再论从物理角度分析跳远成绩

建立2个坐标系，从力学原理分析起跳时的角度、初速度与跳远成绩的关系，同时与郑亚晨的文章的理论分析进行商榷。     

高岭土催化甲醇脱水制二甲醚的研究

比较研究了高岭土的结构特征,采用常压微型反应装置评价了高岭土作为催化甲醇制二甲醚催化剂的活性,并对高岭土进行了酸处理改性研究.结果表明,高岭土中高结晶度的高岭石有利于催化甲醇脱水制二甲醚,酸处理改性能提高高岭土的催化活性.     

热连轧精轧机组温度模型的改进

从实际生产数据入手,研究了温度模型设定精度的现状及设定精度与各影响因素之间的关系,同时还消化了原来的温度模型程序并将其移植到微机上.经大量的离线统计回归分析,提出了一个行之有效的温度模型改进方案.该改进方案的思路同样适合其他热轧生产线.     

单摆测重力加速度的研究

本文分析了单摆测重力加速度的误差主要来源，在测量装置，测量工具和测量方法上进行改进，从而有效地提高了测量精度。     

微波辐射合成7-羟基-4-甲基香豆素

以浓硫酸为催化剂，采用微波辐射技术，由间苯二酚与乙酰乙酸乙酯缩合制备7－羟基－4－4甲基香豆素。结果表明，微波辐射合成7－羟基－4－4甲基香豆素的最以应条件为：间苯二酚5.5g，乙酰乙酸乙酯6.8ml，浓硫酸1.5ml，微波功率240W，微波辐射时间6min，产率84．1％，不采用微波辐射，反应时间大于10h，产率78％，红外光谱分析表明，7－羟基－4－4甲基香豆素的特征峰与7－羟基－4－甲基香豆素的各官能团的吸收峰吻合，测定7－羟基－4－甲基香豆素的熔点为189－192℃。     

用GC/MS、GC分析中药前胡中白花前胡丙素、丁素和紫花前胡苷元

为快速鉴别中药白花前胡（Peucedanum praeruptorum Dunn.）和紫花前胡（Peucedanum decursinum Maxim.），用气相色谱/质谱（GC/MS），气相色谱法（GC）分别定性，定量分析白花前胡丙素（Pd-1a），丁素（Pd-Ⅱ）和紫花前胡苷元（Nodakenetin），在白花前胡中检出白花前胡丙素（M/Z 386）和丁素（M/Z 426)，但未检出紫花前胡苷元，在紫花前胡中检出紫花前胡苷元（M/Z 246），但未检出白花前胡丙素和丁素，线性关系：YPd-1a=1.111XPd-1a 0.021(n=6 r=0.9995)，线性范围：0.175～1.919μg，YPd-Ⅱ=1.189XPd-Ⅱ-0.013(n=6 r=0.9996),线性范围：0.086～0.950μg。YNodakenetin=0.901XNodkenetin-0.024（n=6 r=0.9999），线性范围：0.089～1.062μg，回收率：白花前胡丙素97.29%，白花前胡丁素98.81%，紫花前胡苷元96.34%，分析结果表明，不同产地药材样品中各自特征成分含量不同，分析中未能找到白花前胡和紫花前胡苷元共有的相同的有效成分或指标性成分。表明可用GC/MS区分白花前胡和紫花前胡苷元，但未能用统一的化学对照品进行质量控制。     

KosnioWski-Stong公式的一个简单证明

Kosniowski-Stong公式是近年来带对合协边领域的一个较重要的结果，它来源于Atiyah与Singer在指标定理方面的工作。此公式现有2种证明方法，其中属于带对合协边理论的是一种验算性质的证明。现利用带对合协边理论基本定理直接导出了此公式，由此可看出这2个重要结果是紧密相连的。     

支持虚拟样机的协同仿真平台关键技术研究

为了支持虚拟样机开发环境中不同领域，分布，异构的仿真系统间的信息共享和互操作，提高协同仿真平台的可扩展性和灵活性，提出了灵巧产品模型建模，协同仿真资源库集成管理方案和协同环境运行框架，并具体说明了基于DCOM的仿真工具协同的关键实现技术，支持仿真联邦管理的数据库设计和CORBA的应用实现技术，通过轿车虚拟开发的初步应用实践，基于上述研究所开发的平台能有效支持复杂产品的虚拟开发。     

理想与现实——清末贵州社会变革之再思考

贵州辛亥革命结束了清朝封建帝制在贵州的统治，但是，革命很快归于失败，革命的结局与革命的理想大相径庭，这一切，根源于贵州近代资本主义经济及民族资产阶级力量较之全国说来更加的落后和弱小，在客观物质力量的成长还未壮大到足以冲破封建势力的束缚的时候，一种渐进的和平改革道路也许是当时最好的选择，而激进的，理想主义的行动酿就的只能是一杯难以下咽的苦酒。     

基于神经网络的企业信用等级评估

企业信用等级评估是金融领域重要的问题，论文采用人工神经网络模型研究企业信用等级的评估问题，按照企业样本在信用等级的分布状况来抽样，然后，根据企业样本性质的不同，将其分为制造业和非制造业两大类，利用偏相关分析方法建立了企业信用评级的指标体系，此外，还介绍了几种企业信用评级常用的评估模型，并将神经网络评估模型的性能和其他的信用评估模型作了比较，实验结果表明神经网络模型具有更好的预测准确性。