什么是角质层

人体皮肤由外而内有表皮、真皮及皮下组织3层，角质层位于表反最外层，是由多层无核角质细胞构成，这些细胞的主要成分为角蛋白，即一般俗称的角质。角蛋白为纤健性蛋白的一种，坚韧而有弹性，具有保护肌肤免于物理性伤害并抵抗酸、碱等化学物质及防止细菌入侵等作用。     

房地产宏观需求预测

本文使用定量预测技术对房地产进行宏观需求预测,通过Matlab,对历史数据进行处理,得到多种曲线拟合的数学模型,并利用主成分分析筛选要素,最后建立主成分回归曲线模型来进行预测。     

天然树脂紫胶的热裂解-气相色谱特性

研究了有机碱试剂，氢氧化四甲铵(tetramethylammonium hydroxide TMAH)共存下的反应热裂解气相色谱(Py-GC)应用于天然树脂紫胶的化学组成分析。并在反应Py-GC测得的化学组成的基础上，应用主成分分析(principal component analysis，PCA)对印度和泰国产紫胶进行产地识别分析。     

局部分析方法在可解群中的应用

局部分析方法是有限群理论最基本的方法,利用可解群的性质和有限群的基本定理,通过局部分析方法,研究了可解群和可解子群的一些性质.利用成分的性质及ThompsonA×B引理,得到了p-局部子群的相关结论.     

吉林省地区竞争力的实证分析

本文主要是建立吉林省地区竞争力评价系统以及对吉林省的各项指标进行实证分析。评价系统是由三大模块（核心竞争力、基础竞争力和环境竞争力）、八大要素、69个指标构成的。并建立相应模型,通过MATLAB,STATISTICA软件对各项指标进行具体分析,得出八大要素的竞争力指数以及在全国的位次,最终求得吉林省地区竞争力的综合指数为-0.44,在全国呈现弱劣势地位。最后,根据上述分析提出了想法和建议,经过相应的调整和改善,吉林省地区竞争力前景一片光明。     

人和几种动物乳汁的成分比较及其作用

乳汁中最主要的有机物是蛋白质、核酸、碳水化合物和脂类，特别是含有身体不能合成的有些氨基酸．随着科技的发展，人们对乳汁的研究更加深入，乳汁的很多营养和医疗保健功效也逐渐被发现．母乳喂养婴儿与奶粉喂养相比最大的差别是可以满足婴儿对营养的特殊需求，母乳所含的物质随着婴儿的需求而改变和调整，能提供易于消化、营养最全面的滋养物，所以母乳是母亲给予婴儿最佳的“礼物”．笔者根据一些资料进行了探究筛选，比较全面地叙述了人乳成分及其作用．     

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。     

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。     

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。