无线传感器网络的多跳分簇路由算法建模与实现

该文从节点能量、数据延迟和链路负载等方面,分析了无线自组网中PEGASIS和ECMR这两种典型的路由算法各自的优缺点,提出了一种分布式的高效节能的多跳分簇算法.通过实验证明,该算法具有良好的节能性能、较高的吞吐量和较低的数据延迟.     

含脂羊毛中除虫脲和杀铃脲残留的高效液相色谱测定

建立了一套含脂羊毛中除虫脲和杀铃脲残留量的高效液相色谱测定方法.含脂羊毛样品(2g)在索氏提取器中用二氯甲烷提取约4 h提取液经预处理后在LC-Alumina-N小柱上固相萃取净化,以二氯甲烷/乙酸乙酯(体积比1:2)混合液为洗脱剂.色谱分析采用C18色谱柱,以乙腈/水(体积比41:59)作流动相,紫外检测波长254mm.方法的线性范围为0.05～10.0mg/L,除虫脲和杀铃脲在羊毛中的定量限都为0.1 mg/kg.除虫脲和杀铃脲在1,2,4 mg/kg 3个水平上的平均加标回收率为79.9%～100.4%,回收率的相对标准偏差小于10%.     

场地环境挥发性有机物现场监测方法建立及应用

基于目前场地调查现场监测需求,建立了便携式气相色谱质谱监测场地典型挥发性有机物方法。优先选择污染源主要排放物质苯系物和酯类进行监测,测定范围0.05～3.0 mg/m3,并用苯系物进行方法验证,平行性2.6%～5.2%,准确度相对误差10.0%。此方法可以满足场地环境监测需求。     

基于NMR的维吾尔医异常黑胆质型糖尿病代谢组学研究

 研究异常黑胆质型糖尿病患者体内物质代谢变化的规律。采用基于核磁共振(NMR)测定技术对异常黑胆质型糖尿病患者和黑胆质血糖正常者尿液进行检测,使用正交偏最小二乘法判别(Orthogonal Partial Least-Squares Discriminant Analysis, OPLS-DA)分析研究尿液内源性化合物在两组间的差异。结果显示,异常黑胆质型糖尿病患者组尿液中的代谢物发生了明显的变化。其中葡萄糖、牛磺酸和甜菜碱的含量增加,与黑胆质血糖正常组比较差异有统计学意义(P<0.05);同时多种氨基酸、肌酸酐、马尿酸盐、柠檬酸和二甲胺等含量减少,与黑胆质血糖正常组比较差异有统计学意义(P<0.05)。总之,基于NMR的代谢组学技术和标志物信息均显示异常黑胆质型糖尿病患者和黑胆质血糖正常者存在代谢差异,提示体内某些小分子化合物可能正是维吾尔医异常黑胆质型糖尿病的物质基础。     

一种保序序列快速挖掘算法:RSMM

时间序列记录的是某一统计量按照时间推移而发生变化的数据,寻找合理的挖掘算法解决时间序列问题具有很强的现实意义.提出一种保序序列挖掘方法,通过子模式匹配结果挖掘(read the sub-pattern matching for mining,RSMM)算法,挖掘时间序列中频繁出现的趋势变化,在计算支持度时根据子模式的匹...     

三元共聚高吸油树脂的合成及性能研究

采用悬浮聚合法,以丙烯酸酯类物质为聚合单体,合成了三元共聚高吸油树脂.性能与国外类似产品相近.     

基于短视频分类和时长的信息隐藏方法

为了充分利用短视频资源,提出了基于短视频分类和时长的无载体信息隐藏方法.该方法对短视频内容进行分类,设置特定类别作为取位标志;对短视频时长划分区间,分别用来映射秘密消息、代表传输开始和结束标志、代表用户的正常生活.分析结果表明,该方法具有5 bits/视频的高隐写容量、较高的隐蔽性和鲁棒性.     

晋城市农村居民点空间分布特征及其影响因素

以山西省晋城市农村居民点为研究对象,运用GIS空间分析、核密度估计、Voronoi图法、地理探测器等方法,对居民点空间分布特征及其影响因素进行分析。结果表明：（1）居民点集聚在阳城县北部、市区中心和高平市中部,陵川县居民点分布比较分散,高平市、沁水县、阳城县和泽州县呈现为高度聚集分布;（2）高程、坡度、河流等自然因子和距离道路、中心城镇距离等人文因子影响居民点的空间分布,单因子影响最大的为高程,交互影响最大的为高程与距离中心城镇距离的交互作用。研究结果可为农村居民点合理规划和布局提供依据。     

Lachnum YM328多糖发酵条件优化及抗氧化性

文章在碳源、氮源、金属离子和发酵时间4个单因素试验的基础上,利用正交试验法对Lachnum YM328胞外多糖发酵条件进行了研究,得出最优发酵条件为:ρ(葡萄糖)=20 g/L,ρ(酵母膏)=5 g/L,ρ(硫酸锰)=0.075 g/L,25 ℃下培养10 d;该条件下YM328胞外多糖产量为1.895 mg/mL,相对于优化前提高了36.27%;通过测定其胞外多糖(EPS)对·OH、NO-2的清除作用来研究YM328胞外多糖的抗氧化性;结果表明,YM328胞外多糖对·OH、NO-2均具有明显的清除作用,抗氧化性随着多糖质量浓度的增加呈增强趋势.     

基于小波优化LSTM-ARMA模型的岩土工程非线性时间序列预测

为了更精确地预测岩土工程应力、变形等的非线性时间序列,提出了基于小波优化的长短时记忆神经网络-自回归滑动平均模型(LSTM-ARMA)预测模型。首先使用小波分析将监测序列分解成趋势项和噪声项,采用LSTM网络滚动预测趋势项、ARMA模型预测噪声项,并将趋势项预测值与噪声项预测值之和作为总的时间序列预测值。在此基础上,以上海云岭超深基坑工程为案例进行了基坑地表沉降分析,结果表明组合模型的预测精度要高于单一LSTM模型且更加稳定;进一步采用弹塑性有限元对基坑开挖诱发的地表沉降进行了预测,并与人工智能预测结果进行对比,验证了人工智预测模型的合理性。分析表明,当后续工况与前置工况所诱发的变形机理突变时,人工智能预测误差增大,但伴随后续工况的推进,人工智能预测误差将逐渐减小。