超声助提杜仲叶中绿原酸的溶剂效应

研究了超声条件下提取杜仲叶中绿原酸的溶剂效应.分别采用水、甲醇、乙醇、乙酸乙酯、丙酮等不同极性的溶剂进行提取,考察了溶剂配比、溶剂pH值等因素对绿原酸提取率的影响.结果表明：用甲醇提取时,绿原酸提取率最高,超声助提杜仲叶中绿原酸的最佳溶剂条件是pH值为4.5的70%的甲醇水溶液.     

浸取环境对电解锰废渣中锰浸取的影响

在电解锰废渣中掺入锰矿粉,以提高锰废渣品位,探讨锰废渣中锰的硫酸法浸取回收效果.用单因素实验考察了矿渣比、液固比、浸取pH值、浸取温度和浸取时间等因素对锰浸取率的影响.实验结果表明,最佳浸取条件为：矿渣质量比3∶1、液固比3∶1（g/mL）、浸取液pH值2.0、浸取温度60 ℃和浸取时间3 h.最佳浸取条件下,锰浸取率达42.38%,与不加锰矿粉的浸取方法比较,锰浸取率提高了1.01倍.     

自然语言交流中语言风格的机器学习模型

语言风格数据挖掘尚没有较完整的基础理论支持,为此,给出了半群的通用性质的一个语言问题型表述,建立了语言交流模型。给出“语言风格”的定义,用抽象代数方法分析了语言交流模型结构及语言交流理解行为β与语言知识同余关系ρ之间的包含关系,抛弃了β、确定ρ为语言风格中更为基本的因素,同时分析ρ具有稳定性、底层性——即“无可替代性”,从而证明ρ为语言风格特征、ρ将是语言风格机器识别的对象。最后预测该机器学习方法可应用于刑侦中的语言风格识别,比如网上匿名身份识别、手机短信SMI、网上虚拟主持人等。     

弹道式导弹最大射程优化研究

射程是弹道式导弹的重要性能指标。在给定导弹总体参数的情况下,使其射程达到最大。针对弹道式导弹整个飞行弹道的多种约束要求,建立了弹道最大射程优化的数学模型,在MATLAB/SIMULINK环境中,建立相应的仿真模型。对某型二级弹道式导弹进行了最大射程弹道优化,并将得到的最大射程弹道与原弹道进行了比较分析。仿真结果表明,给出的方法是通用的、可行的。     

色素腺体和棉酚在陆地棉体细胞培养中的作用

以陆地棉3对色素腺体近等基因系、陆地棉标准系TM－1和棉花组织培养的模式品系珂字棉312为材料,研究了色素腺体和棉酚对陆地棉体细胞培养效果的影响。结果表明,外植体的色素腺体性状和棉酚含量对于棉花愈伤组织诱导和生长有显著的抑制作用,无色素腺体棉的出愈率和单块愈伤组织重均显著高于相应的有色素腺体近等基因系,并较有色素腺 体棉容易获得再生植株。外植体中的棉酚含量与其出愈率成显著负相关（γ=0.84)。培养基中加入外源棉酚对于棉花愈伤组织诱导和生长均有明显的抑制作用,特别是无色素腺体棉。但较低的外源棉酚（0.1mg/L）可使无色素腺体棉愈伤组织生长稳健,并有较多的胚性细胞,并可显著地促进体细胞分化,提高无腺体棉体细胞培养的植侏再生频率。此外,还讨论了珂字棉312幼苗棉酚含量的变化特点,以及幼苗棉酚含量变化与组织培养的关系,并提出了用外源棉酚来改良棉花体细胞培养体系的可能性。     

为了节约的创意

我们这个社会从来没有像今天这样重视节约,不仅在中国,全世界范围内最近都掀起了崇尚节约的风暴.许多地球资源是不可再生的,孕育了千万年形成的石油煤炭将在我们这几代人中挥霍殆尽,我们居住的家园--以蓝色水球而自豪的地球面临着前所未有的缺水危机.节约,迫在眉睫;节约,势在必行.节约的含义涵盖了资源、人力、物力和财力等诸多方面,而且很多节约是综合性的,还与环境保护等概念相联系.古今中外有许多节约的创意,值得我们去回顾、理解、学习和借鉴.     

六元瓜环与2-氨基甲基吡啶包结配合物的晶体结构

本文用X射线单晶衍射方法研究六元瓜环与2-氨基甲基吡啶的相互作用及其结构特征。从主客体包结配合物的晶体结构,可以看出2-氨基甲基吡啶的吡啶环进入了瓜环空腔,形成1∶1包结配合物,表明2-氨基甲基吡啶与对六元瓜环有明显地相互作用。     

沉积物团聚体稳定性和总磷释放特征

沉积物内源磷释放会对水体造成二次污染,研究表明沉积物团聚体的稳定性与水体污染关系密切。以秦淮河石头城的沉积物为研究对象,探究沉积物总磷释放与团聚体稳定性的关系以及影响总磷释放和团聚度的因素。结果表明,不同pH值的上覆水,沉积物总磷释放浓度最大可达0.91 mg·L-1,一定时间内团聚度下降最大幅度为27.27%;沉积物有机质含量越高（1.0%）,总磷释放浓度和团聚度最大下降幅度越小（分别为1.48 mg·L-1和62.84%）,;扰动强度越大（200 r·min-1）,总磷释放浓度和团聚度下降最大幅度越大（分别为2.32 mg·L-1和65.23%）。颗粒内扩散模型和Boxlucasl模型的拟合结果表明沉积物释放总磷过程中,总磷释放量越大,团聚度越小;颗粒物理吸附-解吸作用比沉积物颗粒的扩散作用强;有机质在沉积物释放总磷过程中起着重要作用,且对沉积物团聚度有着重大影响。     

风化地层圆形顶管下穿既有高速公路掘进隆沉变形控制

风化岩层圆形浅埋隧道在掘进过程中岩层表现出隆沉变形状态,而顶进力作为其重要影响因素,分析二者之间的联系对岩层变形控制有重要的意义.以青岛地铁8号线电力线路浅埋隧道采用顶管施工为工程背景,运用理论分析与FLAC^3D数值模拟研究在风化岩层圆形隧道开挖施工过程,分析在不同顶进力作用下岩体与管节变形情况.研究结果表明：顶进力作为施工过程中重要参数,对岩土变形有着重要影响;顶管处岩土沉降量均大于地表沉降量,但由于顶进力的存在可能会导致岩土先产生隆起之后再产生沉降,且随着顶进力的增大,隆起量也明显增大,但隆起量敏感度高于沉降量;同时顶进力会引起开挖面附近岩土应力变化,但影响范围有限,开挖面左右5～10 m,后方0～10 m为顶进力重要影响区.     

基于麻雀搜索算法优化Elman残差自校正地面沉降预测模型

地面沉降是一种常见的地质灾害,严重阻碍当地居民的生产生活,如何对地面沉降进行准确预测已经成为相关专家学者讨论的热点话题,但常规数学模型难以对地面沉降量做出准确预测。提出了麻雀搜索算法(sparrow search algorithm, SSA)优化Elman的地面沉降量预测方法,同时根据组合模型原理提出了SSA-Elman残差自校正(SSA-Elman residual self-correction, SSA-Elman-RSC)模型的策略,通过残差校正的方式降低神经网络预测误差,成功地将地面沉降量预测模型应用于山西省大同市潇河产业园,将预测结果与未进行残差修正的模型预测结果进行比较分析。结果表明,对于均方根误差(root mean squared error, RMSE)、平均绝对误差(mean absolute error, MAE)、均方误差(mean square error, MSE)3个指标,SSA-Elman-RSC拥有更高的精度。该模型的提出为山西地区地面沉降量预测提供了一种新方法,并且组合模型的建立提供了一种新思路。