人工神经网络对结构动力响应的预测

本文应用人工神经网络对结构在地震波作用下的动力响应进行了预测，结果证明用改进的BP网络训练神经网络能达到很好的收敛效果，预测的结果相当精确，为结构的智能控制提供了很好的前提条件．     

基于波束成形的多天线OFDM系统中的资源分配

针对多天线多用户环境下的正交频分复用 (OFDM)系统,提出了一个低复杂度的自适应资源分配方案,包括自适应子载波分配、自适应功率分配以及自适应波束成形等.目标是在保障各用户的服务质量(QoS)要求下,最小化总的系统发射功率.根据随机矩阵和排序统计的最新理论,对系统性能进行了详细的数学推导.数学分析和仿真结果表明,该方案可以充分利用多用户分集、空间分集等来显著提高系统性能,且能有效地保障用户的QoS.     

基于混沌神经网络的压电陶瓷迟滞模型

为解决压电陶瓷迟滞建模问题,提出一种新型的G-S混沌神经网络模型. 该网络由输入层、隐层和输出层构成,在输入层中引入延迟环节,从而使得历史输入能够对当前输入的响应产生影响. 网络的学习过程是一种混沌优化算法,可有效避免普通神经网络的局部极值和假饱和现象的发生. 将该网络应用于纳米定位系统压电陶瓷执行器迟滞建模中,可以降低建模误差,实验结果验证了该方法的有效性.     

微波强化内电解处理活性艳红X-3B染色废水

提出一种微波强化内电解处理染色废水的新方法，结果表明：微波不仅可以再生炭铁混合物，而且可以氧化分解活性炭吸附的染料：铁屑不仅与活性炭构成内电解作用同时还可以促进微波再生活性炭：微波作用多次后炭铁混合物对废水的去除率仍能保持色度去除率99％、COD去除率64％；探讨了微波作用时间、微波作用次数、铁屑粒径，炭铁比例、pH值等因素对废水去除率的影响。并初步探讨了其反应机理。     

建筑空调系统最优停机时间预测与控制

针对建筑空调系统在停机阶段联合优化控制自然通风和室内空调系统,以在满足室内人员舒适的同时尽量减小建筑总能耗的问题,研究了自然通风量、风机盘管和新风送风量为控制输入,室内环境,包括空气温度、空气含湿量为系统状态,建筑总能耗为目标,室内人员舒适度为约束,且控制变量和状态变量受约束的最优控制问题。研究中通过采用神经网络来逼近和预测天气、室内初始环境参数与空调最优停机时间、最优联合控制策略之间的非线性映射关系,找到了一条简单可行、性能较好的非最优策略,极大地提高了联合控制策略的普适性和推广能力;经神经网络结构参数的优化配置后,建筑空调系统停机时间预测和控制的可靠性和精准性有所提高。室内环境状态和建筑能耗的数值比较表明:所提策略在有效降低问题复杂度和计算成本的同时,仿真时间在1h的尺度上可进一步节能约20%。     

荧光光谱法研究乙基麦芽酚与胰α-淀粉酶相互作用特征

研究了乙基麦芽酚对胰α-淀粉酶活性的影响,以及二者相互作用的荧光猝灭光谱、同步荧光光谱和三维荧光光谱特征.证实了乙基麦芽酚对胰α-淀粉酶活性具有激活作用.证实了乙基麦芽酚与胰α-淀粉酶间的相互作用为静态猝灭,求出了猝灭常数以及乙基麦芽酚与胰α-淀粉酶的结合常数K和结合位点数n.由求得的热力学参数,根据Ross 判断生物大分子和小分子结合力性质的规律推测,乙基麦芽酚与胰α-淀粉酶之间的作用力主要为疏水作用力.用同步荧光光谱和三维荧光光谱技术探讨了乙基麦芽酚对胰α-淀粉酶蛋白构象的影响.     

珠江口盆地X油田夹层空间分布表征

夹层分布研究对海相砂岩老油田剩余油挖潜具有重要意义。在测井响应特征分析法识别和追踪单井夹层的基础上,采用“地质-测井-油藏”相互验证夹层定量表征技术,对珠江口盆地惠州凹陷X油田潜力油层夹层发育规律和分布特征,包括成因、厚度和分布范围等进行了详细研究。研究结果表明,X油田主要发育钙质夹层和泥质夹层。钙质夹层厚度范围0～2 m,连续性差,主要发育在河道微相顶、底部及河口坝微相顶部。泥质夹层发育于海泛、堤岸和前积沉积环境,其中海泛成因夹层连续性相对较好。A、B、G油层夹层相对比较发育,平均厚度2 m,连续性好,分布范围广。本文以微相控制夹层成因分析为基础,结合测井夹层识别和空间追踪结果,辅以油藏生产动态验证,建立了“地质-测井-油藏”相互验证夹层定量表征一体化创新技术,对类似油田夹层研究具有重要的借鉴意义。     

迷迭香酸及其衍生物的合成研究进展

迷迭香酸为具有多种生理活性的多酚酸类化合物,由于从植物材料中制备高纯度迷迭香酸的成本较高,因此迷迭香酸及其衍生物的合成受到广泛关注,综述了迷迭香酸的合成方法,包括生物酶法合成途径、化学-酶法合成途径、化学方法合成途径,以及迷迭香酸相应的酯化衍生物和酰胺衍生物的合成方法.     

抗打印扫描和屏幕拍摄的字形扰动研究进展

本文介绍了字形扰动的应用场景，系统梳理了抗打印扫描和屏幕拍摄的字形扰动相关工作，将其分为两类：传统字形扰动方法和深度学习字形扰动方法。根据字符的属性特征，传统字形扰动方法细分为：像素翻转、高度调整、间距调整、笔画调整、特征点调整和骨架轮廓调整。深度学习字形扰动方法通过微调字符的高维特征以嵌入额外的信息，根据生成数据的性质，将其分为生成扰动文本图像和矢量字体两类。从鲁棒性、嵌入容量、复杂性等方面对比分析现有字形扰动方法的特点，最后对字形扰动研究面临的挑战和发展方向进行总结和展望。     

高校间人才逆向流动的经济学分析及对策

人才的逆向流动在社套中广泛存在，而且是目前社会的主流，这主要是由于马太效应在发生作用。当人才聚集到一定的程度．触发临界点后．人才就会向“吸容度”高的地方流动。越发达，人才越多。针对这种情况，普通高校应及时疏通拓展自身的流入渠道。而重点高校在递选人才时更应注重流出渠道的通畅。