论知识经济时代高校图书馆馆员的继续教育

本文阐述了面临知识经济时代高校图书馆员加强继续教育的紧迫性、重要性及继续教育的内容及途径。     

４０t修井机井架强度的有限元分析

采用大型通用有限元ＡＮＳＹＳ对４０t修井机井架进行强度分析，介绍了单元类型的选择、有限元分析模型的建立及危险工况的确定，并对计算结果进行了分析和讨论。     

α-氧代膦酸衍生物生物活性机理的探讨 ——O，O-二甲基-α-［2，4-二氯苯氧丙酰氧基］丙基膦酸酯对绿豆幼根抗氧化酶的影响

以不同浓度O，O-二甲基-α-［2，4-二氯苯氧丙酰氧基］丙基膦酸酯处理绿豆幼根，其过氧化物酶（POD）、超氧化物歧化酶（SOD）活性及其同工酶均发生相应变化，高浓度HJCE对POD和SOD均有较强的抑制作用，低浓度则对其抑制较弱或有一定的激活作用．同时，不同浓度的HJCE对绿豆幼根细胞相对存活率也有相似的影响．     

预聚型聚氨酯涂料的研制

由松香及二甘醇等合成醇酸树脂多元醇与ＴＤＩ反应制备了预聚型聚酯涂料，讨论了醇酸树脂多元醇、氨酯化反应的工艺等因素对聚氨酯涂料性能的影响，性能测试表明，该漆干燥速度快，理化性能优异，质优价廉，具有广阔的应用前景。     

油橄榄叶存储条件对橄榄苦苷的影响

油橄榄叶中橄榄苦苷含量高于果实和树皮,但并未合理利用。为探究不同温度条件对油橄榄叶中橄榄苦苷含量的影响,以8 a生小苹果油橄榄叶作研究材料,采用3种不同的干燥处理方式,将油橄榄叶片液氮研磨冷冻干燥、-20℃冷冻干燥或45℃烘干,得到油橄榄叶片干叶粉末,分4份分别储存于-80、-20、4、25℃温度条件下,采用超声波提取法得到样品提取液,使用高效液相色谱法测定提取液中橄榄苦苷含量。结果表明:采用45℃烘干的干燥方式、存储在25℃的样品橄榄苦苷质量分数最高,达到77.9 mg/g。     

红崖大峡谷华北落叶松群落乔木层种间关系研究

通过采用2×2列联表的Pearson相关分析和Spearman秩相关分析等方法对红崖大峡谷景区内的华北落叶松群落（海拔1900～2300 m）乔木层进行了种间关系的分析。结果表明,群落中的华北落叶松与其他物种呈现极显著的负相关,在一定海拔范围内和红桦、白桦竞争较为激烈,但在海拔2300 m至2400 m,华北落叶松占据绝对的生长优势,基本没有出现其他乔木的生长。     

三元共聚物P(IA/MA/SAS)的合成及对CaCO_3阻垢性能评价

以衣康酸(IA)、马来酸(MA)和烯丙基磺酸钠(SAS)为单体,K2S2O8-(NH4)2Fe(SO4)2为氧化还原引发剂,合成了一种新型的阻垢剂P(IA/MA/SAS).通过正交实验法确定了最优条件为:反应物摩尔比nIA∶nMA∶nSAS=1∶2∶1,链转移剂质量分数为3%,引发剂质量分数为5%,反应温度为90℃.静态法评价了产品阻垢能力,在加剂量为10 mg/L时阻碳酸钙率最佳可达96.6%,优于常用的聚羧酸类和聚膦酸类商品阻垢剂,是一种性能优异的循环冷却水阻垢剂.     

Nil-semicommutative的exchange环

设R是nil-semicommutative的exchange环,证明了如下结论:1)对于R的每个左本原理想P,R/P是除环;2)R是左quasi-duo环;3)若每个非零左R-模有一个极大子模,则R/J(R)是强正则环;4)R/J(R)是强正则环当且仅当R/J(R)是同态半本原环;5)若R的每个素理想是左本原理想,则R为强π-正则环且R/J(R)是强正则环.     

HPLC法测定茸芪益肾口服液中大黄素的含量

目的 建立HPLC法,测定茸芪益肾口服液中大黄素含量.方法 采用高效液相色谱法,C18色谱柱(4.6 mm×250 mm,5μm),以甲醇-0.1%磷酸溶液(85∶15)为流动相,流速为1.0 mL/min,检测波长为254 nm.结果 大黄素进样量在0.024 24～0.218 16μg线性范围内呈良好的线性关系,相关系数为0.999 96,回收率为99.6%,RSD为1.01%.结论 本方法是可靠、简便的测定茸芪益肾口服液中大黄素含量新方法.     

基于深度学习的电网安全态势感知

随着电网的发展和技术的进步,电网结构日益复杂,能够及时有效地对电网的安全态势进行感知显得尤为重要。深度学习,近些年在文本、语音、图像等方面取得了巨大进展,同时在人工智能领域也占据着重要地位。将深度学习与电网的安全态势感知相结合,提出了基于深度学习的电网安全态势感知。在态势理解阶段,从电网的静态安全性和动态安全性两个方面出发,构建了一套较完整的电网安全态势评价体系,用来表征电网的运行轨迹。在态势预测阶段,构建深度学习模型,完成对电网安全态势的感知。最后以IEEE39节点系统为例,将其与BP(back propagation)神经网络和RBF(radial-basis function)神经网络预测模型进行了对比分析,验证了深度学习可以有效地对电网的安全态势进行感知,且预测精度高于传统的神经网络模型。