火焰原子吸收光谱法测定雷公藤中的铅和镉

用火焰原子吸收光谱法对雷公藤中的Pb和Cd进行了分析测定.结果显示,用HNO3和H2O2(5:2)混合作消解液处理样品,精密度与回收率较好.检出限分别为0.25μg·mL-1和0.036μg.mL-1,RSD为2.5%和3.7%(n=5),回收率为97%和101%对Pb和Cd.     

雅致放射毛霉AS3.2778碱性蛋白酶的纯化及水解特性

毛霉蛋白酶可以高效地水解大豆蛋白,而且对蛋白水解物具有良好的脱苦效果.为了开发这一蛋白酶系,采用离子交换、疏水层析及凝胶层析等方法,从雅致放射毛霉AS3.2778的发酵麸曲中分离纯化出一蛋白酶组分,并对其水解特性进行了探讨.结果显示：纯化后的蛋白酶是一单体蛋白,其相对分子质量大约为32000;该蛋白酶在55℃、pH8.0-10.0的条件下对大豆蛋白显示出较强的水解能力,其水解效果明显优于商品化的蛋白酶（如木瓜蛋白酶、Alcalase及Protamex）,表明该蛋白酶比以上几种商品化蛋白酶具有更广泛的肽键选择性,对大豆蛋白亲和力更强,在大豆蛋白肽链上有相对较多的酶切位点.     

利用轻量化深度学习模型和加速度信号的枪击识别方法

枪支射击的检测与识别有助于实现枪支和子弹的精准管控，从而防止枪支滥用、提高公共安全。区别于传统利用加速度传感器的枪击识别需要进行特征提取的方法，本文针对不同类型的枪击加速度信号，首次采用深度学习的方法进行研究，提出了一种新的兼顾精度和轻量化的EfficientNetTime时间序列分类模型。该架构核心由MBConvTime，Fused-MBConvTime模块组成，能够自动提取枪击加速度信号特征，对不同输入时间尺度更具鲁棒性。在识别精确率方面达到97.42%超越传统枪击识别算法，并在公开枪击数据集上与SVM、决策树、随机森林三种传统机器学习模型和FCN、Resnet、Inceptiontime、Xceptiontime四种时间序列深度学习模型对比。实验结果表明EfficientNetTime模型更加高效，识别精确率也更高。     

基于系统机能曲线的城市道路公共交通系统韧性评估方法

为科学定量评估城市道路公共交通系统韧性，构建了基于系统机能曲线的城市道路公共交通系统韧性评估模型，并提出了一种量化系统韧性的方法。模型中包含公交车系统和出租车系统两个维度，并采用城市公交车服务率和出租车在线率来表征其系统机能，能够综合评估城市道路公共交通系统韧性。用该方法对2021年郑州特大暴雨灾害中的道路公共交通系统韧性进行了计算分析。评估结果表明：郑州市道路公共交通系统处于中等韧性水平，且不同的恢复方案对系统的恢复力和适应力均会产生影响。所建立的模型能够描述系统从受到扰动至达到新的平衡状态各个段的机能水平，从而定量计算城市道路公共交通系统韧性。该方法适用于单一灾害作用情景和多种灾害耦合作用情景，可为提升城市道路公共交通系统应对不确定性扰动的能力提供参考。     

基于AHP和模糊综合评判法的学校消防安全评估

影响消防安全的因素众多,针对各因素之间存在模糊不确定性的特点,提出一种基于模糊综合评价的消防安全评估方法;采用层次分析法相对客观合理地确定评价指标的权重,建立消防安全评估的模糊综合评价模型;进而根据评价结果,提出加强我国消防安全工作的具体对策。     

N-十二烷基丙烯酰胺与4′-丙烯酰胺基苯并-15-冠-5共聚物的合成

报道了Ｎ－十二烷基丙烯酰胺与４′－丙烯酰胺基苯并－１５－冠－５共聚物的合成．探讨了中间体、单体和共聚物合成中的影响因素．开展了对这种共聚物ＬＢ膜的制作研究，获得了Ｙ型ＬＢ膜，考察了亚相中添加各种碱金属离子后π－Ａ曲线的特点．     

基于遗传算法的最小约简算法研究

基于粗集理论和扩张矩阵理论 ,提出了一种利用遗传算法求解最小约简的方法。通过对算法的分析提出了改进性意见 ,并用 JAVA语言实现了该算法。实验结果表明 ,该算法是高效的。     

利用改进布谷鸟优化算法的光伏全局MPPT方法

光伏阵列一般由大量组件构成,受环境影响易出现局部阴影,导致P-V曲线出现多峰现象。传统的最大功率点追踪(Maximum power point tracking,MPPT)控制策略如扰动观察法容易陷入局部最优, 从而降低光伏系统的发电效率。为了解决该问题, 本文提出了一种融合正弦余弦算法和自适应策略的布谷鸟优化算法(Cuckoo Search Algorithm Fusing Sine Cosine Algorithm And Adaptive Strategy ,AFCS),并将其应用于光伏全局MPPT控制中,用于改善MPPT过程中的收敛速度与追踪精度。最后设置多种光照情况并用花朵授粉算法和粒子群算法进行对比,经过MATLAB/Simulink仿真验证,该算法拥有较快的收敛速度和较高的追踪精度, 在各个光照条件下均能快速追踪到光伏阵列最大功率点, 可以有效提高光伏系统的发电效率。     

利用改进Elman神经网络的光伏I-V特性建模方法

为了准确表征和预测光伏(PV)组件在不同工况下的电流电压(I-V)特性，提出一种利用改进Elman神经网络的光伏I-V曲线黑盒建模新方法.首先，通过皮尔森相关系数分析影响I-V曲线的环境因素；其次，使用基于电压电流的双线性插值法对实测I-V曲线进行重采样，以提高I-V曲线上数据点分布的均匀性；再次，使用基于辐照度温度的网格采样法对I-V曲线数据集进行下采样，降低数据冗余度，并利用量子粒子群(QPSO)算法优化Elman神经网络的初始权值和阈值，从而构造QPSO-Elman预测模型.最后，根据实测I-V曲线数据集进行实验验证和测试，并与多层感知机、未改进的Elman网络、支持向量机等算法进行对比.实验结果表明，所提出的建模预测方法精度更高，稳定性和泛化能力更好.