密排六方金属中多空位的改进分析型嵌入原子法计算

应用改进分析型嵌入原子法(Modified Analytical Embedded-Atom Method,MAEAM),计算了密排六方(Hexagonal Closed-Packed,HCP)金属(c/a<1.633)单空位形成能以及双空位与三空位的形成能与结合能.空位形成能的最小值或结合能的最大值均表明,双空位稳定结构是第一近邻[1n]、第二近邻[2n]或第三近邻[3n];三空位稳定结构是三空位组成两个第一近邻和一个第二近邻[112]、一个第一近邻和一个第二近邻以及一个第三近邻[123]或三个第二近邻[222].这说明在密排六方金属(c/a<1.633)中存在空位聚集趋势.     

仓储粮食中害虫活动声功率谱特征研究

通过建立粮食中害虫活动声的无规声源模型,对赤拟谷盗(Tribolium castaneum Herbst)成虫分别在小麦、大豆和玉米中的爬行声以及赤拟谷盗成虫、黑菌虫(Alphitobius diaperinus Panzer)成虫和米象(Sitophilus oryzae Linnaeus)成虫分别在小麦中的爬行声进行采集.研究了爬行声信号的功率谱特征.结果表明,害虫在粮食中的爬行声功率谱为离散谱,其特征不仅受害虫种类影响,而且与粮食种类有关.     

固相萃取高效液相色谱荧光法测定水体中超痕量苯并[a]芘

采用Supelco C18固相萃取小柱富集苯并[а]芘,应用高效液相色谱梯度洗脱法,以YWG-CH为色谱柱,乙腈为流动相,荧光法测定了水体中苯并[а]芘的含量.结果表明,苯并[а]芘在1.0×10-16~5.0×10-12g/mL的浓度范围内与色谱峰面积呈现良好的线性关系,对于浓度为3.0×10-13g/mL的苯并[а]芘6次平行测定的相对标准偏差为1.9%.利用此法测定了自来水及景观用水等水体中苯并[а]芘的含量,回收率在97%~108%之间.     

饲养温度对小菜蛾(Plutella xylostella)AchE和CarE活力的影响

在湿度定义为干、湿球温度差为3℃、光照强度10000—12000lx、光照周期14L：10D条件下，探索饲养温度（X：24—36℃）之变化对小菜蛾（Plutella xylostella）4龄幼虫乙酰胆碱酯酶（Ache）和羧酸酯酶（CarE）活力（Y）的影响效应。实验结果表明，活力指数随着饲养温度的升高而降低，两者之间存在显著的线性相关关系：温度与乙酰胆碱酯酶（AchE）活力两者间的相关关系函数式为Y=0．3327—0．0068X；与羧酸酯酶（CarE）活力的为Y=3．1278—0．0780X。     

行政调查权法律控制研究

行政调查权是行政机关在执行职权中广泛运用的权力,它必须是基于“信息、协调和参与”的理念,对调查权进行合理、有效的法律控制,主要应从行政调查的实施主体和它的法定程序入手。行政调查在实践中实施可能出现的问题,是一个值得探讨的问题,也是在未来行政程序立法应予注意的法律问题。     

沥青材料的感温性分析

在分析现有沥青感温性指标的基础上，讨论了针入度指数的局限性，认为采用粘温指数[VTS]能够合理表征沥青在路面服务温度内的感温性。并建立了针入度和粘度的换算关系，通过3种沥青实例计算了其[VTS]，再分析了计算模型的局限性和改性措施。结果表明，通过采用动态剪切流变仪或针入度试验结果换算出沥青粘度，来求算[VTS]是可行的。     

不同麻醉深度下大鼠脑活动的复杂性分析

为了研究大鼠在不同麻醉深度下大脑活动的变化，探测麻醉深度对其脑电信号（EEG）的影响，采用KC复杂度和谱熵对不同麻醉深度下的EEG及其4个主要频段信号进行了复杂性分析．结果发现：随着麻醉深度的加深，EEG的KC复杂度和谱熵的值都随之减小，反之亦然，且KC复杂度在区分麻醉深度的变化方面比谱熵更为灵敏、准确；在麻醉状态下，delta频段是EEG信号的优势频段，正是它的动态变化主导了EEG信号的变化过程．     

基于贝叶斯推理的决策树模型

针对决策树（DT）模型缺乏概率背景这一问题，将贝叶斯推理引入DT模型，提出了一种基于贝叶斯推理的决策树（BDT）模型．在假定所含待定参量的先验与似然的前提下，借助贝叶斯推理获得参量的后验，然后运用逆跳马尔科夫链蒙特卡洛算法对后验抽样，最终求出样本属于某一类别的置信度，从而避免了武断判决．BDT模型以抽样代替拆分与剪枝操作，既直观又灵活，同时在抽样时考虑了不同的树结构与递归分割方案，使得分类准确率得以提高．仿真实验结果表明，BDT模型的平均分类准确率与DT模型相比提高了1．7％～3．5％．     

基于滑动概率神经网络的早期故障诊断

针对机电设备早期故障难以识别的问题，提出了一种动态的概率密度估计方法——滑动概率神经网络，用以跟踪分析测量信号的概率密度变化过程，及时发现早期故障．该网络以固定不变的抽样集作为第一层，动态滑动的测量信号作为样本层，通过求和层得到抽样集的条件概率密度估计，将样本层内测量信号的概率密度动态地投影到统一的抽样集上．将网络分解成以测量值为中心的子网络，来实现网络的递归运算，并且利用高斯函数的快速衰减特性或使用分段线性函数近似高斯函数，从而提高了网络的计算实时性．通过压缩机喘振过程数据的应用实例，表明该方法能够有效识剐故障的早期征兆．     

无偏GM(1,1)模型的动态特性分析

传统GM(1,1)模型是最基本的灰色预测模型,无偏GM(1,1)模型是在传统GM(1,1)模型基础上的一种改进,它消除了传统GM(1,1)模型本身所固有的偏差.对无偏GM(1,1)模型的动态行为特性进行分析,并与传统GM(1,1)模型进行对比,明确了无偏GM(1,1)模型特性和适用条件.