河南主产烟区烤烟非挥发性有机酸含量

为了研究河南主产烟区烤烟非挥发性有机酸的含量特点,采用气相色谱法测定并比较了河南不同产区、不同等级烤烟样品的非挥发性有机酸含量,分析了非挥发性有机酸组分与其总量的相关关系,根据非挥发性有机酸含量对烤烟样品进行了聚类分析。结果表明:1河南主产烟区烤烟样品非挥发性有机酸总量在99.32~181.90 mg/g之间,平均含量为134.10 mg/g;非挥发性有机酸各组分之间存在较大的变异。2非挥发性有机酸总量在不同产区之间表现为:郏县许昌洛宁陕县灵宝鹿邑襄城卢氏社旗。3不同等级间非挥发性有机酸总量的差异极显著,其含量高低表现为:X2FB2FC3F。4非挥发性有机酸总量与苹果酸、柠檬酸和亚麻酸含量极显著正相关,与丙二酸含量显著正相关。5聚类分析结果将河南主产烟区烤烟分为3类。     

转型升级，走好餐饮之路

2013年,协会一直往关注和研究餐饮业的特殊行业形势,也给商务郜、发改委等有关部门多次报送材料,汇报餐饮业目前面临的问题和餐饮行业采取的积极转型措施,受到了政府的高度重视。从今年的态鳄来看,最明显的特点,便是高端餐饮而临洗牌,而大众市场持续增长。     

智脑胶囊对实验性AD 模型大鼠学习记忆及自由基代谢的影响

目的 观察智脑胶囊对实验性AD 模型大鼠学习记忆及自由基代谢的影响。方法 采用β-淀粉样蛋白(β-AP) 大鼠侧脑室注射, 联用转移生长因子β1(TGF β1) 脑内注射, 制作实验性AD 大鼠模型。在此基础上, 应用避暗法和水迷路法测定AD 模型大鼠学习记忆功能, 并采用黄嘌呤氧化酶法、硫代巴比妥酸比色法分别测定实验性AD 模型大鼠脑组织超氧化物歧化酶(SOD) 活性和丙二醛(MDA) 含量。结果 经改进由β-AP 联用TGF β1 诱导的AD 模型大鼠既表现有行为学改变(学习记忆障碍), 又有典型的AD 病理学特征(β-AP 沉积斑), 同时模型大鼠脑组织SOD 活性明显下降, MDA 含量显著增加。智脑胶囊能有效地改善实验性AD 模型大鼠学习记忆功能, 提高模型大鼠脑组织SOD 活性, 减少MDA含量。结论 智脑胶囊能明显提高β-AP 联用TGFβ1 诱导的实验性AD 模型大鼠学习记忆能力, 其机制与清除自由基密切相关。     

10GHz低抖动增益开关DFB激光器

采用国产管芯 ,利用增益开关效应获得了 10 GHz超短光脉冲 .利用自注入的方法 ,采用最简单的结构 ,减小了增益开关 DFB激光器光脉冲的时间抖动 ,使 10 GHz光脉冲的时间抖动小于 840 fs.研究了光脉冲抖动量对温度变化及微波驱动频率的敏感性 .利用线性压缩和梳状色散渐减光纤链获得 10 GHz、 5 ps无基座光脉冲     

各向异性核函数均值漂移目标跟踪算法研究

针对传统均值漂移算法利用固定核或对称核函数进行目标跟踪时出现目标跟踪丢失或跟踪失败的问题,提出了基于各向异性核函数的自适应带宽均值漂移目标跟踪算法,以提高目标跟踪的准确性、实时性.在符号距离核函数的基础上引入符号距离约束函数,构成各向异性核函数,满足目标外部的区域函数值为零,为目标跟踪提供准确的跟踪窗.依据基于各向异性核函数的均值漂移应用到目标跟踪中需满足跟踪窗内的样本点到中心点的向量权重之和为0的思想,计算各向异性核函数模板的均值漂移窗口中心.利用相似度阈值对前后两帧目标模板的变化情况进行限制,实现各向异性核函数模板的自适应更新及目标的准确实时跟踪.实验结果表明所提出算法的准确性和实时性较高.     

电动自行车充电产品质量状况分析报告

本文对电动自行车充电产品行业特点和现有标准体系建设情况进行了介绍,并对充电器和充换电柜等产品设备进行了质量分析和风险评估,给出了质量提升建议和消费者使用指南.     

一种改进的TPC混合译码算法

为简化Turbo乘积码(Turbo Product Code,TPC)译码处理过程,缩短接收机译码时延,针对航天测控领域应用广泛的子码为扩展汉明码的TPC码,提出一种改进的混合译码算法.改进算法以传统混合译码算法为基础,把SISO和HIHO两种译码器相结合,优化软输入输出(Soft In Soft Out,SISO)中...     

阳离子双子表面活性剂降低油水动态界面张力的实验研究

将叔胺和卤代烷烃通过"一步法"合成阳离子双子表面活性剂,通过岩心驱替实验,研究了不同阳离子双子表面活性剂在降低油水动态界面张力方面的能力及规律,以及动态界面张力特征与采收率之间的关系。不同阳离子双子表面活性剂驱油,油水动态界面张力特征不同,在提高采收率能力方面存在明显差异;探讨了形成这种规律的机理。     

便携式βγ辐射仪的设计与研制

通过β、γ辐射仪的研制,介绍了用GM计数管作为探测器,采用单片机技术实现对β、γ剂量率的测量。     

面向电力大数据的用电负荷分类及用户用电行为分析

针对大数据应用背景下因电网规模急剧扩大和电力系统结构更加复杂而造成的用户用电行为分析困难的问题,提出一种基于改进K均值算法—K-means++的电力负荷分类方法,并展开用户用电行为分析。首先导入负荷历史数据进行清洗,再将其导入模型进行聚类,同时得到每类用户用电的特征,最后进行用户用电行为分析。经过负荷聚类,可更直观地展现用户用电的特征,以方便供电公司给用户提供更合理的套餐服务,提高系统的能源利用率。