天然水污染膜的物质研究

膜污染是膜在饮用水处理中遇到的最重要问题，为此，需要了解天然水中造成膜污染的物质．笔者通过扫描电镜观察，色质联机以及分子量分布手段分析膜清洗水，了解膜污染的物质构成．结果表明，引起膜污染的有机物主要是以烷烃类的非极性和弱极性的有机物；造成膜污染的无机离子主要是硅、铁、锌和锰等高价的阳离子，其中铁质量浓度最高．对膜清洗水进行的有机物分子量分布的测定表明，小分子量的DOC容易污染膜；而UV254无论分子量大小，都会对膜造成污染．     

两步法合成硬脂酸二乙醇酰胺

硬脂酸与二乙醇胺两步法合成硬脂酸二乙醇酰胺,通过条件优化实验找到了较佳合成工艺。其优化合成条件为,第一步反应温度１７０￣１７５℃,投料比１．７,反应时间４￣５ｈ;第二步反应温度９５℃,催化剂用量ω＝０．０１５,反应时间２．５￣３ｈ。两步法得到产品纯度达９０％,与甲酯法相近,比一步法提高了３０％。     

关于Einstein-Rosen柱面引力波

在Ｖｉｅｒｂｅｉｎ 表述的局域Ｌｏｒｅｎｔｚ群引力规范理论框架下,给出了Ｅｉｎ－ｓｔｅｉｎ－Ｒｏｓｅｎ 严格柱面引力波的能量动量、功率流密度和辐射总功率的严格表达式．讨论了波的各部分之间的互作用     

城市消防预警系统的系统构成

简要概述了城市消防预警系统的功能与作用;从理论上设计了预警系统的体系结构并介绍了涉及的关键技术;分析了该预警系统的业务模型和预警指标体系;并就预警系统内部模块的结构、功能与系统运行流程作了说明。     

阔叶缬草叶愈伤组织诱导初步研究

本试验以阔叶缬草( Valeriana fauriei Briq. ) 为材料,就激素对叶外植体愈伤组织诱导和增殖的影响作了初步研究.结果表明, 培养基中添加 2, 4- D能诱导愈伤组织产生, BA 能促进愈伤组织增殖. MS+ 2, 4- D 5 mol•L^{- 1}+ BA 2. 5μmol•L^{- 1}为诱导叶块愈伤组织的最佳组合.     

一种咔唑-苯并噻二唑共聚物的合成与光伏性能研究

以N-十二烷基-2,7-咔唑为给体单元、5,6-二辛氧基二噻吩苯并噻二唑为受体单元，通过Suzuki偶联反应合成了一种具有给-受体结构的共轭聚合物聚N-十二烷基-2,7-咔唑-5,6-二辛氧基-4,7-二噻吩-2-基-苯并噻二唑（PC-DODTBT），并研究了该聚合物的光物理与电化学性能。结果表明，以PC-DODTBT为电子给体，PCBM为电子受体，制得的共混体相异质结太阳能电池在AM1.5、100 mW/cm²模拟太阳光下，开路电压为0.88 V，短路电流为2.04 mA/cm²，填充因子为0.51，能量转换效率为0.92%。     

TURBO编码在鲁棒数字水印中的实现方法

在典型的通信系统中,调制过程是数字信号加载在载波的幅度值、载波的频率或者载波的相位上。因此,可以把载体数据看成是一种广义上的传输载体,把水印信息看成是一般数字信息,那么水印的嵌入过程就是一个广义的调制过程。相应地,可以把水印的检测过程看成是一个水印信号的解调过程,就是从宿主载体数据中提取水印信号。Turbo码的译码性能在于循环迭代的译码结构,针对Turbo码译码复杂度非常高的缺点,提出了各种低复杂度的译码算法。为了解决在图像中嵌入大容量水印难度大的问题,设计并实现了一种新的基于TURBO编码的鲁棒性数字水印算法。从TURBO码的编码特征入手,实现了嵌入方式的选择、水印基本模型、水印算法具体的程序实现方法。在对鲁棒性数字水印的基本理论进行分析的基础上,有效地改善了TURBO码数字水印技术中鲁棒性能。     

群决策中两类偏好信息——AHP判断矩阵和模糊偏好关系矩阵的一致化方法

在有限方案的群决策问题中，如何统一具有不同形式的偏好信息是一个新的研究课题。本文针对群决策中决策者给出着于方案的两类偏好信息－AHP判断矩阵和模糊偏好关系矩阵，通过构造转换函数，给出关于这两类偏好信息的一致化方法，这为研究群决策中不同形式偏好信息的集成方法和方案排序打下了坚实的基础，最后给出一个算例。     

快速高通量测定三角褐指藻油脂含量

为了实现三角褐指藻细胞内油脂含量的快速高通量测定,探索了尼罗红荧光染色法检测其油脂含量的检测条件.采用96孔板并配合酶标仪考察三角褐指藻的预处理液的种类及其用量、染色液尼罗红的用量、染色温度、染色时间以及细胞浓度对荧光强度的影响,确立最优染色条件,并研究荧光强度与油脂含量之间的对应关系.结果表明,TritonX-100终浓度为0.05%时,通透效果最佳,每100μL藻悬液中加3μL尼罗红染液(0.1mg/mL),温度40℃,时间10min,细胞浓度低于3×106个/mL时,荧光强度(y)与油脂含量(x)之间呈现良好的线性关系:y=927.37x+15.913,R2=0.9247.方法优化后,90min即内可完成对96个样品的处理及分析,极大提高了分析的通量.     

基于多尺度特征融合的图片情感分布学习

视觉情感分析旨在分析人们对视觉刺激的情感反映,近年来受到了共享平台和网络社交等多媒体视觉数据相关领域的关注.传统的图片情感分析侧重于单标签的情感分类,忽略了图片表达的情感的复杂性和图像潜在的情绪分布信息,不能体现出图片所表达的不同情绪之间的相关性.针对以上问题,首先采用ViT和ResNet网络进行全局和局部融合的多尺度情感特征提取,通过主导情绪分类和标签分布学习进行图片情感识别,充分表征图片的复杂情感.在公开的Flickr_LDL数据集和Twitter_LDL数据集上取得了显著的效果,证明了提出方法的有效性.