灵芝的化学成分与药理作用研究进展

灵芝既具有广泛的药理活性又具有食用价值。其化学成分复杂,含有多种对人体有效的物质,药理作用广。通过查阅相关文献,对灵芝的化学成分及其药理作用进行了较全面的综述。为合理开发利用灵芝提供参考。     

灵芝的化学成分与药理作用研究进展

灵芝既具有广泛的药理活性又具有食用价值。其化学成分复杂,含有多种对人体有效的物质,药理作用广。通过查阅相关文献,对灵芝的化学成分及其药理作用进行了较全面的综述。为合理开发利用灵芝提供参考。     

绿色建筑供应链管理模式下的供应商选择方法

指出选择绿色建筑供应商是绿色建筑供应链管理中的关键问题。探讨了其供应链管理的特点、评价原则、指标体系,采用集对分析法建立集对数学模型,通过实例对供应商做出综合评价。     

基于BP神经网络的垃圾飞灰混凝土抗压强度预测模型

采用不同掺量的垃圾飞灰替代水泥制备高性能混凝土,分析垃圾飞灰不同掺量对高性能混凝土抗压强度的影响。在试验数据的基础上,建立以垃圾飞灰取代率、垃圾飞灰、水泥、砂/水泥、水胶比、龄期为因子的三层BP神经网络预测模型,将模型预测值与试验值进行对比,预测误差均在5%以内。结果表明BP神经网络在预测垃圾飞灰混凝土抗压强度上有较高的精度。     

微波水解法制备纳米氧化锡气敏材料

采用水解法制备纯SnO2纳米材料,通过正交实验优化了合成条件,并对比了恒温水解与微波水解的特点.使用TEM,XRD对材料形貌和晶体结构进行了表征,采用静态配气法测试了制备材料的气敏特性.结果表明,采用微波水解法可以获得均匀细小的SnO2纳米材料,使合成反应的时间大大缩短,成胶的反应物浓度增大,生产效率明显提高.     

青海大干沟西早三叠世二长花岗岩地球化学特征及其形成环境

青海省东昆仑地区大干沟西一带出露的侵入岩的岩石组合为中细粒花岗闪长岩—二长花岗岩—正长花岗岩等。通过对二长花岗岩的分析研究发现,SiO_2含量为71. 11%～77. 07%;Al_2O_3含量为12. 21%～14.38%;CaO含量为0.54%～2.45%、Na2O含量为2.80%～3.71%、K_2O含量为3.59%～5.26%,里特曼指数σ为1.55～2.14,为过铝质—高钾钙碱性系列花岗岩;稀土总量(ΣREE)为76.62×10~(-6)～178.09×10~(-6),轻重稀土比(LREE/HREE)为4.35～13.54,δEu在0.27～0.78之间;微量元素中Sr、P、Ti等元素表现出明显的负异常,而Rb、Th、Ce、Nd等元素相对富集。在二长花岗岩中获得LA-ICP-MS锆石206Pb/238U年龄为(248.7±1.6)Ma,显示时代为早三叠世。通过构造环境分析,大干沟西一带分布的早三叠世二长花岗岩即形成于板块碰撞前俯冲、挤压的构造环境。     

传输太阳能用Ag/PMMA空芯光纤的制备

设计制备Ag/PMMA(聚甲基丙烯酸甲酯)泄漏型空芯光纤,并对其制备工艺进行了深入的研究.该光纤对于可见光及近红外光的反射率较高,达到了90%以上,在近红外光波长范围内甚至达到了98%以上,基本上可以传输太阳能,达到节能的目的.     

酸性尾气综合治理技术研究

随着国家环境治理力度的加大,化工行业的环保形势也日益严峻,为促进化工行业清洁生产,研究了以石灰为脱硫剂,采用气动乳化脱硫方案治理化工酸性尾气的工艺技术,处理后的尾气符合污染物排放标准.该技术原料易采购、成本低、治理效果好,产生的固渣硫酸钙、氟化钙可以作为生产水泥的原料再次利用,市场前景广阔.     

基于Bagging-WOA-SVR的粮堆温度场预测模型

采用阵列式分布的测温电缆检测粮仓温度变化情况,利用机器学习技术来预测粮食温度,用粮仓一年监测数据来预测粮堆未来27天温度。传统的BP、RBF、RF、SVR单模型对粮堆温度进行预测存在误差大、泛化能力差等缺点,提出一种基于Bagging集成的鲸鱼算法优化支持向量回归模型(Bagging-WOA-SVR),并与灰狼算法优化支持向量回归模型作比较。将影响粮堆温度的多种因素做灰色关联分析,选取粮仓内温度、粮仓内湿度、粮仓外温度、粮仓外湿度、粮仓平均温度、地表温度作为神经网络的输入,粮堆平均温度作为预测输出,选取三个指标为评判标准,对比分析模型预测精度。结果表明：提出的Bagging-WOA-SVR模型相比之下有着较好的稳定性,均方误差为0.24,相关系数为0.9892。     

多处理器计算环境中基于能量节约的实时动态调度算法

当前处理器由于较高的能量消耗，导致处理器热量散发的提高及系统可靠性的降低，已经成为目前计算机领域较为关心的问题．然而目前一些有效降低能量消耗的技术大多针对单处理器系统，较少考虑多处理器系统．提出的调度算法针对多处理器计算环境，以执行时间最快的任务优先调度为基础，结合其它有效技术（共享空闲时间回收），使得实时任务在其截止期内完成的同时能够有效地减低整个系统的能量消耗．针对独立任务集及具有依赖关系的任务集，提出两种针对同构计算环境的算法：STFBA1（Shortest—Task—First—Based Algorithm）及STFBA2，及两钟针对多任务集的算法HSA1（Hybrid Seheduling Algorithm）及HAS2．在单任务集计算环境下，与目前所知的有效算法相比，算法具有更好的性能（调度长度及能量消耗）．在多任务集计算环境下，基于混合调度策略的算法能够明显改进调度性能．