高等学校实施本科生导师制的探讨

介绍了实行本科生导师制的必要性,分析了学分制下本科生导师制面临的问题,提出了实施和完善本科生导师制的措施。     

建筑物混凝土中游离氚水(HTO)的测定

设计了一套在较低真空度及液氮一饱和盐水浴条件下，对建筑物混凝土中的游离HTO进行解析的实验装置，并研究了可能对解析产生影响的各种实验条件．结果表明：在压力约为0．01MPa条件下，蒸馏温度是影响HTO析的重要因素，240℃时就能将存在于混凝土中97％以上的游离HTO完全解析出来；而浸润时间、浸润体积及蒸馏时间对HTO解析无显著影响．     

甲基红与牛血清白蛋白结合的光谱研究

牛血清白蛋白在不同pH的溶液中存在N(Native,pH～7.0),B(Basic,pH～9.0),E(Expanded,pH3.5以下)等几种结构形态.用光谱技术研究了染料甲基红(Methyl red,MR)和BSA的结合机理,研究了MR和BSA在不同pH的三酸缓冲溶液中的结构和构象变化,荧光猝灭方法测得两者在pH3.0,4.9,7.0,9.0溶液中结合常数分别为7.544×105 L/mol,7.594×105 L/mol,4.728×105 L/mol,4.880×105 L/mol;结合位点数分别为17.89,0.978 3,3.079,8.865.同步荧光显示MR加入对Tyr残基微环境没有影响,但对Trp残基产生微扰,使其最大发射波长发生蓝移.图5,表1,参20.     

Green hydrogen ammonia synthesis in China under double carbon target: research on development basis and route

采用简单的沉淀-煅烧工艺合成了B-Co₃O₄ Nano-particles(NPs),研究了B-Co₃O₄ NPs电催化硝酸盐还原合成氨(NitrRR)的性能。研究发现：在含0.1 mol/L NaNO₃的NaOH(1 mol/L)溶液中进行电催化反应, B-Co₃O₄ NPs具有较高的电催化活性。当电压在-0.8 V(vs. RHE)时,获得20 mg/(h ·cm²)的NH₃产率和94%的法拉效应(FE)。当电压在-0.6 V(vs. RHE)时,获得17.2 mg/(h ·cm²)的NH₃产率和95%的FE。电极材料B-Co₃O₄ NPs优异的电化学性能得益于B-Co₃O₄ NPs中的B—O键在电催化过程中能有效抑制析氢反应。较低的结晶度和特殊的多孔结构有效促进了B-Co₃O₄ NPs对NO₃^-的吸附性和还原活性, 也促进了电子的传输与转移过程。

     

Bertrand曲线的进一步研究

讨论了Bertrand曲线的特征,得出了诸如曲线是Bertrand曲线的充要条件,Bertrand曲线Γ上的点与其偶线上对应点的距离,以及两点切线交角等结论.     

刚架拱桥的病害原因与加固分析

通过对多座刚架拱桥的病害调查,全面分析刚架拱桥的常见病害并对其原因进行针对性分析.本文结合钦州钦江二桥的检测,对钦江二桥出现的病害加以分析,在此基础上提出加固方案,并为同种类型的刚架拱桥的加固提供依据.     

用二进小波变换处理电磁脉冲数据

利用二进小波变换极大模图能将信号的奇异性和噪声分开的特点，在模拟核电磁脉冲中，对钢筋混凝土建筑物内部产生影响的实验中所测得的场强数据检测不连续点和进行了去除噪声的处理。     

ETM+在喀斯特地区城市扩张与城市热岛关系中的应用——以贵阳市为例

论文以土地利用变化和温度反演原理应用2000,2010年两时期的ETM+数据源,对贵阳市进行城市扩张的土地利用现状和城市热岛效应的亮温的提取,并对其关系进行分析。其结果表明,利用ETM+热红外波段反演分析城市宏观热温分布特征,是研究城市扩张的一种可行的方法,不同的土地覆盖对地表温度的影响各不相同,绿化工程可以一定程度上缓解热岛效应。     

《飞向宇宙》MCAI课件的制作

本文概要介绍《飞向宇宙》多媒体计算机辅助教学（MCAI）课件的制作过程,经了多媒体课件的通用制作方法,应用多媒体技术发展起来的多媒体CAI课件成为极具吸引力的现代化教学手段,它改变了传统的教育思想、教学模式,加速了教学现代化的进程。     

基于STL-Informer-BiLSTM-XGB模型的供热负荷预测

供热负荷预测是指导供热系统调控的重要手段。提高供热负荷预测精度十分重要,针对机器学习中输出目标的分解预测,提出了一种基于季节和趋势分解(Seasonal and Trend decomposition using Loess, STL)的供热负荷预测方法,构建了适用于供热负荷预测的输出目标。首先利用STL算法将供热负荷时间序列数据分解为趋势分量、周期分量和残差分量,分别训练Informer、BiLSTM和XGB三个模型,将构建好的三个分量预测模型的输出叠加作为初步预测结果,分析误差序列,以BiLSTM预测误差提高模型精度,构建出STL-Informer-BiLSTM-XGB预测模型。将上述模型与常用预测模型进行对比,结果表明所构建的STL-Informer-BiLSTM-XGB 模型的MAPE、MAE和MSE,分别为0.871%、96.18和13202.2,预测效果最优,验证了所提出的方法具有较高的供热负荷预测精度。