BP神经网络数值预测方法的研究

人工神经网络作为一个具有高度非线性映射能力的的计算模型,具有广泛的应用前景.在数值预测方面,它不需要预选确定样本的数学模型,仅通过学习样本数据即可以进行预测.本文在对其进行深入研究的基础上,探讨了利用BP神经网络进行数值预测的方法和应该注意的问题,并给出了一些有益的建议.     

甘草渣中黄酮类化合物的提取工艺研究

应用正交设计法，考察氢氧化钠浓度、体积、提取温度、提取时间等因素对甘草黄酮提取率的影响。实验结果表明：最佳工艺组合为A3B2C1D3，最佳提取工艺条件为：氢氧化钠的浓度为0．2mol／L，甘草渣：提取剂为1：14，提取温度为90℃，提取时间为0．5h，此提取条件下的提取率高达96％。验证实验表明该工艺简单可行。     

TiN-MOS2/Ti复合薄膜的摩擦性能

采用纳米复合非平衡等离子体镀膜方法制作了应用于月球车活动关节的新型TiN-MoS2/Ti复合润滑薄膜,通过SEM、XPS等对复合薄膜的微观结构和成分进行了分析,并进行了耐磨和抗潮湿性能试验。研究结果显示,与传统多层膜结构相比,TiN-MoS2/Ti新型复合膜的钻孔数从278个提高到356个;潮湿储存10d后,其耐磨性能与多层膜相比,提高了2.5倍。因此,通过优化制备工艺及加入Ti添加剂等方法可以有效提高月球车活动关节处润滑薄膜的耐磨和抗潮性能。     

协同治理视角下智慧交通模式的建构与实现

智慧交通治理模式的发展,标志着交通管理改革正在走向网络化、数字化、智能化三者的高度融合——智慧化。为更加全面高效应对新时代下交通管理的新问题和新挑战,智慧交通治理模式的建设应当以协同治理理念为指导,通过智能化下交通管理资源的优化、物联化下交通缓堵治理的突破、互联化下公众参与模式的创新,从社会资源协同的多元维度共同发力形成共建、共治、共享的新格局。     

柱状节理岩体相似材料力学特性试验研究

通过柱状节理岩体模型试验探究白鹤滩水电站坝区柱状节理岩体各向异性特征.使用了模拟岩体内部节理的新方式——3D打印制作不同倾角六棱柱形节理试件,以树脂为节理打印材料,水泥砂浆为模型材料,通过立方体试件单轴压缩试验考察节理岩体强度随倾角0°~45°变化的各向异性特征.试验结果表明:岩体压缩强度随着节理面延伸方向与竖直方向的夹角的逐渐增大而减小,单轴压缩下柱体破坏模式主要为剪切破坏.     

原儿茶酸分子印迹聚合物的色谱识别性能

应用非共价法在四氢呋喃溶剂中合成了原儿茶酸印迹聚合物.通过静态平衡吸附实验和高效液相色谱分析,评价了分子印迹聚合物对模板及其类似物的键合行为.结果表明：由于分子印迹聚合物基体存在大量多空的识别位点,并且这些位点的大小和形状与模板分子十分匹配,因此,分子印迹聚合物对模板分子具有高的吸附能力和选择性.Scatchard分析表明印迹聚合物表面有2类不同性能的键合位点.流动相及其流速对分析物的保留行为有较大影响.     

模型检验技术在软件漏洞自动挖掘中的应用

将在工业设计领域应用很成功的模型检验技术引入到信息技术软件产品的安全漏洞挖掘中,提出了针对源码的漏洞挖掘系统原型,以开放源代码的操作系统Linux为例,建立了特权释放和文件创建的安全属性模型,并举例加以验证.研究结果表明:该方法是一种自动化挖掘软件安全漏洞并证明漏洞存在性的形式化方法,对挖掘已经确认机理类型的漏洞非常有效.     

甘肃省陇南市药用动物资源调查与评价

陇南市位于甘肃南部,属北亚热带、暖温带和中温带重叠的季风区,雨量充沛,温暖湿润,境内自然环境优越,生态系统类型多样,生物资源种类繁多.通过对全市药用动物的调查,有野生药用动物有野生药用动物50目101科141属184种,其中无脊椎动物25目52科60属82种,脊椎动物25目49科81属102种.药用动物养殖业发展不平衡...     

甲醇/正庚烷双燃料均质充量压缩着火燃烧

在单缸发动机上进行了甲醇/正庚烷双燃料均质充量压缩着火(HCCI)燃烧的试验研究,采用详细化学反应机理分析了它们的反应过程和中间产物历程.研究表明,甲醇和正庚烷浓度的变化主要通过影响第一阶段放热量和放热时刻,进而影响高温着火时刻.正庚烷当量比不变时,随着甲醇浓度增加,低温反应放热量减小,燃烧始点推迟;当总燃料当量比不变,增加正庚烷比例时,低温反应时刻提前,峰值放热率增加;正庚烷当量比和总燃料当量比之比在0.8左右时,高温着火时刻发生在上止点附近,此时气缸压力和峰值放热率最大.对排放影响因素分析表明,CO排放更多取决于燃烧温度,而HC主要取决于甲醇比例.数值模拟发现,OH摩尔分数在10-6数量级才触发冷焰反应,甲醇浓度的变化引起低温阶段nC7ket和OH最大浓度及时刻的改变,从而影响低温和高温反应.     

PSO-ELM在低压系统短路电流峰值预测中的应用

在短路电流早期检测的基础上,提出一种基于粒子群优化极端学习机(PSO-ELM)的短路电流峰值预测方法.利用短路电流暂态特性分析确定预测模型的输入特征量,采用粒子群算法对极端学习机的输入权值和隐层偏置进行优化,最后,将提出的预测算法应用于低压多层级实验平台,并且与传统BP、 ELM算法进行比较.实验结果表明,基于PSO-ELM模型的短路电流峰值预测方法能够在全相角范围内准确地预测短路电流峰值,可作为低压多层级系统全选择性保护的短路故障预测算法.