Et-Ph-BCTABipy的合成及其对Pd2+的萃取性能

合成了N，N′-二乙基-N，N′-二苯基-［2，2′-联吡啶］-6，6′-二硫代酰胺(Et-Ph-BCTABipy)萃取剂，并利用¹³C NMR和¹H NMR对其进行了表征；研究了相接触时间、萃取剂浓度、水相初始酸度和Pd²⁺浓度等因素对Et-Ph-BCTABipy萃取Pd²⁺性能的影响，利用摩尔比法确定了Et-Ph-BCTABipy与Pd²⁺所形成的配合物组成；同时，在Ln(Ⅲ)与Pd²⁺共存体系中研究了Et-Ph-BCTABipy对Pd²⁺的萃取选择性。结果表明：Et-Ph-BCTABipy在HNO₃体系中对Pd²⁺具有较强的萃取性能和较高的萃取选择性；萃取过程中Et-Ph-BCTABipy与Pd²⁺以1∶2的比例结合，其萃取平衡常数K_ex=3.42×10⁶。     

DNAN及TNT基熔铸炸药综合性能比较

为了对比载体炸药2,4,6-三硝基甲苯(TNT)和2,4-二硝基苯甲醚(DNAN)、以及以它们为基的熔铸炸药的综合性能,系统研究了DNAN和TNT、以及DNAN/HMX(20/80)和TNT/HMX(25/75)熔铸炸药的流变、能量、安全、以及力学等性能。结果表明:载体炸药DNAN(6.87 m Pa·s)的粘度低于TNT(9.05 mPa·s),DNAN/HMX熔铸体系的极限固含量(约80%)高于TNT/HMX熔铸体系(约75%);DNAN/HMX(20/80)和TNT/HMX(25/75)熔铸炸药的爆速分别为8336 m·s~(-1)和8452 m·s~(-1),爆压分别为31.03 GPa和31.44 GPa;在1 K·min~(-1)的慢速烤燃条件下,DNAN/HMX(20/80)和TNT/HMX(25/75)熔铸炸药的响应等级分别为燃烧反应和爆炸反应;在4.51GPa的冲击波入射压力条件下,TNT/HMX(25/75)在8～12 mm内达到完全爆轰,而DNAN/HMX(20/80)在12 mm内未能达到完全爆轰;DNAN/HMX(20/80)的抗拉和抗压强度均大于TNT/HMX(25/75)。因此可以得出结论,在能量性能基本持平的情况下,DNAN/HMX(20/80)熔铸炸药的安全及力学性能优于TNT/HMX(25/75)熔铸炸药。     

阿立哌唑联合草酸艾司西酞普兰对重度抑郁患者多巴胺、5-羟色胺和皮质醇的影响研究

目的:探讨阿立哌唑联合草酸艾司西酞普兰对重度抑郁患者多巴胺（DA）、5-羟色胺（5-HT）和皮质醇的影响。方法:将94例重度抑郁症患者分为观察组和对照组。对照组采用草酸艾司西酞普兰治疗。观察组采用阿立哌唑联合草酸艾司西酞普兰治疗。采用汉密尔顿焦虑量表（HAMD-17）评估患者的抑郁状态。检测两组患者治疗前后DA、5-HT、皮质醇的水平。采用健康状况问卷（SF-36）评估患者的生存质量，包括生理功能、躯体疼痛、生理职能、精神健康、情感职能、生命活力、社会功能、总体健康。观察两组患者治疗过程中不良反应的发生情况。结果:观察组的有效率比对照组高，差异有统计学意义（P<0.05）；两组治疗后的皮质醇、HAMD-17评分显著降低，DA、5-HT显著升高，差异有统计学意义（P<0.05）；观察组治疗后的皮质醇、HAMD-17评分低于对照组，DA、5-HT高于对照组，差异有统计学意义（P<0.05）；两组治疗后的生理功能、躯体疼痛、生理职能、精神健康、情感职能、生命活力、社会功能、总体健康显著升高，差异有统计学意义（P<0.05）；观察组治疗后的生理功能、躯体疼痛、生理职能、精神健康、情感职能、生命活力、社会功能、总体健康高于对照组，差异有统计学意义（P<0.05）。两组的不良反应发生率差异无统计学意义（P>0.05）。结论:阿立哌唑可进一步调节重度抑郁患者DA、5-HT和皮质醇的水平，提高临床疗效，改善生存质量。     

不同排列方式下500kV高压输电线建筑物周围电场计算

采用有限元-模拟电荷混合法,对500 k V高压输电线不同排列方式下周围建筑物及其邻近区域中的电场进行了计算。结果表明,在建筑物距离500 k V高压输电线中间输电线路水平距离相同的情况下,以倒三角排列方式使输电线路在建筑物楼顶及高出楼顶1.5 m处产生的畸变电场最小,水平排列次之,而三角排列最差。     

基于深度学习的彩色以及近红外图像去马赛克

单传感器捕获的彩色-近红外（RGB-NIR）图像存在光谱干扰，从而导致重建出的标准彩色图像（RGB）图像与近红外（NIR）图像存在色彩失真以及细节信息模糊。针对这个问题提出一种基于深度学习的去马赛克方法，通过引入跳远连接与稠密连接解决了梯度消失和梯度弥散问题，使得网络更容易训练，并且提升了网络的拟合能力。首先，用浅层特征提取层提取了马赛克图像的像素相关性以及通道相关性等低级特征；然后，将得到的浅层特征图输入到连续多个的残差稠密块以提取专门针对去马赛克的高级语义特征；其次，为充分利用低级特征与高级特征，将多个残差稠密块提取到的特征进行组合；最后，通过全局跳远连接恢复最终的RGB-NIR图像。在深度学习框架Tensorflow上使用公共的图像与视觉表示组（IVRG）数据集、有植被的户外多光谱图像（OMSIV）数据集和森林（Forest）三个公开数据集进行实验。实验结果表明，所提方法优于基于多级自适应残差插值、基于卷积卷积和神经神经网络以及基于深度残差U型网络的主流的RGB-NIR图像去马赛克方法。     

利用地震品质因子Q比例的分布特征预测南川页岩气藏保存条件

根据地震数据、地质资料和地震属性，开展了南川地区五峰组-龙马溪组下部页岩的地震品质因子Q平面上分布与页岩气保存条件评价研究。针对南川地区页岩气开发中的断裂破碎带，提出了一种获取稳定品质因子Q比例及界限的工作流程和相应的迭代算法。研究表明，地震品质因子Q比例的分布可以快速、直观识别出断裂破碎带的内幕特征与不同类型页岩分布区。其中，断裂破碎带页岩区的品质因子Q比例总体上偏小，大多低于0.2，局部超过0.5，平面上分布杂乱、碎斑状；页岩呈北东向展布的条带，被断裂所撕裂、破碎，保存条件较差。稳定分布的页岩区的品质因子Q比例是较高的，超过0.7，平面变化稳定，没有突变现象，保存条件好。微裂缝发育的页岩区的品质因子Q比例具有渐变的趋势性，品质因子Q比例的分布从该页岩区的边部0.7向中部有规律地减小至0.1，保存条件最佳。实践证明，高产气井大多位于稳定分布的页岩区或内部微裂隙发育的稳定页岩区，地震品质因子Q比例研究方法对页岩气保存评价与开发井优化部署是一个实用工具。