侧析我国的学术环境——对诺贝尔奖困惑的反思

诺贝尔自然科学奖是比较公正的,但政治对科学发展的影响又是现实的。我国之所以未曾问津诺贝尔自然科学奖,在很大程度上是由于政治环境影响了基础研究的学术自由和学术交流。     

WindoWs操作系统主引导扇区程序剖析

通过对操作系统启动过程的深入研究，在WINDOWS98 DOS状态下，对当前大容量硬盘主引导扇区的引导过程进行了全面的剖析，导出扩展INT 13H读取大容量硬盘逻辑扇区的方法，这将对大容量硬盘的管理与维护十分有利。     

教学中师生交流的科学内涵

师生之间良好的交流是顺利完成教学任务的重要环节。教师与学生在知识、心理、品质等方面的交流中形成和谐的氛围，使学生潜移默化的受到教育和熏陶。因此，交流和沟通在学校教育中具有重要的地位。     

科技报告的特点及作用

科技报告在生产、科研各个领域中具有广泛的实用性。本文在介绍科技报告的涵义、种类的基础上,总结出科技报告的五大特点及其特有的功用。     

主成份分析法评价功能浅析

本文针对许多文献作者运用主成份分析法进行综合评价的情况，通过分析主成份分析的理论及综合评价的特点，论述了主成份分析法的评价功能在实现中较难恰当地发挥作用，应在使用中注意，以免滥用。     

用于高维时序数据预测的非同步尺度主成分分析

针对时间序列数据预测过程中可能面对高维或超高维的预测变量,同时考虑变量的时序特征及预测的非同步性,提出用于时序数据预测的非同步尺度主成分分析方法。首先构建单个预测变量和被预测变量的非同步线性回归,通过可决系数选取单变量的最佳滞后阶数,并将回归系数赋权与相应的预测变量得到赋权预测变量,并通过主成分分析对赋权预测变量降维,即非同步尺度主成分分析。将该方法用于消费者物价指数增长率的预测,结果表明经非同步尺度主成分分析降维的预测精度高于传统降维预测的方法。     

新型冠状病毒主蛋白酶天然产物抑制剂的筛选

为寻找新型冠状病毒主蛋白酶天然产物抑制剂,本文以SARS-CoV-2主蛋白酶为研究对象,通过计算机辅助药物筛选方法初步筛选出16个潜在抑制剂并进行体外酶活测试.其中,野黄岑素对SARS-CoV-2主蛋白酶的IC50为（10.79 ± 2.116 ） μmol/L,没食子儿茶素没食子酸酯抑制SARS-CoV-2主蛋白酶的IC50为（2.104 ± 0.346） μmol/L.最后,将两种天然产物与主蛋白酶进行分子动力学模拟发现没食子儿茶素没食子酸酯和野黄岑素与新型冠状病毒主蛋白酶结合时的复合物RMSD都在0.22 ?附近,说明两个天然产物与新型冠状病毒主蛋白酶结合较为稳定,可以作为新型冠状病毒主蛋白酶的抑制剂或先导化合物.     

南水北调东线工程调水期洪泽湖水质变化规律分析

为了解南水北调东线工程调水期间洪泽湖水质变化,基于2013—2020年洪泽湖调水期水质监测数据,采用Daniel趋势检验分析水质年变化趋势,通过空间插值得出各湖区水质分布规律,并进一步用主成分分析法分析水质主要污染类型。结果表明：2013—2020年洪泽湖调水期水质在合格至轻度污染之间,TP和TN为主要超标因子;时间上水质有变好趋势,空间上过水区水质最差,但有转好趋势,而成子湖区和溧河洼区有所恶化;污染类型以富营养化污染为主,氮磷营养盐影响较大;水质污染以入湖河流输入和建设用地增加人类活动的污染为主要来源,还伴有偶发污染事故;时间上洪泽湖对东线输水的综合水质有改善趋势,建议进一步加强相关污染防治工作,保护洪泽湖水环境,保障南水北调东线工程输水水质安全。     

碳化环境下多元胶凝体系钢筋混凝土电化学特性

为研究不同矿物掺合料钢筋混凝土碳化后的电化学特性,利用电化学工作站定期进行无损检测,通过极化曲线、交流阻抗图谱等电化学参数对碳化循环过程中钢筋混凝土微结构的变化进行分析. 采用Kramers-Kronig转换对交流阻抗数据进行验证,选用合适的等效电路进行电化学参数拟合, 并采用卡方检验验证参数拟合的吻合度. 研究结果表明：等效电路R（QR）（QR）可以有效地对碳化环境下钢筋混凝土的电化学阻抗谱进行拟合,等效电路拟合卡方值建议不大于10-4数量级. 碳化腐蚀环境下,随着碳化周期的增加,混凝土的电阻值呈现波动增加的趋势,钢筋电阻呈现波动减小趋势;极化曲线随着碳化周期的增加整体向腐蚀电流密度增大和负电位方向移动,在49 d时钢筋锈蚀程度从大到小依次为双掺体系、单掺体系、基准体系、三掺体系,且单掺和双掺体系混凝土接近中等腐蚀状态,基准和三掺体系混凝土还处于低等腐蚀状态. 不同凝胶体系下,单掺和双掺体系钢筋混凝土对碳化腐蚀环境更加敏感,三掺体系则具有最佳的抗碳化性能.     

运用主成分分析和深度神经网络预测钢包炉合金元素收得率的研究

钢包炉（ladle furnace,LF）精炼的核心任务之一是进行钢水合金化过程,以保证钢包到达连铸平台后满足钢水成分要求。钢水合金化也是较为复杂的物理化学反应过程,其不仅对钢水温度有影响,而且对钢水质量、合金料消耗量均有影响。因此,实现LF精炼过程中合金元素收得率的精准预测具有重要意义。本研究首先采用主成分分析法（principal component analysis,PCA）对模型输入变量进行处理,用于简化实际生产数据结构;然后,融合SGDM算法和L2正则化方法,构建了深度神经网络（deep neural network,DNN）;最后,采用主成分分析和深度神经网络相结合的方法,建立了合金元素收得率预测模型。结果表明,Si元素收得率命中率在±1%, ±3%和 ±5%误差范围内分别为54.0%、93.8%和98.8%;Mn元素收得率命中率在±1%, ±2%和 ±3%误差范围内分别为77.0%、96.3%和99.5%。此外,PCA–DNN模型的预测精度优于参考炉次法、多元线性回归模型、改进BP神经网络模型和DNN模型,有助于实现钢水成分的“窄窗口”控制。本研究中合金元素收得率预测模型的建立,也可为LF智能精炼合金化控制模型的开发提供支撑。