基于算术平均贴近度的加权几何平均组合预测

引入和讨论了基于算术平均贴近度的加权几何平均组合预测模型及其性质.针对该模型定义了非劣性组合预测模型、优性组合预测模型以及组合预测冗余度的概念,讨论了在一定条件下,该组合预测模型存在非劣性及优性组合预测的条件,给出了判定冗余组合预测方法的判定定理.通过实例分析说明了基于算术平均贴近度的非线性组合预测模型的有效性.     

N末端缺失萝卜谷胱甘肽磷脂氢过氧化物酶的表达、纯化及结构预测

将N末端定位信号缺失萝卜PHGPx（RsPHGPx）的cDNA 片段克隆到表达载体pGEX-6P-1上, 并转化至大肠杆菌内进行表达. 通过GST亲和层析、离子交换层析和凝胶过滤层析, 制备了用于晶体学研究的RsPHGPx. 其浓度约为10 g/L, 纯度超过95％, 具有PHGPx活性. 三维结构同源建模显示RsPHGPx的结构为典型的硫氧还蛋白折叠形式.     

基于VC和Simulink的电力电子仿真实验平台设计

对单纯用高级语言编程完成仿真平台设计,编程复杂,开发周期长,而仅仅利用Matlab环境构建仿真平台,其界面功能有很大局限性的问题,提出VC程序与Matlab环境一起构成"以电力电子器件和变换器仿真模型为对象的软件实验平台".该实验平台通过Visual C 6.0编程,将软件界面与Simulink仿真模型整合在一起,通过Matlab引擎对Simulink仿真模型进行控制,对整流、逆变等多种典型的电力电子器件和变换器进行仿真非常方便.可任意添加新仿真模型扩充仿真内容,也可通过设置或修改参数观察参数变化对仿真结果的影响,具有动态仿真效果,为研究电力电子器件和变换器的工作特性提供了有力支持.实验平台为电力电子系统的设计与实现提供了新的思路和方法,可有效缩短系统开发周期.     

亚BCI-代数的伴随半群研究

讨论了亚BCI-代数和拟结合亚BCI-代数的伴随代数的性质,分别给出了拟结合亚BCI-代数和亚BCI-代数与它的伴随半群之间的关系,最后研究了亚BCI-代数的广义结合部分以及拟结合部分的特性.     

空管安全管理体系的构建及其内容

我国空管应以安全质量这一核心为主线,使保证飞行安全与运行工作质量融合为统一和谐体。安全管理要通过质量保证这一具体措施渗透到空管运作中。     

长棘海星的体内脂肪酸成分及其生物学意义分析

 长棘海星是热带和亚热带海域珊瑚的最重要捕食者。首次报道了长棘海星体内总脂肪酸的提取方法及其成分与含量测定。用石油醚提取低极性组分,经硅胶柱层析分离得到游离脂肪酸（酯）;用乙酸乙酯提取酯溶性神经酰胺及其衍生脂类,提取物和残余的水溶性脂类分别经盐酸甲醇解,水解产物再用石油醚提取。各提取及分离组分经GC MS分析,发现游离脂肪酸中有C14～C20的长链饱和与不饱和脂肪酸,其中二十碳的Ω-3和Ω-6多价不饱和脂肪酸含量高,如：5,8,11,14-二十碳四烯酸甲酯（主要）,8,11,14-二十碳三烯酸,5,8,11,14,17 -二十碳五烯酸甲酯。在盐酸甲醇解产物中,主要检测到系列饱和脂肪酸和高含量的甾醇成分。多价不饱和脂肪酸是维持细胞膜结构和功能的必要组分,也是合成其它生理活性物质的前体化合物。据报道不饱和脂肪酸5,8,11,14-二十碳四烯酸也有诱发长棘海星捕食反应的作用。5,8,11,14-二十碳四烯酸是长棘海星体内主要的必需不饱和脂肪酸,长棘海星体内可能无法合成它,所以必须不断地捕食含有该不饱和脂肪酸的珊瑚。本实验脂肪酸（酯）的分极性段提取处理方法,能充分地提取出脂肪酸成分,排除其它成分的干扰,分析结果可靠,且重现性好。研究发现长棘海星体内有高含量的、具有重要应用价值的多价不饱和脂肪酸和甾体激素,这也为长棘海星的合理开发与利用提供了依据。     

双向地震动作用下多维结构的能力谱方法

目前基于性能抗震设计的研究多集中于平面单向分析,这与实际结构在地震下反应的多维性存在较大差异,尤其对于平面复杂的偏心结构。为此,在单向地震下能力谱方法基础上提出了考虑双向地震动作用的多维结构能力谱方法。基于结构振型组合的分析思路,通过考虑双向地震动作用的振型pushover分析程序得到各振型的能力谱曲线;通过双向地震动作用下的强度折减系数谱来建立需求谱曲线,然后将能力谱曲线与需求谱曲线画于同一个坐标系下,得到双向地震下结构的最大位移反应。最后,由算例分析比较,说明了该方法能够比较准确地估计多维结构在双向地震下的反应需求。     

关于偏序集的伴随代数

研究了偏序集（X;≤）的伴随代数,指出了一个偏序集的所有伴随代数都是自同构的,最后给出了伴随代数的构造。     

硅各向异性腐蚀技术

论述了硅各向异性腐蚀技术在国内外的水平和友展趋势,攻关成果的推广应用前景。     

汉台区牛奶需求量的灰色预测模型

通过对汉台区牛奶销售市场需求量的分析 ,根据需求量与时间的关系 ,利用灰色系统理论建立了GM (1,1)灰色预测模型。并对未来几年的需求量进行预测