非常规蛋白基木材胶黏剂研究现状及发展前景

介绍了动物和植物型非常规蛋白资源的种类及其制备蛋白基木材胶黏剂的研究现状和存在的问题,展望了非常规蛋白胶黏剂的发展前景。     

APOBEC 家族的功能研究进展

APOBEC是人体内具有胞嘧啶脱氨酶活性的家族，共11个成员，是人体的天然防御者。 APOBEC通过与DNA和RNA结合，使底物上的胞嘧啶C脱氨基，可完成其各自不同的功能。 APOBEC1编辑载脂蛋白B的mRNA，AID在抗体成熟中的体细胞超突变和类别转换重组中起关键作用，APOBEC3可抑制反转录病毒复制，而APOBEC2和APOBEC4的功能还不完全清楚。采用文献综述法，比较分析近年来国内外关于APOBEC家族各成员的结构和功能研究的新进展，为进一步研究APOBEC家族的抗病毒功能和艾滋病等疾病的治疗提供参考。     

空气预热器实时监控系统堵塞可视化性能研究

针对电站锅炉回转式空气预热器运行时上下表面不可见的问题，本文提出了一种视频监控与故障分析系统，可直接监测转子表面情况。该系统通过视频监控获取图像，结合改进的Retinex算法对其进行处理，实现了以下2个功能:1）能分析积灰程度以判断转子堵塞 情况；2）与温度场融合实时显示转子表面热点分布以预防二次燃烧。该系统已应用于某600 MW机组，实现了在热态环境下对空气预热器转子积灰程度、热点分布、堵塞程度的估算与可视化，大大提高了空气预热器运行的可靠性。     

PET的紫外老化性能及机理研究

采用力学、紫外-可见光分析和热失质等测试手段研究了PET改性料的紫外老化性能及老化机理。结果表明:复合助剂的加入能显著提升体系的力学性能保持率,进而提升其紫外老化寿命,提升的幅度随复合助剂中耐紫外剂含量的增加而显著增加。DSC分析表明,随着复合助剂的引入和老化的进行,改性料结晶度增加。文中进一步讨论了PET改性料的紫外老化机理。紫外-可见光分析表明,紫外老化能产生醌类和双醌类物质,进而提升PET改性料的紫外吸收度。     

DP980+Z烘烤硬化值与退火温度的关系

摘要：为了研究退火温度对镀锌DP980+Z烘烤硬化值的影响，退火温度控制在760～820℃之间，系统分析退火温度对烘烤硬化值的影响。通过准静态拉伸试验机测量烘烤硬化值及抗拉强度，采用lepara试剂对组织中的马氏体进行着色，利用金相显微镜及图像处理软件测量马氏体的体积分数；采用扫描电镜观察DP980+Z的双相组织特点，并且将组织图片通过CAD转化成有限元图进行网格划分，建立代表性体积单元（RVE），通过有限元分析铁素体、马氏体强度对烘烤硬化值的影响。在同样的变形量情况下，DP980+Z的原始屈服强度越高，烘烤硬化值越高。     

0Cr20Mn21Ni2N奥氏体不锈钢锻件组织性能研究

研究了无磁钻铤用0Cr20Mn21Ni2N奥氏体不锈钢圆棒锻件横截面的室温强度、硬度和韧性等力学性能,并从微观角度进行了分析。在圆棒表层区域观察到了锻造变形态晶粒组织,而直径四分之一区域为再结晶组织,平均晶粒尺寸为80μm,芯部再结晶晶粒尺寸粗化为150μm,这些差异是由不同的变形温度和降温速度造成的。这种组织差异导致的室温拉伸性能和冲击韧性也有相应的变化趋势。研究结果表明,在900、1000℃以0.5 s-1的应变速率压缩的0Cr20Mn21Ni2N试验钢样品,其应力应变曲线具有一定的加工硬化特征,其芯部硬度比应变速率为0.1 s-1的样品分别提升了28、15 HB。在700、800℃以20%以上的变形量进行压缩时,峰值抗力显著提高,而在900、1000℃以10%~50%的变形量进行压缩时,峰值抗力均无明显提高,可保证顺利的变形过程。     

水文序列相依变异识别的RIC定阶准则——以自回归模型为例

水文过程相依性是水文变异的主要表现形式之一,应用自回归模型对其进行拟合时合理确定模型阶数是一个难点问题。本文在分析AIC和BIC准则的基础上,提出了一种以原序列与其相依成分的相关系数作为拟合度指标,同时借用信息熵形式的函数式,作为模型不确定性度量指标的自回归模型定阶准则(简称RIC准则)。以AR(1)、AR(2)、AR(3)和AR(4)模型为例进行统计试验,将不同序列长度下该准则的定阶准确率与其他定阶准则进行比较,试验结果表明,RIC准则对于上述模型均具有较好的适应性,且定阶准确率远高于AIC准则,其中对于前三阶模型RIC准则优于BIC准则,但四阶模型略低于BIC准则。RIC准则的优势是可以同时满足模型定阶、相依程度分级与模型检验的需求,将其应用于实测水文序列分析,结果显示,该准则能较准确地识别自回归模型的阶数,且符合提出的"相依有变异而残差无变异的最小阶数"的检验标准。     

基于注意力机制与文本信息的用户关系抽取

随着社交媒体的发展,用户之间的关系网络对于社交媒体的分析有很大的帮助。因此,该文主要研究用户好友关系检测。以往的关于用户好友关系抽取的研究主要基于社交媒体上的结构化信息,比如其他好友关系,用户的不同属性等。但是,很多时候用户本身并没有大量的好友信息存在,同时也不一定有很多确定的属性。因此,我们希望基于用户发表的文本信息来对用户关系进行预测。不同于以往的潜在好友推荐算法,该文提出了一种基于注意力机制以及长短时记忆网络(long short-term memory,LSTM)的好友关系预测模型,将好友之间的评论分开处理,通过分析用户之间的评论来判断是否具备一定的好友关系。该模型将好友双方信息拼接后的结果作为输入,并将注意力机制应用于LSTM的输出。实验表明,用户之间的评论对于好友关系预测确实有较大的实际意义,该文提出的模型较之于多个基准系统的效果,取得了明显的提升。在不加入任何其它非文本特征的情况下,实验结果的准确率达到了77%。