槐花中黄酮类物质提取研究

利用青海当地槐花资源，采用两种不同的方法对槐花中的黄酮类化合物进行了提取研究。比较不同提取方法的提取率及提取物中黄酮类化合物的百分含量，找出最佳提取方法。为西部开发、青海经济发展提供一条新的途径。     

滨海湿地的生物修复

鉴于日益突出的滨海湿地生态环境问题及生物修复技术的优越性,对滨海湿地的生物修复技术进行了综述,首先从有机污染及重金属污染方面阐述了生物修复的两大技术应用：微生物修复及植物修复,然后提出最佳的修复技术——植物-微生物联合生物修复,最后指出进一步研究的方向,对滨海湿地的修复会有一定的帮助．     

富营养水体中3种沉水植物的生长竞争及其净化效果

研究苦草、黑藻和马来眼子菜3种沉水植物在太湖富营养化水体中的生长竞争状况及其对水体的净化效果．结果表明：3种沉水植物短期内可以在混合种群中共存,但竞争优势差别明显．黑藻具有在水中形成上位冠层、根系发达的特性,与苦草、马来眼子菜相比在占领水体上层空间、获取光照和吸收营养方面优势明显,表现出较强的竞争优势;马来眼子菜与苦草之间的竞争不明显,其占据水面面积大,获取光照多,苦草则主要占据水体下层空间,地下部分发达,混种时两者生物量相当．它们对水体中总氮、总磷和藻类叶绿素a的降低作用明显,单种时以黑藻对总氮、总磷的去除率最高,苦草对藻类叶绿素a的降低效果最好;混种时以苦草＋黑藻组对总氮去除率最高,以苦草十黑藻＋马来眼子菜组对总磷去除率最高．     

含方差扩大的一般均值漂移模型的Score检验统计量

该文研究了含方差扩大的一般均值漂移模型中漂移量的存在性检验问题.利用Score函数和Fisher信息阵,获得了检验的Score统计量.     

分类问题中连续属性的离散化方法

提出了连续属性的一种离散化方法,指出与其他离散化方法的不同之处:离散化算法应是与挖掘目标息息相关的.研究和探讨了分类问题中的属性离散化方法,以分类精度和正域的势来评估每一步离散化过程,并将评估结果进行反馈,直至所有属性的属性值判断完为止.通过UCI机器学习数据库的实验表明,属性值个数的减少会提高在数据集上运行数据挖掘算法的效率,离散化后的分类正确率保持不变或有一定的提高.     

大鼠颅脑冷冻伤后一氧化氮的变化及其对脑水肿的影响

目的：探讨脑冷冻性损伤后一氧化氮(NO)与脑水肿的关系及其对脑水肿的影响。方法：建立大鼠脑冷冻伤脑水肿模型，测定伤后伤侧脑组织水的质量分数和颈静脉血NO量，并应用一氧化氮合酶(NOS)抑制剂进行治疗。结果：伤后伤侧颈静脉血NO浓度增加，但随着脑水肿的加重，NO浓度呈进行性下降。应用NOS抑制剂可以有效减少脑组织水的质量分数。结论：NO与创伤性脑水肿的发生和发展密切相关，NOS抑制剂也许可以用于治疗脑水肿。     

高分子改性絮凝剂在船舶压载水有害生物治理中的应用

以农业废弃物玉米芯粉为原材料,用自制的阳离子醚化剂N-(2、3-环氧丙基)三甲基氯化铵对其进行阳离子化改性,以制备高分子改性絮凝剂.红外光谱扫描图谱显示,产物是含有季胺基团的胺基化纤维素和淀粉.用其絮凝沉淀处理船舶压载水中微藻,总体絮凝沉淀效果良好,用量为50 mg/L时,作用48 h后对新月菱形藻的去除率达到95%;作用72 h对小球藻达到同样的处理效果.同时,对添加絮凝剂前后上述两种藻的叶绿素a测定结果进一步表明,该絮凝剂对其有杀灭抑制作用.     

甘蔗切割器工作参数优化综合

利用二次回归正交旋转设计的方法,建立了不同工况下甘蔗收割机切割器的工作参数:切割速度、前进速度、刀片数量、刀盘倾角、刀片刃角和切割角对工作性能指标破头率影响的二次回归方程,在此方程的基础上,考虑切割器工作参数对破头率的影响,建立了参数优化数学模型,采用约束变尺度法,实现了切割器工作参数的优化,降低了破头率,最后通过实验进行了验证.     

硅烷自组装膜对PPy固体铝电解电容器的影响

通过对比在固体铝电解电容器多孔性绝缘Al2O3膜表面是否进行硅烷偶联剂预处理后化学聚合得到的导电聚吡咯（PPy）薄膜的连续性、附着性与电导率以及所得PPy固体铝电解电容器的性能指标,探讨了硅烷自组装膜对PPy薄膜与PPy固体铝电解电容器性能的影响及硅烷自组装膜在多孔性Al2O3膜表面的形成机理与PPy薄膜在硅烷自组装膜上的成膜机理．PPy薄膜的电导率从5．4s·cm-1提高到了16．6S·cm-1,PPy固体铝电解电容器的损耗角正切tgδ≤0．06（120Hz,20℃）,漏电流IL≤〈0．04CV（或3μA）．     

2种改进的PWM方法及其在径流区间估计中的应用

对于小样本的时间序列应用2种改进的PWM方法,分别用修正的Bootstrap方法和随机加权法对样本进行再抽样,然后根据PWM方法进行区间估计,并以潘家口水库径流量为例,对2种改进的PWM方法与传统方法进行比较,改进的PWM方法的精度更高,在相同的置信水平下,置信区间更短.