自学式分析化学教学模式的探索

在剖析分析化学发展背景及教学模式的优势与弊端的基础上,主要从兴趣培养、内容框架、专题设置、专题总结、细节处理等5个方面来探索自学教学模式,并提出相应的考核体系,旨在实践中完善、优化教学体系及培养自主创新型分析人才。     

呷村银多金属矿山水源地地下水资源均衡分析

本文分析了呷村银多金属矿水源区地质构遣，水文地质特征及试区地下水赘源分布情况，经过翔实的资料进行了均衡计算，得出了水濠区地下水资源均衡特征，并为矿山的可持续发展提出了地下水改良措施。     

舆论演化的社会影响级联效应模型

舆论建模跳出传统的基于最近邻("person-person")的交互范式,引入次近邻("personperson-person")的影响,刻画网络中邻居的邻居对观点改变的作用,提出舆论演化的社会影响级联模型,分析其在可变聚类系数网络上舆论的演化性质.通过调节网络聚类系数,使用异步更新的方式,观察网络集聚特性对舆论演化的影响.结果表明,1)相比于传统的最近邻影响模型,社会影响级联模型的社会强化作用更大,系统更容易达成共识,初始状态中主流观点的影响将被放大;2)舆论演化结果与网络集聚性和初始状态相关:当系统初始状态p_+≠p_,系统观点演化达到稳态后,网络聚类系数越大,越容易产生主流观点;当初始观点p_+=p_时,即正、负力量势均力敌时,系统共识则难以确定.这种情况和现实社会舆论的演化结果符合.     

去除饮用水中低水平含锰的试验研究

本文主要针对我国北方的一些地区,因为地质所沉积形成含有锰元素水质区域性低水平的饮用水源,本试验考察了两种不同解决方法：一是消毒前采用锰砂过滤去除锰离子;二是以氯胺消毒代替氯消毒,减缓锰离子的氧化速度.结果表明,二者均能达到较好的处理效果.对于前者来说滤速为首要影响因素;后者的关键条件则是氯与氨的重量投加比例.采用氯胺消毒代替氯消毒更具有技术经济性.     

采用机器学习的二甲醚层流燃烧速度预测研究

为了明确二甲醚层流燃烧速度与混合气初始条件(温度、压力、当量比)之间的关系,基于大量的实验及数值模拟数据,利用机器学习多变量回归算法,建立了二甲醚/空气预混层流燃烧速度随初始条件的拟合关系式。通过与文献及数值模拟结果的对比,发现所建立的函数关系式能够在0.8～1.4当量比、298～373K初始温度和0.1～1.0MPa初始压力范围内得到准确的二甲醚层流燃烧速度预测结果。二甲醚层流燃烧速度随初始压力呈负指数关系,随初始温度呈正指数关系,化学当量比时,压力和温度指数的绝对值较小,混合气较浓或较稀时,压力和温度指数的绝对值增大,表明二甲醚层流燃烧速度随初始压力的增大而减小,随初始温度的升高而增大,且在较浓或者较稀的混合气条件下,层流燃烧速度随初始压力和温度的变化更为敏感。研究结果可以为二甲醚发动机数值模拟提供简单准确的层流燃烧速度输入数据,从而节约研究成本和计算时间。     

浅谈高校学生党建工作

大学生党建工作是高等学校党建工作的重要组成部分,也是贯彻党的教育方针的重要环节。针对现在高校大学生党建工作的现状,分析其中存在的现象和问题,针对性的提出建设性的意见,进一步把高校党建工作切实做好,是当代大学生党建工作的需要。     

基于残差融合的时序数据离群点检测算法

物联网的快速发展产生了海量的高维时序数据,然而时间序列易受到外界变化的环境因素影响而产生离群点。针对现有的离群点挖掘算法不能兼顾时序数据的趋势性、季节性、循环性、不规则性的特点,从而导致检测效果不理想的问题,提出一种基于残差融合的时序数据离群挖掘(residual integration outlier,RIO)算法。首先利用线性自回归移动平均模型(autoregressive integrated moving average model,ARIMA)拟合数据,得到在相同时间粒度下的残差序列,并将该序列作为非线性模型长短期记忆网络(long short-term memory,LSTM)模型的输入,输出残差序列预测值,而后将经由ARIMA模型与LSTM模型处理的序列在相同时间粒度下融合,得到一条经由混合模型两次处理的残差序列。最后,利用基于直方图的离群点模型(histogram-based outlier score,HBOS)检测出该二次残差序列的离群点。实验表明,RIO算法的准确度得到了较为明显的提高,具备良好的实用价值。     

基于多主体建模方法研究空间市场效率的影响

基于多主体建模的方法通过建立记忆叠加模型,研究信息对空间市场效率的影响．模型模拟发现,个体的朋友数量和视野半径对市场聚集度、简单社会熵和市场交易成功率产生显著影响,从而影响市场效率．     

一种分布式过程模型及实例的优化方法

ADEPT模型具有分布式对称控制结构, 可以对控制流、数据流建模. 但由于ADEPT模型未被形式化描述, 所以无法判断过程模型及其实例的正确性.对ADEPT模型进行了形式化定义, 并结合实例状态机给出了过程实例的形式化描述; 在此基础上提出了用于验证过程模型正确性及过程实例一致性的优化方法.