浅析网络对大学生社会主义核心价值观的影响

本文从社会主义核心价值观的科学内涵出发,结合大学生的自身特点,分析了网络媒体这把双刃剑对大学生树立社会主义核心价值观的双重影响。对于高校而言,应学会善于通过网络途径,深入开展大学生社会主义核心价值体系教育。     

考虑温度影响的非关联弹塑性饱和黏土本构模型

从不同温度作用下的压缩曲线和回弹曲线出发,利用等效的力学固结代替热固结,将常规温控三轴试验过程中复杂的热力学特性转化为纯力学特性,然后结合传统的临界状态理论,运用非关联流动法则,提出考虑温度影响,适用于正常固结饱和黏土的非关联弹塑性本构模型。模型包含6个独立参数,各参数的物理意义明确,且可由常规的温控三轴实验确定。随着温度的增加,压缩曲线和回弹曲线的斜率、临界应力比和泊松比不变,先期固结应力呈指数形式变化,此外,塑性势函数和屈服函数之间的比例因子可通过试算确定。结合高岭土和伯克土的常规温控三轴排水剪切试验数据,给出了模型参数的具体确定方法,并将模拟值和试验值进行对比,验证了该模型的合理性。     

氨基酸类铱(Ⅲ)配合物的合成、表征及对汞离子的识别

以4-(苯并[d]噻唑-2-基)-N,N-二甲基苯胺(1)、L-丝氨酸作为主配体和辅助配体,合成了一种新型环金属铱配合物(2),所有化合物的结构通过¹H NMR、MS和IR进行了表征确认。通过紫外吸收光谱和荧光发射光谱研究了铱配合物(2)的光物理性质,并采用含时密度泛函理论(TDDFT)对其最低能量电子跃迁和最低三重激发态进行了计算。而且铱配合物(2)的荧光发射光谱可选择性地被汞离子猝灭,暗示着此配合物可作为一种高效的turn-off型汞离子磷光传感器。     

改性生物炭对废水中重金属的吸附

简述了生物炭的制备条件,讨论了生物炭的主要改性方法(化学法、添加改性剂法及改变外界条件),分析了各改性方法的主要优点,总结了改性生物炭对废水中重金属的吸附效果。实验结果表明,改性生物炭对废水中重金属吸附效果较好,重金属的最大去除率可达99.81%。另外,探讨了改性生物炭的吸附机理、影响因素和吸附等温式,并提出了未来生物炭吸附废水中重金属需要研究的方向以及改性生物炭的应用前景。     

线性相邻k/n(F)不可修系统的可靠性分析

线性相邻的表决系统k/n(F)在电讯系统和石油输通管道中广泛存在。对该类型的不可修系统的可靠性进行系统分析和讨论,假定每一个部件的工作时间服从负指数分布,且相互独立。先对特殊情况下的几种系统进行分析,在此基础上,根据n与k的关系分3种情况进行讨论,求得一般系统的可靠度表达式,为工程上进行可靠性分析以及相应的系统可靠性优化提供参考。     

影响奶牛产奶性状候选基因的研究进展

产奶性状是奶牛生产中的重要数量经济性状,由微效多基因所决定。介绍了影响奶牛产奶性状的几个候选基因,如：嗜乳蛋白基因、脂酰辅酶A甘油二脂酰基转移酶、过氧化物酶增殖激活受体γ辅激活蛋白1α基因和骨桥蛋白基因等在奶牛生产中的研究和应用进展。     

考虑风险偏好的定价决策与需求信息共享价值分析

为了分析零售商的风险偏好对定价决策及信息共享价值的影响,以期望利润与条件风险估值的加权平均作为目标准则来刻画零售商的决策目标函数,构建供应链的需求信息共享决策模型,通过该模型,深入地分析和研究零售商不同风险偏好下供应链的最优定价决策以及需求信息共享的价值。研究表明,信息不共享情况下最优批发价与λ无关;当市场不确定信息显示需求增加时,最优批发价、最优零售价、零售商信息共享价值随着λ的增大而增大,而供应商和供应链的信息共享价值随着λ的增大而减小;而当市场不确定信息显示需求减少时,最优批发价、最优零售价、零售商信息共享价值随着λ的增大而减小,而供应商和供应链的信息共享价值随着λ的增大而增大。     

杨梅玻璃态保藏技术的研究

以杨梅(东魁)果实为研究对象,测定其玻璃化转变温度(Tg),并将该温度应用于实际的冻结保藏中。研究发现,杨梅部分玻璃化转变温度(Tg')的起始点为－ 44℃,中点为－ 42℃,终止点为－ 39.2℃。与－ 18℃冻藏相比较,－ 40℃冻结保藏(模拟玻璃态保藏)的果实解冻后汁液流失率低,可溶性固形物(SSC)含量高,果汁pH 值和可滴定酸(TA)含量无显著差异;仪器分析和感官评定的结果均表明,－ 40℃冻结保藏更有利于保持杨梅果实的质地品质。     

K插值单纯形法核极限学习机的研究

针对核极限学习机高斯核函数参数选优难,影响学习机训练收敛速度和分类精度的问题,该文提出一种K插值单纯形法的核极限学习机算法。把核极限学习机的训练看作一个无约束优化问题,在训练迭代过程中,用Nelder-Mead单纯形法搜索高斯核函数的最优核参数,提高所提算法的分类精度。引入K插值为Nelder-Mead单纯形法提供合适的初值,减少单纯形法的迭代次数,提高了新算法的训练收敛效率。通过在UCI数据集上的仿真实验并与其它算法比较,新算法具有更快的收敛速度和更高的分类精度。