长春市人民大街绿化带土壤化学性质对油松生长的影响

从土壤化学性质的角度对长春市人民大街左右两侧油松生长不良状况进行调查,调查土壤剖面深度70cm。调查结果显示：油松生长状况与土壤有机质（OM）含量呈显著正相关关系。30 cm以下土层,油松生长状况与土壤有机质（OM）含量呈极显著正相关关系。从土壤养分方面而言,油松生长状况最直接影响因素极可能是土壤耕层以下有机质匮乏引起...     

会计电算化环境下内部控制存在的风险与完善

会计电算化是会计工作的发展趋势,它不仅对会计理论、会计实务、会计数据处理手段的变革,而且还对企业会计内部控制制度产生深远的影响。加强电算化会计信息系统环境下的内部控制建设,以确保企业实行会计电算化后,系统能够正常、安全、有效地运行。     

《种子检验学》教学模式的探索与实践

《种子检验学》是农学专业的核心课。为强化实验教学,对《种子检验学》教学内容、教学方法和考评方式等方面进行改革。教学实践表明,这些改革措施对于调动学生学习的主动性,提高《种子检验学》的教学质量起到了良好的引导和促进作用。     

石墨烯冷涂锌防腐涂料的制备及性能

 采用硅烷偶联剂对氧化石墨烯进行改性后制备了表面功能化石墨烯,并以此功能化石墨烯制备了稳定分散的石墨烯浆料。将此浆料与溶解好的树脂液、预分散好的锌粉浆料混合,制备了石墨烯冷涂锌涂料。通过盐雾试验、接触角试验及电化学测试,确定了石墨烯在涂料体系中的最佳添加量。对石墨烯冷涂锌涂料的性能进行了全面测试,结果显示,涂层耐盐雾时间达到2500 h,是相同厚度热浸锌涂层的2倍以上。     

Mg-6Gd-(2-4)Y-1Zn变形镁合金的组织与性能

制备了3种不同成分的Mg-Gd-Y-Zn四元合金,并对其显微组织和力学性能进行了系统的研究.结果显示,Mg-6Gd-2Y-1Zn和Mg-6Gd-3Y-1Zn合金的铸态组织主要由α-Mg,(Mg,Zn)3Gd和18R-LPSO结构的Mg12Y1Zn1相组成.而Mg-6Gd-4Y-1Zn合金的铸态组织则主要由α-Mg,Mg24(YGdZn)5和Mg12Y1Zn1相组成.合金退火后,3种合金的退火组织均由α-Mg,Mg12Y1Zn1和14H-LPSO相组成.热挤压过程中Mg12Y1Zn1相被拉长,呈长条状沿挤压方向排列,而14H-LPSO相则分布于条状分布的Mg12Y1Zn1之间.挤压态合金经固溶和225℃时效(T6)处理后,显微组织中呈现14H-LPSO结构和β’沉淀相共存.对挤压后的合金直接进行时效处理(T5)过程中也发生了β’沉淀相,但14H-LPSO相体积分数少于T6态.3种合金中Mg-6Gd-4Y-1Zn合金在T6态的性能最好.     

农村生活垃圾处理技术和模式应用进展

随着城乡一体化建设的深入,农村环境问题日益受到重视,其中农村生活垃圾的污染尤为显著．与城市生活垃圾较为成熟的处理状况相比,我国农村生活垃圾的收集模式和处理技术研究尚处于探索阶段．完全借鉴城市生活垃圾处理技术,在广大农村地区应用普遍存在投资运行成本高、维持技术难度大等问题．城乡一体化垃圾处理模式技术上可行,经济条件和管理水平限制较大,一般在近郊经济条件好的区域逐步实施;分散式处理模式经济条件和管理水平限制小,适合远郊农村实施．但是目前缺乏成本低、效益好、易于管理的中小规模处理技术及相关设备．因此,研发中小规模农村生活垃圾分散式处理技术及相关模式筛选是当前控制农村生活污染的首要任务．     

中厚板轧机非线性参激的振动

建立了中厚板轧机两自由度非线性参激振动模型,分析了轧机振动系统在主参数共振情形下的振动特性,尤其是振动系统随激励参数变化的拟周期振动和混沌运动现象。分析结果表明:轧制过程中轧制力的周期性变化可以导致轧机振动系统混沌运动的产生;避免激振力频率与系统固有频率相近,以防止混沌的出现。     

地方高校固定资产管理现状及对策研究

分析固定资产管理过程中出现的问题,结合当前我国高校固定资产的管理状况,提出加强高校固有资产管理工作的思路和对策,以便实现对高校固定资产管理的科学化、规范化、现代化和信息化,构建节约型校园,实现高校的可持续发展。     

不同博弈框架下的双渠道供应链联盟模式选择

文章构建了1个供应商和2个零售商组成的供应链博弈模型,在非合作博弈框架下对比分析了不同联盟模式下供应商、零售商和供应链整体的利润变化情况,同时探讨了基于合作博弈下的Shapley值法设计出合理的利润分配机制,实现整体联盟模式合作稳定的可能性。结果表明:在非合作博弈框架下,供应商和零售商各自偏好于不同的联盟模式,供应链整体利润不能实现最大化;在合作博弈框架下,当价格敏感系数与零售商间敏感系数的比值满足一定条件时,基于Shapley值法设计的利润分配机制是保障自愿合作、实现供应链整体利润最大化的有效途径。     

CWGAN-DNN：一种条件Wasserstein生成对抗网络入侵检测方法

针对现有的基于机器学习的入侵检测系统对类不平衡数据检测准确率低的问题,提出一种基于条件Wasserstein生成对抗网络(CWGAN)和深度神经网络(DNN)的入侵检测(CWGAN-DNN).CWGAN-DN N通过生成样本来改善数据集的类不平衡问题,提升对少数类和未知类的检测效率.首先,通过变分高斯混合模型(VGM)对原始数据中的连续特征进行处理,将连续特征的高斯混合分布进行分解;然后利用CWGAN学习预处理后数据的分布并生成新的少数类数据样本、平衡训练数据集;最后,利用平衡训练集对DNN进行训练,将训练得到的DNN用于入侵检测.在NSL-KDD数据集上进行的实验结果表明:利用CWGAN生成的数据进行训练,DNN的分类准确率和F1分数提升了5％,AUC下降了2％;与其他类均衡方法相比,CWGAN-DNN的准确率至少提升了3％、F1分数和AUC提升了1％.