(G'/G)展开法构造非线性Vakhnenko方程的新精确解

探索新的求解方法和获得新精确解是研究非线性发展方程的两个主要内容[1-15].王明亮等[16]提出了基于齐次平衡原则和二阶线性常微分方程的(G'/G)展开法,并已经成功应用于计算不同类型非线性方程的新精确解[17-19].     

简谐振子波函数的代数解及Hermite多项式的递推

简谐振子模型是量子力学中极其简单又重要的模型,其物理思想在其他相关的学科中都有着广泛的应用,通过多种途径去深入理解简谐振子模型,对理解量子力学的实质和运用量子力学作为工具去研究微观物理模型都有重要的意义;另一方面在实际工作中应用代数方法去求解力学量的本征值和波函数是研究量子力学的主要手段.以简谐振子为例,运用代数方法,先给出一维简谐振子的波函数,从而推广到多维简谐振子,并结合相应算符的对易关系给出Hermite多项式及其递推关系,回避了通过级数展开去求解Hermite方程的过程;同时指出<厄米本征值问题的探究>一文中的不足之处.     

诺和锐30和诺和灵30R治疗2型糖尿病的临床疗效比较

目的：比较诺和锐30与诺和灵30R在2型糖尿病（T2DM）患者中的临床疗效和安全性．方法：对64例口服降糖药物血糖控制不佳的T2DM患者随机分为两组,分别用诺和锐30（A组）和诺和灵30R（B组）治疗4周,以空腹血糖（FBG）控制在6～7mmol／L、餐后2h血糖（PPBG）控制在7～10mmol／L为达标．4周结束时两组均行72h动态血糖监测．结果：（1）24h血糖最低值（分布）：血糖〈5．0mmol／L,A组95％发生于0～3Am;B组80％发生于0～3Am,13％发生于午餐前．（2）24h血糖最高值（分布时段）：血糖〉10．0mmol／L,A组100％分布于午餐后;B组47％分布于午餐后,35％分布于早餐后,18％分布于晚餐后．两组血糖最高值及两组血糖〉10．0mmol／L分布于午餐后的百分比两组比差异均有统计学意义．（3）两组均未发生严重低血糖．72h动态血糖监测A组有4人共发生5次低血糖,B组有9人共发生14次低血糖．结论：（1）口服降糖药物继发失效的T2DM患者应用诺和锐30和诺和灵30R可较理想控制全天血糖．（2）动态血糖监测显示血糖漂移情况：A组漂移幅度比B组小;（3）A组早、晚餐后血糖控制优于B组,午餐后血糖稍差于B组．（4）A组发生低血糖事件明显少于B组．     

微波消解电感耦合等离子体发射光谱法测定葛根中钾元素的研究

本文研究了葛根样品的不同消解方法,提出了用微波消解电感耦合等离子体发射光谱法（ICP－AES）测定葛根中微量元素钾的方法。测定方法的检测限达0.0043μg/ml。方法的相对标准偏差（RSD）为0．52％。试样经过微波消解后,测定的平均回收率为103．2％,具有灵敏、准确及快速测定的特点。     

G2型单代数群的单模张量积的分解

设G是特征p=5的代数闭域K上G2型单代数群,在本文中,我们首先利用Jantzen和公式计算部分Weyl模V（λ）,λ∈X（T）＋的G－合成因子,然后分解一些单G模的张量积。     

城市接入网规划应考虑的问题

从规划思想、接入方式、网络结构、缆芯确定、传输体制、网管及经济效益等方面讨论了城市接入网规划中应考虑的问题,并提出了建议。     

古墓遥感考古探测技术研究——以南宋人陵探测为例

用遥感技术探测古代皇陵是对古墓无损探测的最佳方法。本文介绍了模拟陵、高宗后陵以及经过钻探验证的徽宗后陵的探测成果。结果表明高密度电阻率法是比较有效的考古地球物理勘探方法。既适用于前期面积性初勘工作,也适用于后续的精细勘探过程。高密度电法、地震勘探（包括地震映像）以及探地雷达等多种地球物理方法联合勘探有利于对异常目标的判断和识别。经过文物部门的钻探验证,针对宋六陵的综合地球物理方法取得了一定的应用效果。     

快鸟数据在光学遥感器成像仿真中的应用

针对早期光学遥感成像模拟软件基于地面图像或机载航空图像的情况,提出针对高分辨率快鸟图像进行航天光学遥感器成像仿真的方法。基于高分辨率快鸟图像,采用ISODATA法进行非监督分类,得到土地分类专题图,通过地物光谱数据库进行反射率转换,从而获得地面反射率图像;利用大气辐射传输软件MODTRAN对其进行大气修正,结合卫星遥感器辐射定标系数,最终得到卫星遥感器输出图像。通过系统仿真结果表明,利用快鸟进行光学遥感器成像仿真为伪装效果检验提供一种有效的手段。     

碳减排下的汽车零部件循环取货路径优化研究

针对能源消耗严重和环境污染双重压力下的现象,提出对汽车企业零部件循环取货路径的优化建议.将CO2的排放量与满足汽车制造企业的生产需要相结合,根据货运车辆的碳排放需要选择合适的碳排放计算模型,分别建立不考虑碳排放的循环取货路径模型和考虑碳排放的循环取货路径模型,利用遗传算法及基本原理对所建模型进行算法设计,并运用Matl...     

一种深度学习网络的树木点云骨架重建方法

基于激光雷达(light detection and ranging, LiDAR)数据重建树体三维模型并精准获取林木空间枝干结构参数是精准林业发展的必然趋势。本文研究面向激光点云提出了一种融合基于晶格投影的深度学习网络,以及面向提取的枝干点云的树木模型骨架重建的方法。该深度学习网络包括旋转不变性模块、晶格投影与重心插值模块,多尺度变换与卷积操作层,通过将旋转变换后的点云晶格投影到三个坐标平面上再分别重心插值获得变换系数,解决了三维点云因排列无序而造成空间卷积困难的问题。以海南多类树木为研究对象,首先,把带枝叶标签的林木点云基团带入构造的深度学习网络中训练网络参数,实现测试样本中的林木数据的枝叶分离。其次,对分类后的树木枝干点云垂直分层并空间聚类,获取每层的聚类中心点并按相邻层中心点距离最小原则实现骨架链表构造,同时采用自适应随机抽样一致(random sample consensus, RANSAC)方法来计算的圆柱体拟合半径,以重建树木的各级枝干。最后,根据中心点连通的链表结构以及角度变化最小准则自动识别树木中的主枝干和各个一级分枝。通过与实测数据比对验证表明,深度学习枝叶分类准确...