好氧堆肥阶段对蚯蚓堆肥的影响

好氧堆肥和蚯蚓堆肥相结合处理有机废弃物能够获得更好的堆肥产品。不同好氧堆肥阶段堆肥产品质量和性质差别很大,这必然将影响蚯蚓堆肥产品稳定性和质量。对此,将好氧堆肥与蚯蚓堆肥相结合,以能够指示堆肥产品质量和腐熟度的碳氮比(C/N)、胡敏酸比富里酸(HA/FA)和胡敏酸的E4/E6三个指标构建新的指标体系,对蚯蚓堆肥产品质量进行评价。并且在此指标体系基础上,得出将好氧堆肥高温期阶段作为蚯蚓堆肥的前期处理可以获得更加稳定和高品质的蚯蚓堆肥产品。     

诱导增强吸收介质表面的反射双稳性

分析了诱导增强吸收介质表面反射率的非线性性质,指出了一种简单情况下也存在双稳状态的可能性,由此提出了一种新的、并且是极为简单的光学双稳器件原理.     

土壤及其组分对表面活性剂Tween80的吸附作用及影响因素

采用批量实验方法研究土壤及其组分对Tween80的吸附作用及影响因素, 并分析了土壤吸附Tween80的机制. 结果表明： 原土（S1和S2）和去除有机质的土壤样品（S3和S4）对Tween80吸附的热力学过程均随着平衡质量浓度的增加而增加, 并且逐渐趋于平衡; 整个吸附热力学过程更符合Langmuir模型; 土壤有机质和矿物质是吸附Tween80的重要物质, 矿物质对吸附Tween80的作用更大, 而且土壤对Tween80的吸附作用依赖于二者的结合; 土壤样品及其组分对Tween80的吸附量随着温度和初始质量浓度的增加而增加, 随着pH值的升高而降低; 土壤及其组分对Tween80的吸附能力及其在同一条件下的吸附量大小为S4>S3>S1>S2.     

基于组合神经网络的软件可靠性预测研究

为了进一步提高神经网络的预测能力,提出了一种前馈神经网络混合学习算法,并将其应用于组合神经网络.该算法由一种模式提取算法(Alopex)和伪逆算法组成.在该混合学习算法中,网络的学习任务被分解为2个部分:隐藏层的权值先随机给定,然后使用Alopex算法不断地对其进行扰动;输出层的权值使用伪逆算法确定.所使用的组合神经网络由多个结构相同的前馈神经网络组成,每个前馈神经网络都使用混合学习算法(采用不同的初值)进行训练.实验结果表明,这种组合神经网络能够显著提高软件可靠性的预测精度.     

冻融作用对东北土壤中重金属Pb和Cd化学形态的影响

季节性冻融作用影响着土壤物理化学和生物学性质,进而影响土壤中重金属的迁移转化,改变重金属稳定性和生物有效性.以东北地区典型黑土为对象,研究了冻融频次对黑土中Pb和Cd化学形态及其分布的影响.结果表明:随着冻融频次的增加,Pb和Cd的碳酸盐结合态、铁锰氧化物结合态和残渣态的含量增加,交换态和有机结合态含量则随之减少.冻融作用促进土壤中Pb和Cd化学形态之间的转化,引起重金属在土壤中化学形态变化的原因可能与冻融作用改变了土壤理化性质有关,而且不同土壤性质对重金属化学形态的影响程度和方向也明显不同.     

含瓦斯煤体破坏过程中AE序列关联维数演化分析

利用分形理论对无瓦斯和含瓦斯煤体失稳破坏中的声发射序列关联维数演化特征进行了分析。结果表明,单轴载荷条件下煤体的声发射时间序列在各变形阶段具有明显的分形特征,各变形阶段的声发射过程具有不同的自相似性,其关联维数可描述煤样力学状态;三轴加载过程中,无瓦斯和含瓦斯煤样的声发射时间序列随应力水平的变化趋势和声发射关联维数变化趋势相似;弹性阶段后,煤样的声发射时间序列关联维数的突降,可以作为破坏的“前兆”,这一特征不随围压变化、瓦斯压力的存在与否而发生变化。     

苝四甲酸二酐PTCDA分子基态和激发态的密度泛函理论

利用密度泛函理论研究了PTCDA分子,计算并讨论了PTCDA分子的稳定几何构型、电子结构与前线轨道能级、激发态能隙（HOMO-LOMOgap）,并对于基态与激发态的能级做了一定的比较。结果表明,PTCDA是一种平面分子,其吸收光谱集中在紫外波段,HOMO、LUMO能隙约为2．5eV。     

UV/Fenton试剂降解染料甲基绿的研究

采用UV/Fenton法降解甲基绿溶液,探讨了H2O2浓度、Fe2 浓度以及pH值对甲基绿脱色率与去除率的影响.UV对甲基绿光降解反应的速率起促进作用,H2O2浓度决定甲基绿的去除率,Fe2 浓度是影响降解速率的主导因素,而随pH值降低甲基绿反应速率明显增大.比较了甲基绿在光降解过程中的色度去除率和总有机碳(TOC)去除率之间的关系,表明总有机碳去除率滞后于色度去除率.     

基于AQPSO算法优化的RBF网络模型及应用研究

提出了自适应量子粒子群优化(adaptive quantum-behaved particle swarm optimization,AQPSO)算法,用于训练RBF(radial basis function)网络的基函数中心和宽度,并结合最小二乘法计算网络权值,改进了RBF网络的泛化能力.利用上证指数数据进行预测,实验结果表明,采用AQPSO算法获得的RBF网络模型不但具有很强的泛化能力,而且具有良好的稳定性,在股票数据预测中具有一定的实用价值.