硝基芳烃对发光菌及其它水生生物毒性的相关性

测定了硝基芳烃对发光菌的毒性，并研究了它与硝基芳烃对其它水生生物毒性的相关性，表明，用发光细菌法能较好地预测鱼，藻等水生生物的毒性。     

硝基芳烃化合物对大型蚤的联合毒性

分别测定了2，4-二硝基甲苯(2，4-DNT)与5种硝基芳烃化合物对大型蚤的单一毒性及二元混合物的联合毒性，采用毒性单位法评价了硝基芳烃化合物对大型蚤的联合毒性效应．结果表明，5种二元混合物的联合毒性以相加作用为主，说明此类化合物可能是以相似的方式作用于大型蚤．     

硝基芳烃对发光菌及其它水生生物毒性的相关性

测定了硝基芳烃对发光菌的毒性，并研究了它与硝基芳烃对其它水生生物毒性的相关性．结果表明，用发光细菌法能较好地预测鱼、藻等水生生物的毒性。     

木糖葡萄球菌对发酵香肠挥发性风味化合物的影响

用木糖葡萄球菌(staphylococcus xylosus)发酵香肠,通过顶空固相微草取-气相色谱-质谱(SPME-GC-MS)联用技术测定挥发酵性风味物质种类和含量,研究香肠发酵过程中木糖葡萄球茵对发酵香肠挥发性风味物质的影响.结果显示:共检测到风味化合物99种,其中对照76种,木糖葡萄球菌68种,主要包括醛10种、酯32种,酮12种、醇16种、烃11种、酸13种、酚1种和杂环4种.对照组酯类与烃类含量最高,木糖葡萄球菌处理中酯类和醇类含量较高.木糖葡萄球菌对香肠风味物质的含量有明显的影响,这些物质对发酵香肠风味的形成起到了重要作用.     

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...     

车用质子交换膜燃料电池堆的设计

为了得到一种车用质子交换膜燃料电池堆的设计方法,以双极板流场内的气体流速、压力控制和气体分布与冷却水分布均匀为目标,研究了流场设计和冷却水流道布置,探讨了燃料电池堆的组装技术,涉及到了定位、预紧力选择以及密封方式的确定。对设计出的燃料电池堆进行稳态和动态实验。结果表明:通过该设计方法得到的燃料电池堆具有良好的稳态性能,并且能够保证动态过程中气体的补充,从而保证了电池堆功率的正常输出,达到了车用燃料电池的要求。     

取代苯胺、苯酚对鲤鱼毒性的定量构效关系

测定了16种取代苯胺,苯酚化合物对鲤鱼96h的急性毒性,了中毒症状,根据受体学说,进行定量构效关系（QSAR）研究,建立了QSAR方程,结果表明,分配过程及有机物分子与细胞内分子间的上互作用是影响这两类化合物生物毒性的主要因素。     

仙人掌链图的Hosoya多项式

1988年,对于连通图G,日本化学家Hosoya提出了一个基于距离的多项式,即H(G)≡H(G,x):=∑k≥0d(G,k)xk。仙人掌链图是一个具有如下性质的连通可平面图:其所有的内部面都是六边形;任意两个六边形要么无公共顶点,要么恰有一个公共顶点(邻接);任意三个六边形都没有公共顶点;任意一个六边形最多同时与两个六边形邻接。文章给出了仙人掌链图的Hosoya多项式。     

苯胺类二元混合物对发光菌和大型蚤联合毒性的比较研究

测定了苯胺与6种取代苯胺对发光菌和大型蚤的单一毒性及其毒性单位比为1∶4,1∶1,和4∶1的二元混合物的联合毒性.采用相加指数法对联合毒性进行了评价.结果表明,苯胺与取代苯胺的二元混合物在3种配比下对发光菌的联合毒性主要表现为相加作用,而对大型蚤的联合毒性则为协同作用.     

人工神经网络在定量结构-活性相关(QSARs)研究中的应用

人工神经网络（ANN）源于模拟人脑中信息处理过程的计算机模型,它独特的结构和处理信息的方法,使其在许多实际应用领域中取得了显著的成效,介绍了人工神经网络的原理及其在定量结构－活性相关（QSARs)研究中的应用,并对其进一步的应用做了展望。