资源型企业绿色物流管理研究

随着经济的全球化和可持续发展的需要,物流绿色化将成为资源型企业参与全球竞争的重要基础,也是维持生态平衡的重要保障。制约企业绿色物流发展有诸多因素:对绿色物流的认识不足;绿色物流的技术和基础设施水平相对落后;政府对绿色物流的扶持和引导缺乏力度;绿色物流的人才紧缺。针对资源型企业绿色物流发展的制约因素提出了相应的对策,这些措施将实现资源型企业物流系统的经济效益和环境效益的最优化。

《诗经·国风》中“其”字用法研究

《诗经》的篇什中包含"其"的有很多,风、雅、颂中的篇幅皆有,总计"其"字出现了542次。由于"其"字在十五国风中的出现频率为最高,共出现了230次,这对研究《诗经》中"其"字复杂的用法有重要意义。本文着重研究《诗经·国风》中"其"字作代词、副词、语助词等用法。

基于深度神经网络的黄酮与[口山]酮类高分辨质谱数据的分析与识别

目的建立基于深度神经网络的黄酮和[口山]酮高分辨质谱数据的识别分类技术。方法基于超高液相色谱-四级杆-静电场轨道阱质谱联用技术(UHPLC-Q-Orbitrap MS)对供试样品进行条件的优化和分析,使用Xcalibur 4.0软件对148个对照品的高分辨质谱数据进行提取,包括了正负离子的一、二级碎片,总计为42维,使用深度神经网络对上述数据进行二分类的建模分析,并且利用108个对照品数据作为训练集对模型进行参数调优,使其学习到区分两类化合物的能力。结果UHPLC-Q-Orbitrap MS最终采用Waters ACQUITY UPLC HSS T3(2.1 mm×100 mm,1.8μm)色谱柱进行分离,经乙腈-0.1%甲酸水梯度洗脱,流速0.2 mL·min^-1,柱温30℃,源喷雾电压正负离子分别为3.2 kV和2.8 kV;毛细管温度200℃;辅助器加热温度400℃。使用128个对照品(108个作为训练集和20个作为验证集)的高分辨质谱数据进行深度神经网络建模,并对另外20个对照品的高分辨质谱数据进行模型的测试,平均正确率达80%。结论基于UHPLC-Q-Orbitrap MS技术采集高分辨质谱数据,并使用深层前馈神经网络进行建模的分类方法,可以有效地对黄酮类和[口山]酮类化合物进行区分。