过渡金属元素和非过渡金属元素间二元化合物形成规律

应用扩充的Miedema合金相元胞模型,以电负性φ、Wagnet-Seitz元胞电子云密度为nwa^1/3、原子半径R、价电子数Z及其函数张成多维空间,总结过渡金属元素和非过渡金属元素间二元经合物的形成规律,寻找中间化合物形成区域的数学模型,求得的数学模型可用于同类型的“未知”二元合金系化合物形成的预报,其效果比Miedema的二参数模型有较大的改善。     

融资融券影响的元胞自动机股票市场模拟研究

为研究融资融券推出对股票市场带来的影响以及如何减少融券卖空对市场的冲击,建立基于元胞自动机的股票市场模型,对融资融券推出前后的股票交易量和价格波动进行计算机仿真.仿真结果表明,融资融券的推出既可能增加股票市场的交易量,有利于市场内在价格稳定机制形成,也可能对价格助涨助跌,增大市场的波动.本文还针对融券卖空的潜在风险提出...     

生境破坏的空间结构对集合种群动态的影响

构建任意生境破坏结构下集合种群动态的元胞自动机模型,研究生境破坏的空间结构对集合种群全局密度及局部密度的影响.该模型不仅包括了生境破坏的空间结构,而且能够描述集合种群的空间分布模式.模型结果表明:生境破坏的空间结构复杂地影响着集合种群的全局密度和局部密度;生境破坏的混合分布增大了集合种群灭绝的风险;生境破坏的聚集分布降低了集合种群灭绝的风险.在生境破坏比例较小或较大时,集合种群全局密度和局部密度随生境破坏比例的增加而加大,随生境破坏聚集度的增加而减小,且生境破坏比例对集合种群动态的影响要大于生境破坏聚集度的影响.但在特定的情况下,即生境破坏比例在55%左右时,生境聚集度的增加可能会使集合种群的全局密度和局部密度都减小.此外,发现集合种群的局部密度存在一个阈值,当集合种群局部密度低于此值时,集合种群将无法续存.这意味着在生物保护中不能仅仅考虑生境的恢复、斑块的质量,还需要考虑生境破坏的空间结构和被保护物种的局部密度.     

一种新的元胞网络模型

用元胞替换传统人工神经网络中的神经元,以局部连接取代相邻层级元胞之间的全连接,用规则演化算法替代BP算法,建立元胞网络模型．设计了元胞网络的训练过程：内嵌的遗传算法用于寻优各元胞状态离散化边界值以及元胞网络拓扑结构．以一个红酒分类基准数据为例,检验了元胞网络的学习性能和分类性能,获得了较为满意的结果．     

振动沉管灌注砂桩在处理淤泥质粘土地基中的应用

介绍了振动沉管灌注砂桩在处理淤泥质粘土地基中的应用和施工工艺;并对处理后地基进行了静载试验以及沉降观测,观测结果表明承载力有明显提高,而沉降对周围的影响却较大．     

元胞自动机模型的尺度敏感性分析

以深圳市龙华镇为案例区,构建了土地利用/覆被变化的元胞自动机模型,从时间和空间两个方面定量研究了LUCC模型的尺度效应。通过改变模型输入数据的空间分辨率和模型模拟的时间长度,探讨了尺度对土地利用变化模型的影响。分别采用龙华镇1990年30,60,90,120,150,180,210和240 m空间分辨率的土地利用数据作...     

基于元胞自动机的企业员工行为-激励传播效应模拟

企业激励的现有研究方法过于概念化,不能从理论上说明具体激励措施的运用过程及效果.在一般激励理论的基础上,结合企业激励可传递的特点,提出激励传播理论,考虑时间延迟、信息失真和行为突变等因素改进元胞自动机模型,对企业员工激励传播过程进行元胞自动机建模并开发模拟系统,就该过程及其对企业内部群体的影响进行模拟实验,模拟结果证明了企业员工群体激励传播效应的存在,并说明如何通过模拟实验来制定相应的激励措施以改善企业员工激励的效果.     

缅甸帕敢地区硬玉岩中流体包裹体

大量的气－液二相,气－液－固三相的包裹体发现于缅甸帕敢硬玉岩中,用激光Ｒａｍａｎ光谱仪分析的结果显示其气相和液相的成分为Ｈ２Ｏ＋ＣＨ４,固相部分成分为硬玉,表明该硬玉岩形成于含Ｈ２Ｏ＋ＣＨ４的,组成近硬玉的熔体,该熔体可以有来源于上地幔,根据实验岩石学资料推测硬玉岩形成温度大于６５０℃,压力大于１．５ＧＰａ。     

CD2胞内区结合蛋白的分子克隆与鉴定

为了探讨ＣＤ２分子的信号传递功能,以编码ＣＤ２胞内区（Ｔｈ４２１１－Ｇｌｎ３３６）肽段的ｃＤＮＡ为“钓饵”,采用酵母双杂交系统从激活的人Ｔ淋巴细胞ｃＤＮＡ文库中筛选与之相互作用蛋白ｃＤＮＡ序列,并采用免疫共沉淀法鉴定该蛋白在体内ＣＤ２胞内区结合的特异性,克隆并鉴定了一个与ＣＤ２胞内区特异性结合的胸内蛋白分子与ｖ－ｆｏｓ转化效应蛋白（Ｆｔｅ－ｌ）同源,Ｆｔｅ－１参与细胞转化、生长、蛋白合成及向线粒体     

一种深度学习网络的树木点云骨架重建方法

基于激光雷达(light detection and ranging, LiDAR)数据重建树体三维模型并精准获取林木空间枝干结构参数是精准林业发展的必然趋势。本文研究面向激光点云提出了一种融合基于晶格投影的深度学习网络,以及面向提取的枝干点云的树木模型骨架重建的方法。该深度学习网络包括旋转不变性模块、晶格投影与重心插值模块,多尺度变换与卷积操作层,通过将旋转变换后的点云晶格投影到三个坐标平面上再分别重心插值获得变换系数,解决了三维点云因排列无序而造成空间卷积困难的问题。以海南多类树木为研究对象,首先,把带枝叶标签的林木点云基团带入构造的深度学习网络中训练网络参数,实现测试样本中的林木数据的枝叶分离。其次,对分类后的树木枝干点云垂直分层并空间聚类,获取每层的聚类中心点并按相邻层中心点距离最小原则实现骨架链表构造,同时采用自适应随机抽样一致(random sample consensus, RANSAC)方法来计算的圆柱体拟合半径,以重建树木的各级枝干。最后,根据中心点连通的链表结构以及角度变化最小准则自动识别树木中的主枝干和各个一级分枝。通过与实测数据比对验证表明,深度学习枝叶分类准确...