半栽培与栽培大豆输导组织的比较研究

使用光学显微技术，对半栽培大豆和栽培大豆进行了输寻组织的形态研究．观察结果表明：半栽培大豆都是典型的散口材．栽培大豆在结构上要比半栽培大豆进化。对环境的适应能力比半栽培大豆强．通过不同时期取材连续切片观察证明半栽培大豆的输导组织的管孔呈管孔链排列。端壁倾斜。射线宽度较窄，分布不密集；而栽培大豆的管孔呈管孔团排列。端壁平坦，射线宽度较半栽培大豆宽，且分布密集，这些结构的不同使得栽培大豆的输导能力更强，输导组织更进化。     

关于LAP晶体的分子基团和主要性能关系的研究

本文论述了探索紫外有机非线性光学晶体中关于分子基团选择和结构的基本原则;较详细地分析了 LAP 晶体中的分子基团及其排列方式,报道了 LAP晶体的一些主要性能参数,还对分子基团和晶体性能之间的关系进行了讨论。     

一种语言判断矩阵不一致性的修正方法

文章研究了语言判断矩阵不一致性的修正方法。首先利用0-1型排列偏好关系矩阵是否是标准0-1型排列矩阵,得出语言判断矩阵是否具有满意一致性;若不具有满意一致性,通过改变0-1型排列偏好关系矩阵的元素值来修正方案两两比较时出现的循环现象,使其成为标准0-1型排列矩阵;最后给出实例验证这种方法的合理性和有效性。     

一字形排列三相氧化锌避雷器阻性电流测试方法探讨

我们可以通过对氧化锌避雷器厘米的泄露电流的阻性电流进行测量来获取该避雷器的质量情况。因为三氧化线一字型排列的避雷器其受到杂散电容的影响,会有一定的总电流相角的改变,导致了电流的测量出现了异常,精度不高,这就不能够很准确的对避雷器的质量情况有一个判断。     

面向高光谱影像分类的改进局部切空间排列降维

提出多策略提升的局部切空间排列算法来解决常规局部切空间排列降维在高光谱影像分类中计算复杂度高的问题.通过引入随机映射来预先减少高光谱影像波段数,降低后续k-邻域和局部切空间构建的计算复杂度;采用递归兰索斯切分算法快速构建近似k-邻域,降低常规k-邻域构建的计算时间;采用快速近似奇异值分解算法提高全局排列矩阵的本征分解计算速度.利用两个不同的高光谱数据集,设计4组实验来分析多策略速度提升的局部切空间排列算法的计算性能和分类效果.实验证明,相比常规局部切空间排列方法,多策略提升的局部切空间排列方法损失约1%左右的总体分类精度却能够提高至少3倍的计算速度.     

一个关于{1,2,…,n}排列的猜想

我们证明了孙智伟的下述猜想:对任意不等于3的正整数n,存在{1,2,dots,n}的一个全排列(a1,…,an)使得a1＝1,an =n,并且a1 +a2,a2+a3,…,an-1 +an,an +a1都与n互素.     

改良小肠内排列术治疗腹部术后广泛粘连性肠梗阻临床研究

探讨改良小肠内排列术治疗腹部术后广泛粘连性肠梗阻的临床疗效。将甘肃省华亭县中医院2013年3月-2015年2月收治的52例腹部术后广泛粘连性肠梗阻患者作为本研究对象,根据手术方式分为改良组23例和对照组29例,改良组采用改良小肠内排列术治疗,对照组采用常规开腹粘连松解术治疗,比较两组术中出血量、手术时间、术后排气时间和住院时间等指标和术后并发症发生率。与对照组相比,改良组术中出血量、手术时间、术后排气时间和住院时间等指标均较低,差异显著(P0.05),改良组术后及随访期并发症发生率远低于对照组(P0.05)。改良小肠内排列术治疗腹部术后广发粘连性肠梗阻的临床疗效显著,安全性较高,在肠梗阻的临床治疗上值得推广。     

不相邻重排列的一种计数方法

当前已经解决了重排列的计数问题,也解决了不相邻排列的计数问题(单排列时),但是当把这两种情况结合起来时,情况就要复杂得多,它实际上是一类很常见的排列问题．该文介绍了这样一类特殊排列——重排列在限制某两种元素不相邻时的一种计数方法,通过将问题进行简化,巧妙处理,得出了这类计数的计算公式．     

凡例

1．本刊第七卷总目录按出版时间顺序排列。2．分类索引按中图法分类号的大类次序分列,每类中按在本刊出版次序排列。每篇文章的页码为八位数字,前两位为卷数（07）,次两位为此卷内的期号,     

基于CEEMDAN和TCN-LSTM模型的短期电力负荷预测

针对短期电力负荷数据随机性强,难以实现准确预测的问题,提出了一种基于自适应噪声完备集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise, CEEMDAN)和时间卷积网络-长短期记忆网络(temporal convolutional network-long short-term memory network, TCN-LSTM)混合模型的预测方法。所提算法先使用CEEMDAN方法将负荷数据分解为一系列相对平稳的子序列。同时为了降低后续计算规模,通过引入排列熵的方法将各子序列进行重组。然后,将各个重组序列输入到TCN-LSTM组合模型中,利用TCN模型提取特征并构建序列的特征向量,再基于LSTM模型对其进行训练及预测。最后把全部预测值进行相加得到完整的预测负荷值。通过使用欧洲某地真实负荷数据进行验证。结果表明：所提算法与其他常见的预测算法相比具有更高的预测精度,可为负荷预测等研究工作提供相关参考。