆嵛山萱草属(Hemerocallis L.)植物的核型及其染色体变异研究

研究了两种来自昆嵛山萱草属（Hemerocallis）植物的染色体数目、核型，结果表明：黄花莱（H．citrina）的体细胞中期染色体核型为2n=2X=22=16m＋4sm＋2T。核型不对称系数为58．9％，染色体相对长度组成为2n=2X=22=6L＋10M1＋6S。染色体总体积为105．39μm^3；对于北萱草（Hesculenta），以上各项则分别为2n=2X=22=20m＋2T、53．8％、2n=2X=22=4L＋2M2＋14M1＋2S和99．43μm^3．同时对染色体的性状进行了巢式方差分析，表明居群内个体间、细胞间染色体的形态和大小具有一定程度的变异。且居群内的变异主要来自于个体间．     

蒙古裸腹溞工厂化培养的研究

在室内水泥池中进行蒙古裸腹溞MoinamongolicaDaday的工厂化培养,研究不同面包酵母投喂水平和接种密度对蒙古裸腹溞生长繁殖的影响以及寻找最佳的工厂化培养方法。结果表明:(1)当面包酵母投喂量分别为5×10-6g(/ind.d)、10×10-6g(/ind.d)、15×10-6g(/ind.d)时,其种群增长率分别为433.6%、902.8%、1026.3%。用面包酵母来培养蒙古裸腹溞时,面包酵母的投喂量应在10×10-6～15×10-6g(/ind.d)比较适宜。(2)当接种密度分别为160ind/L、300ind/L、460ind/L时,面包酵母的投喂量为10×10-6g(/ind.d)时,并每天添加适量的小球藻,经过12d的连续充气培养,溞的密度分别达到1980ind/L、3520ind/L、4320ind/L,其种群增长率分别高达2479.1%、2346.8%、1879.5%。因此在蒙古裸腹溞工厂化培养时,当接种密度在160ind/L以上,以投面包喂酵母为主[投喂量为10×10-6g(/ind.d)],并每天添加适量的小球藻,此培养方法较佳,蒙古裸腹溞生长繁殖快,又可以减轻藻类的培养压力。     

一种新的蒙特卡罗随机有限元方法

针对岩土工程可靠性分析的功能函数是隐式函数或高次非线性函数的特点,提出并从理论上论证隐式功能函数和高次非线性功能函数可靠性问题的新解法,即基于径向基网络的蒙特卡罗随机有限元方法;给出计算框图和计算步骤.以钢筋混凝土浅基础和某矿山矿柱为例,说明其在岩土与采矿工程中的应用.研究结果表明,采用蒙特卡罗随机有限元方法可直接使用确定性有限元分析程序而无需任何改动,对于极限状态函数不能用显式表达和高次非线性的可靠性问题都适用.     

中非地区B盆地下白垩统储层特征及其控制因素

目的分析中非地区B盆地下白垩统沉积环境、储层特征及其控制因素。方法利用沉积学、储层地质学理论及分析技术。结果B盆地中下白垩统碎屑岩储层大多形成在河流—三角洲、近岸水下扇等沉积环境中。碎屑岩储层岩性主要为中、细砂岩,不同地区、不同类型储层物性存在较大差异;物性最好的储层为河道、(扇)三角洲前缘水下分流河道及河口坝砂体。结论储层物性主要受压实作用、碳酸盐溶解与胶结作用及沉积环境四大因素控制,其中压实、溶蚀作用及胶结作用是主要控制因素,而沉积环境对物性的影响主要表现在控制原生孔隙的发育程度,并进一步控制溶蚀、胶结等成岩作用。     

中国城镇居民消费函数的非参数模型

利用2001-01￣2005-11我国城镇居民人均可支配收入与消费性支出的月度数据,建立了我国城镇居民消费的非参数模型,并用不变窗宽的核估计、不变窗宽的局部线性估计、k-近邻估计、正交序列估计以及线性最小二乘估计分别进行了拟合和预测,结果表明:非线性模型优于线性模型;在4种非线性估计方法中,局部线性估计方法优于其它3种估计方法.     

基于投影寻踪学习网络模型的光纤陀螺漂移估计器设计

环境温度变化造成的复杂漂移（温度漂移）始终是制约光纤陀螺（FOG）性能提高的重要因素。FOG温度漂移本质上是一组与温度有关的多变量非线性时间序列，在这一领域首次采用投影寻踪学习网络（PPLN）方法设计FOG温度漂移在线估计器，相对于传统的神经网络技术，PPLN采用批量学习和参数变替优化的训练算法，可以自适应确定神经网络的规模、参数和神经元函数，不仅具有简捷的网络结构和较强的鲁棒性和模型辨识能力，还可以有效克服学习过程局部极限问题。基于该方法设计PPLN漂移估计器对某型FOG温度漂移进行估计。采用试验实测数据对所提方法进行验证，并采用传统反向传播神经网络（BPNN）的方法进行比较，计算分析结果表明，PPLN漂移估计器具有更好的估计精度和鲁棒性，尤其在陀螺温度不正常变化时对当前漂移的估计精度可以提高至少2倍。