氯化钙对洋桔梗切花瓶插期间的保鲜效果和生理效应

以不同浓度的氯化钙(CaCl2)溶液作为保鲜液,对洋桔梗切花进行瓶插试验,研究其对切花形态变化和体内生理变化的影响.结果表明:适宜浓度的CaCl2溶液能明显延长洋桔梗切花保鲜时间,增加花枝鲜质量,保持切花的水分平衡,延缓呼吸高峰的出现,降低呼吸速率,延缓蛋白质降解与细胞膜相对透性的增大.其中,以400 mg/L处理的保鲜效果最佳,可使切花瓶插寿命比对照延长3.5 d.     

铌酸锂晶体的暗电导研究

通过对不同组分比(Li/Nb)纯铌酸锂(LiNbO3)晶体电压和电流的测量,发现不同组分比晶体的电导率随温度变化而变化的程度不同.提出小极化子对电导率的作用机制,并分析了LiNbO3晶体中双极化子和小极化子对电导率的影响.最后对所测量的电导率进行拟合,得到了不同组分比晶体的激活能.     

浙江天童常绿木本植物的叶片相对电导率及抗寒性

以浙江天童常绿阔叶林59种常见木本植物为研究对象,通过比较其叶片在低温胁迫下的相对电导率差异,揭示该地区常绿阔叶林常见常绿植物的抗寒性,旨在为营建具有较强抗雨雪冰冻灾害能力的人工林提供参考.结果显示:(1)各植物叶片对0℃低温普遍具有较好的抗性,未产生显著伤害;在-5℃低温处理下相对电导率显著增大,均造成了不同程度的伤...     

碱性固态高分子电解质薄膜的合成与金属-空气燃料电池的应用

提出了一项经由自由基聚合反应及溶液成膜法制备新型超高离子导电度高分子薄膜的制备方法.利用高亲水性之聚乙烯醇为基材,并利用丙烯酸单体于PVA高分子溶液中行自由基聚合反应,并藉由交联剂的使用以及调整丙烯酸聚合比例,使制备成内穿透网状结构的高分子薄膜,此薄膜在吸附32wt-%碱性氢氧化钾溶液后,室温离子导电度可达0.301S·cm-1,若在吸附2M硫酸溶液后,其室温离子导电度亦可达0.175S·cm-1,并同时拥有良好的机械强度;在锌空气电池以及铝空气电池的应用测试中,结果显示此高分子电解质薄膜可提供电池具有高的电池利用率以及高的使用功率密度,并且同时拥有很好之电化学稳定度,对于未来在燃料电池以及金属-燃料反应系统上具有很高的应用潜力.     

晶格失配对超晶格法向导热系数影响的分子动力学模拟

采用非平衡态分子动力学方法模拟了超晶格的法向导热系数随周期长度的变化关系.模拟结果表明,在晶格匹配的超晶格中,当周期长度同声子平均自由程相当时,超晶格导热系数将出现最小值.而对于具有4%晶格失配的超晶格模拟结果却表明,超晶格导热系数随周期长度的增大而单调上升.这一研究结果表明,材料的晶格失配是大多数实验研究中没有发现超晶格最小导热系数的主要原因.     

时变海场景双基SAR回波实时模拟方法研究

基于时变海场景双站散射机理,结合双基合成孔径雷达(SAR,Synthetic Aperture Radar)成像几何模型,提出了一种时变海场景双基SAR射频回波信号实时模拟方法。针对时变海场景的复杂耦合散射,采用多径近似理论建立了双基SAR海面目标回波信号模型,提取了时变海面双基SAR系统响应函数,结合高性能计算技术、同步动态随机存取(SDRAM)技术以及全系统交换设计,实现了时变海场景双基SAR射频回波信号实时模拟,最后仿真测试结果验证了该方法的有效性。     

粒子群优化算法中加速因子的设置与试验分析

着重分析了粒子群优化算法中线性变化加速因子对粒子收敛的影响,使用4个著名的基准函数,对加速因子进行了测试,并在此基础上,对加速因子提出了一个推荐的设置值．模拟实验结果表明,该推荐设置值可以使粒子在搜索的初期获得更好的多样性,从而使粒子具有更强的摆脱局部极值的能力,在后期加快粒子的收敛速度以提高PSO算法的性能。     

胡萝卜、油菜的通电加热特性研究

研究了通电加热烫漂对胡萝卜、油菜中维生素含量的影响,并与普通电炉加热进行了比较;研究了胡萝卜、油菜通电加热烫漂的最佳工艺条件.结果表明,随着烫漂时间的延长,胡萝卜中的β-胡萝卜素含量明显降低,油菜中维生素C的含量也明显降低;通电加热烫漂后的维生素含量明显高于电炉加热.而胡萝卜通电加热的最佳烫漂工艺为:烫漂时间为3 m in,颗粒尺寸为10 mm,料液比(质量比)为1∶4,电压为220 V.油菜通电加热烫漂的最佳工艺条件为:料液比(质量比)为1∶4,烫漂时间为0.5 m in,电压为220 V.     

甲苯/TX-100/1-丁基-3-甲基咪唑六氟磷酸盐微乳液的相结构研究

在25 ℃时用相态观察法研究了甲苯/TX-100/[bmim][PF6]三元体系的相结构,结果表明此体系存在单相微乳液区和两相区.用电导法和渗滤器模型进一步确定了甲苯/TX-100/[bmim][PF6]单相微乳液区的微结构,表明了在甲苯/TX-100/[bmim][PF6]单相微乳液区内包括[bmim][PF6]/甲苯、双连续相、甲苯/[bmim][PF6]3种微结构.     

Predicting Stock Return Volatility: Can We Benefit from Regression Models for Return Intervals?

We study the performance of recently developed linear regression models for interval data when it comes to forecasting the uncertainty surrounding future stock returns. These interval data models use easy‐to‐compute daily return intervals during the modeling, estimation and forecasting stage. They have to stand up to comparable point‐data models of the well‐known capital asset pricing model type—which employ single daily returns based on successive closing prices and might allow for GARCH effects—in a comprehensive out‐of‐sample forecasting competition. The latter comprises roughly 1000 daily observations on all 30 stocks that constitute the DAX, Germany's main stock index, for a period covering both the calm market phase before and the more turbulent times during the recent financial crisis. The interval data models clearly outperform simple random walk benchmarks as well as the point‐data competitors in the great majority of cases. This result does not only hold when one‐day‐ahead forecasts of the conditional variance are considered, but is even more evident when the focus is on forecasting the width or the exact location of the next day's return interval. Regression models based on interval arithmetic thus prove to be a promising alternative to established point‐data volatility forecasting tools. Copyright ©2015 John Wiley & Sons, Ltd.