氧化还原介体催化强化污染物厌氧降解研究进展

 由于厌氧生物处理技术具有产生剩余污泥少、可回收能源等优点而被广泛用于处理各种有机污染物，尤其在有毒、有害、难降解污染物的去除方面取得了良好的效果。然而，厌氧生物法的处理速率通常比较低，而氧化还原介体可通过自身不断的氧化和还原来传递电子，提高电子在氧化还原反应过程中的传递速率，从而促进污染物高效厌氧降解。醌类物质和腐殖酸是应用较多的氧化还原介体，在催化难降解污染物降解方面取得了一定效果。讨论了氧化还原介体的特点、作用机制，并总结了其对偶氮染料厌氧脱色、反硝化和多氯联苯厌氧降解的强化作用，提出了氧化还原介体未来的研究方向。     

外部治理环境与公司绩效:代理成本的中介效应

中国经济发展过程中存在区域发展不平衡现象,这种不平衡现象对公司绩效产生了重要影响。基于2003-2015年沪、深两市A股上市公司数据,以管理费用率度量上市公司管理层与股东间的第一类代理成本,以其他应收款占比度量上市公司控股股东与中小股东之间的第二类代理成本,采用多元回归和中介效应检验程序,实证检验了外部治理环境通过两类代理成本的中介作用对上市公司绩效影响的内在机理。研究结果表明,外部治理环境的提升能够显著的降低两类代理成本,进而提高上市公司的绩效,两类代理成本在外部治理环境影响公司绩效的过程中发挥显著的部分中介作用。     

单快拍相干信号自适应波束形成方法

针对低快拍条件下相干信号波束形成问题,提出一种单快拍相干自适应波束形成方法。首先,构造Duvall特征消除器滤除阵列接收信号中的期望信号,再利用空间平滑方法解相关。然后,依据Hung Tuner算法对平滑后的协方差矩阵进行Gram Schmidt正交化,快速重构干扰信号子空间。最后,将静态权矢量在干扰子空间内的正交投影作为波束形成最优权矢量。该算法可有效避免协方差矩阵求逆和特征分解造成的复杂计算,且能降低由于期望信号泄露造成的子空间估计误差,在单快拍条件下性能良好。仿真分析验证了算法的优越性和理论分析的有效性。     

heory, controls parameter and application of the packed-bed electroosmotic pump

Theory and controls parameters affecting the output pressure and flow rate of the packed-bed electroosmotic pump (p-EOP), including zeta potential ζ, electric intensity E, length of the column L, cross-section area of the column A, dielectric constant ε and viscosity coefficient η of the liquid being pumped, are discussed concisely. And also, the fabrication and application of the p-EOP are introduced.     

生态建筑技术的发展与应用

回顾了生态建筑发展的背景，介绍了生态建筑的评价标准，系统地阐述了应用生态建筑技术的要求与原则，介绍了各种生态建筑技术的应用。     

有色金属冶炼厂回转干燥窑分布式控制系统

对于锌湿法冶炼过程中的回转干燥窑控制问题,本文提出一种温度场控制方案,它由负压控制、温度和煤气流量串级控制以及含氧量控制来实现。基于这个控制方案,一个回转干燥窑分布式控制系统已经建立在某有色金属冶炼厂。本文介绍控制系统设计中使用的理论和技术。     

面对WTO,如何加强大学生就业教育工作

面对WTO，大学生在迎接人才市场的挑战时，既有机遇又有一定的困难。本文结合笔者的工作经验，谈如何加强大学生的就业教育工作，使其成功地选择到理想的职业。     

优化高校教师知识产权激励制度

阐述了高校教师知识产权激励制度的内容和功效,并在分析现行高校教师知识产权激励乏力的基础上,对优化高校教师知识产权激励制度提出建议.     

自动精密玻璃切割机的设计

本文重点介绍液晶产品生产线上不可缺少的基础设备———精密玻璃切割机的设计,包括切割机的工作原理、切割机部分关键部件的结构特点、切割机所能达到的精度等.     

Finding finer functions for partially characterized proteins by protein-protein interaction networks

Based on high-throughput data, numerous algorithms have been designed to find functions of novel proteins. However, the effectiveness of such algorithms is currently limited by some fundamental factors, including (1) the low a-priori probability of novel proteins participating in a detailed function; (2) the huge false data present in high-throughput datasets; (3) the incomplete data coverage of functional classes; (4) the abundant but heterogeneous negative samples for training the algorithms; and (5) the lack of detailed functional knowledge for training algorithms. Here, for partially characterized proteins, we suggest an approach to finding their finer functions based on protein interaction sub-networks or gene expression patterns, defined in function-specific subspaces. The proposed approach can lessen the above-mentioned problems by properly defining the prediction range and functionally filtering the noisy data, and thus can efficiently find proteins’ novel functions. For thousands of yeast and human proteins partially characterized, it is able to reliably find their finer functions (e.g., the translational functions) with more than 90% precision. The predicted finer functions are highly valuable both for guiding the follow-up wet-lab validation and for providing the necessary data for training algorithms to learn other proteins.