水热法制备氟化石墨烯

以石墨为原料,由Hummers法的改进方法制备氧化石墨烯,再采用水热法对氧化石墨烯进行氟化,获得氟化石墨烯。利用X射线衍射(XRD)、傅立叶红外光谱(FTIR)、拉曼光谱(Raman)、原子力显微镜(AFM)对其结构和微观形貌进行表征。FTIR和Raman结果表明氟化产物的化学结构中存在C-F键,且D峰(1350 cm-1处)和G峰(1580 cm-1处)所对应的强度比ID/IG在氟化后明显变大,即氟化造成碳结构缺陷,规整性下降。AFM显示氟化石墨烯具有纳米层状结构,厚度约为4 nm。该法成本较低,工艺简单,易于控制,对设备要求不高,有望实现氟化石墨烯的大规模制备。     

不同温度条件下氨氮对泥蚶的急性毒性影响

在不同的温度条件下,采用实验生态学方法,研究了氨氮对不同年龄阶段泥蚶的急性毒性试验。经双因子方差分析表明:氨氮浓度、温度以及氨氮浓度和温度的相互作用均极显著地影响二龄和三龄泥蚶96 h的成活率。在24℃、28℃、32℃时,总氨氮对二龄泥蚶的96 h LC50分别为348.40、312.99、219.06 mg/L,SC分别为34.84、31.30、21.91 mg/L;总氨氮对三龄泥蚶的96 h LC50分别为681.25、443.20、285.84 mg/L,SC分别为68.13、44.32、28.58 mg/L。     

家蚕卵蛋白的 SDS-PAGE 分析(动物科学)

本研究探讨了蛋白质提取方法、十二烷基磺酸钠聚丙烯酰胺凝胶电泳(SDS-PAGE)条件对家蚕卵蛋白分离效果的影响。分别用裂解液提取法、TCA沉淀法、冷丙酮沉淀法和TCA-丙酮沉淀法制备蛋白质样品,然后进行6%～12%、6%～15%两种梯度胶的SDS-PAGE,获得了不同提取方法和电泳条件下的电泳图谱用以比较家蚕卵蛋白分离效果。结果表明用TCA-丙酮沉淀法除盐,再用含9 mol.L-1尿素、4%CHAPS、1%DTT的裂解液重悬,最适合家蚕卵蛋白提取;6%～12%梯度胶对家蚕卵蛋白的分离较为适宜。利用这一优化方法对家蚕感染微孢子虫的蚕卵和正常蚕卵进行了比较研究,在分子量66 kD和85 kD处找到了与感染微孢子虫相关的蛋白,为进一步进行正常蚕卵和感染微孢子虫蚕卵的蛋白质组学研究奠定了基础。     

基于DEVS原子模型的智能体离散仿真构建方法

智能体由于自身交互行为与学习行为的复杂性,难以直接被建模和仿真.针对智能体离散仿真中的常见问题,借助DEVS (discrete event system specification)原子模型的事件转移机制表示智能体的交互与学习过程,通过对智能体交互模式、多状态外部事件转移控制、端口连接模式、以及强化学习事件转移表示等...     

高风压无阀式潜孔冲击器的气缸结构优化及其性能分析

对高风压无阀式潜孔冲击器的气缸进行局部结构优化。通过对冲击器结构与工作原理的分析,建立起其冲击系统的模拟模型,并利用MATLAB进行模拟计算。研究结果表明:在气缸内部增加了一个过渡带,使得后气室进气长度发生了改变;在后气室进气长度等于临界值时,活塞的实际行程最短,频率最高,而活塞单次运动的冲击末速度、冲击功和耗气量基本不变。在气源压力为2 MPa时,后气室进气长度为10 mm时,冲击器的实际行程最小,频率最大,相较于上一代冲击器,频率提高了约9. 3%,其他性能参数与之基本相近,整体性能大幅度提高。研究结果对于高风压无阀式冲击器设计和优化具有参考价值。     

扎龙湿地需水量分析

保护扎龙湿地首先需要特殊解决的就是湿地的水源补给问题,其次是如何抢救和扼制由此引发的湿地萎缩退化问题.利用长系列水文资料计算了扎龙湿地所需的水资源量,通过天然状态和人为影响状态下的水资源量对比分析,计算出扎龙湿地的缺水量.并提出了扎龙湿地补水建议,为在枯水年向扎龙湿地调水补水提供有力的科学依据.     

结合主题模型的中国古代诗人大五人格预测

诗歌作为一种重要的文学体裁体现着古代诗人的人格特征。目前研究主要基于现代语言的数据集进行人格分析，缺少对于古人的相关分析任务，影响数字人文领域研究进程和古代诗人的画像构建。因此，本文开展对于古代诗人进行人格特征分析的研究，并以大五人格理论为标注标准，构建了一个针对古代诗人的大五人格数据集，该数据集包括了581位唐宋两代著名诗人，参考现有的文学评论，对其宜人性、外倾性、神经质、开放性和尽责性进行标注。在此数据集上将语言模型与深度学习模型相融合，基于交叉熵损失函数进行人格特征等级的学习，提出了基于主题增强的大五人格特征预测模型。实验结果表明，准确率达到了0.71，证明所提出的数据集和模型对古代诗人人格特征分析和建模研究有着良好的促进效果。     

基于生成式对抗网络的自监督多元时间序列异常检测方法

异常检测是数据挖掘的重要研究方向之一.工业设备的各项指标以多元时间序列的形式被传感器监测，多元时间序列的异常检测对保障安全和提高服务质量至关重要，但是异常的定义相对模糊，具有异常标签的数据很稀少.此外，多元时间序列具有复杂的时间依赖性和随机性，使异常检测存在许多问题.提出CPCGAN模型，使用自监督学习的方法对多元时序数据进行异常检测.首先使用对比学习的方法得到多元时序数据的表示向量，再将具有先验信息的表示向量作为输入用来训练生成式对抗网络，通过生成式对抗网络的重构误差来确定异常.在五个数据集上与五种无监督异常检测方法进行对比，实验结果证明提出的方法能有效地检测两类异常，并且，在大多数数据集上的表现更好.