基于连续谱特征提取的被动声纳目标识别技术

目标噪声特征提取和目标分类器设计是被动声纳目标识别系统的关键技术 .针对被动声纳目标识别 ,提出了一种新的连续谱特征提取方法 .此外 ,为了训练神经网络目标分类器 ,将遗传算法和 BP算法相结合 ,提出了一种新的自适应遗传 BP算法 .最后 ,对海上实录的三类目标噪声进行了分类识别 .实验结果表明 ,设计的被动声纳目标识别系统具有很好的分类效果     

复杂边界下同位网格和交错网格水流模型收敛性

为提高计算精度,研究简单和复杂边界情况下交错网格和同位网格平面二维水流模型的收敛性。采用有限体积法离散正交曲线坐标下的控制方程,使用S IM PLEC方法求解水位。比较水流动能、最大水位修正和剩余质量源随迭代的变化过程。结果表明:1)在简单边界条件下,交错网格模型收敛性较好;2)在复杂边界条件下,两套网格模型收敛性基本相同。在恒定流计算过程中采用动能标准比最大水位修正和剩余质量标准更能有效地判别模型的稳定性。     

自然产卵的赤点石斑鱼胚胎及仔鱼形态发育研究

介绍赤点石斑鱼（Epinephelus akaara)人工种苗繁殖生产中,以自然产出的受精卵为材料,进行孵化、培育,连续观察该种鱼的胚胎发育过程及仔鱼的形态,并对其作的详细描述。     

美洲黑杨维管形成层发生发育的解剖学观察

利用常规石蜡切片技术,观察研究了美洲黑杨维管形成层的发生和发育,结果表明：（１） 从顶端分生组织至原形成层,以及由原形成层向维管形成层的转化是随着茎的发育逐渐向顶进行的,而且叶迹与维管组织的发育密切相关;（２） 维管形成层为叠生型,并在芽萌动前已开始活动,４ 月中旬进入活动旺盛期,分裂形成的薄壁细胞迅速分化为导管参与构成次生木质部。     

基于GLUE方法的流域水文模型的不确定性分析

以东江流域中的星丰流域为研究对象,采用GLUE方法探讨了TOPMODEL模型在水文预报中的不确定性.研究结果表明,模型中的参数m、T0和RV较为敏感,它们的微小改变都将影响模拟结果,而参数SR0不太敏感.从两场次洪水的流量过程线可看出,模拟得到的流量过程线的上、下边界并不能完全包含实测流量过程线,总有一些实测流量落在90%的置信区间之外,说明TOPMODEL模型并不能完全模拟出该流域的流量过程,这正是由于模型的不确定性而引起的.     

北京六湖水体和表层沉积物中氮污染特征与评价

调查和分析了北京市六个城市湖泊水体和沉积物的氮营养盐污染特征和污染程度,并对六湖水体和表层沉积物中各指标作了相关分析,拟为城市湖泊富营养化的防治提供基础数据.结果表明,所调查的北京城市湖泊氮污染程度较严重,调查期间半数湖泊的水体总氮(TN)含量超过地表水(湖、库)Ⅴ类标准值.在太湖流域的有机氮(ON%)污染评价标准下,...     

Bi4Ti3O12纳米片的低温合成与光致发光特性研究

以Bi(NO3)3.5H2O和Ti(OC4H9)4为原料,NaOH为矿化剂,聚乙二醇(PEG)为添加剂,采用水热法制备形貌规则的Bi4Ti3O12纳米片.利用X射线衍射(XRD)、扫描电子显微镜(SEM)、透射电子显微镜(TEM)、X射线荧光光谱(XRF)研究产物的物相、显微结构和组成,利用分子荧光光谱仪(PL)研究产物的光致发光特性.结果表明水热合成的Bi4Ti3O12纳米片为正交相层状钙钛矿结构,平均边缘尺寸大约200 nm,厚度10～20 nm,主要沿着平行于(111)面和垂直于(111)面的二维方向生长.室温下Bi4Ti3O12纳米片在470.4nm处具有蓝—绿发光,在399.3 nm和417.6 nm处具有紫光发射特性,初步认为是纳米片表面的氧空位和铋空位所引起的,同时在380 nm和516 nm处存在高能带边和低能带尾.     

ε-聚赖氨酸研究进展

ε-聚赖氨酸(ε-poly-L-lysine,ε-PL)是通过白色链霉菌(Streptomyces albulus)发酵产生的一种由赖氨酸单体在α-羟基和ε-氨基之间形成酰胺键连接而成的均聚氨基酸,是一种安全、高效、耐高温、水溶性好、抗菌谱广的食品防腐剂。在酸性和微酸性环境中,对革兰氏阳性菌、革兰氏阴性菌、酵母菌、霉菌均有一定的抑菌效果,尤其对其它天然防腐剂不易抑制的革兰氏阴性的大肠杆菌、沙门氏菌抑菌效果非常好。本文综述了ε-聚赖氨酸的结构性质、生产现状、抑菌机理及其应用等。     

基于声学特征的埋地管道堵塞故障的聚类识别方法

针对在实际工程应用中埋地排水管道不同程度的堵塞难以检测的问题,提出了一种基于声学特征的管道堵塞故障类型的聚类识别方法.首先对管道中采集的声学信号进行声压级变换,以增加不同故障类型之间的区分度,其次对声压级信号进行总体平均经验模态分解(Ensemble Empirical Mode Decomposition,EEMD),利用皮尔逊相关系数选取前4个IMF分量并提取中心频率和能量占比作为聚类特征,之后采用主成分分析法(Principal Component Analysis,PCA)对特征向量进行降维,最后通过FCM((Fuzzy C-means))和GK(GustafsonKessel),GG(Gath-Geva)3种聚类学习方法对特征向量进行堵塞故障的聚类和识别.实验结果表明,该方法能有效识别排水管道内不同程度的堵塞故障,具有一定的工程实用价值.