漆树营养液对漆树生长及生漆质量的影响

以提高生漆的质量为目标,用专门配制的含磷、钾、硼、铜、镁等矿质元素和生长调节物质的"漆树营养液"对毛坝漆树进行喷施处理,观察漆树的生长情况并检测生漆质量.试验结果表明:①处理组较对照组漆树生长茂盛,树皮增厚,漆树落叶时间延长半个月左右,且无毒副作用;②处理组较对照组漆树所产生漆的漆酚、漆酶、树胶质等主要化学成分的含量增加;③处理组较对照组漆树所产生漆的感官检验指标明显改善;④处理组较对照组漆树所产生漆的表干时间缩短.其机理是施用"漆树营养液"后漆树的营养条件改善了,生漆的代谢合成能力增强了.施用"漆树营养液"可促进漆树生长并提高生漆质量.     

凹盖壳爆炸拉深工艺研究

介绍了不锈钢凹盖壳爆炸拉深的研制过程,重点阐述成形工艺方法的确定,爆炸拉深模的设计和爆炸工艺参数的选择。研究结果表明,凹盖壳爆炸拉深具有工艺方法简单、投资少、无需大型设备、成形精度高等优点,工艺方法是可行的,可广泛应用于类似零件的中小批量生产。     

非均匀地表的湍流通量和掺混高度

叙述了掺混高度的概念及运用。利用大涡模拟作为手段,研究了地表平坦但地表热通量非均匀情况下的掺混高度。考察了地表热通量非均匀性尺度、风速以及非均匀性强度对掺混高度的影响,发现掺混高度是否存在以及高度受非均匀尺度和风速大小的影响非常明显,受非均匀性强度的影响不明显。若规定掺混高度出现在垂直湍流热通量水平涨落的标准差减为地表感热通量标准差5％的高度,这时掺混高度可以拟合为：Z_b = 1/C_wm * w'θ'_sfc/Θ₀ * L^a_hetero/U^b,其中a=1.266,b=0.854,C_wm=3.205×10^-3。     

封闭群东方田鼠的病理生物学特征观察

在野生动物进行实验动物化过程中 ,制定微生物控制的标准 ,可以采用两种方法 :(一 )从野生动物的各种器官组织 ,对各类病原体进行逐一分离 ,制定微生物控制的标准 ;(二 )先对野生动物进行病理学检查 ,全面了解在正常饲养繁殖条件下 ,动物各器官以及各种生理状态下它们的病理变化 ,根据病理变化的特点 ,筛选病原体。采用第一种方法 ,较盲目 ,费时。用第二种方法 ,一方面可以了解动物的病理生物学特点 ,积累基本的生物学数据 ;另一方面 ,可以根据病变的程度与特点 ,估计和预测可能的病原体的种类 ,达到筛选病原体的目的。通过对封闭繁殖的东方…     

增加光子奇(偶)对相干态的非经典特性

构造了增加光子奇(偶)对相干态并用数值模拟方法研究了它们的非经典性质.结果表明,增加光子奇(偶)对相干态都具有光子统计的亚泊松分布以及反聚束效应等非经典性质,是新型量子光场.在奇(偶)对相干态的两个场模上增加光子,都可以增强光场光子统计的亚泊松分布特性.     

大数据哈希学习:现状与趋势

随着信息技术的迅速发展,各行各业积累的数据都呈现出爆炸式增长趋势,我们已经进入大数据时代.大数据在很多领域都具有广阔的应用前景,已经成为国家重要的战略资源,对大数据的存储、管理和分析也已经成为学术界和工业界高度关注的热点.收集、存储、传输、处理大数据的目的是为了利用大数据,而要有效地利用大数据,机器学习技术必不可少.因此,大数据机器学习(简称大数据学习)是大数据研究的关键内容之一.哈希学习通过将数据表示成二进制码的形式,不仅能显著减少数据的存储和通信开销,还能降低数据维度,从而显著提高大数据学习系统的效率.因此,哈希学习近年来成为大数据学习中的一个研究热点.本文对这方面的工作进行介绍.     

非晶硅氢薄膜材料光稳定性的研究

研究a Si:H薄膜样品在长时间强光照后会引起光、暗电导率的降低 (S W效应 )及薄膜的光转换效率 实验表明 ,随着光照时间增加 ,薄膜的光接受灵敏度下降 ,光电转换效率也相应降低 ,就此提出了S W效应发生的微观模型     

人造板挥发性有机物(VOCs)的研究

采用容积为0.0275m^3的环境气候箱对使用不同胶黏剂的麦秸刨花板、杨木刨花板以及添加了水溶性防腐剂硼酸铜的麦秸刨花板、杨木刨花板等进行挥发性有机物的气体采样,并利用气相色谱一质谱联用分析技术对人造板中挥发性有机物(VOCs)进行定性与定量研究,分析了刨花板有机挥发物的种类和浓度,通过22d浓度衰减试验分析了麦秸板挥发性有机物的散发趋势与规律。结果表明,原料、胶黏剂和防腐剂对挥发性有机物的种类和浓度有比较明显的影响;在一定环境条件(温度、湿度、装载度和换气量)下,麦秸板挥发性有机物的散发符合动态的气体散发规律。     

铸铁平板像素检测法中的图像均匀化方法

在铸铁平板像素检测法中，针对图像的不均匀特点，建立了铸铁平板图像的数学模型，并在此基础上提出了以二维插值为基础的铸铁平板图像均匀化方法．结果表明，该方法的均匀化效果良好，均匀化后的平板图像可直接用Otsu方法对其讲行分割．分割效果满足应用要求．     

基于GA和Bootstrap的最小二乘支持向量机参数优选

支持向量机是一种新型的学习方法,该方法以结构风险最小化原则取代传统机器学习中的经验风险最小化原则,在小样本的机器学习中显示出了优异的性能.传统的支持向量机是解凸二次规划问题,而最小二乘支持向量机是解等式线性方程,显得尤为方便.针对最小二乘支持向量机的特点,通过Bootstrap建立适当的性能指标,用遗传算法(GA)优化最小二乘支持向量机的有关参数,并在非线性经济系统中应用.用最小二乘支持向量机对非线性经济系统进行预测的结果与神经网络预测的结果比较证明,该模型的预测精确度是令人满意的,文中提出的方法是可行的.