优质食味稻‘沪软1212'在浦东新区种植的生长特性探究及其增施叶面肥效应初报

为了解‘沪软1212'在上海市浦东新地区的种植表现,并探明增施叶面肥对‘沪软1212'产量和品质的影响,特开展了相关试验。结果表明:‘沪软1212'的适宜播种期为5月中旬,成熟期在10月15日左右,全生育期在155d左右。‘沪软1212'的出穗速度、成穗率在年份间差异均较大,丰产性和稳产性表现优良。在抗逆性方面,要重点防治稻瘟病和纹枯病,且要将‘沪软1212’的株高控制在110cm以下,以增强抗倒性。在品质方面,‘沪软1212'的糙米率、粒长、透明度、碱消值、胶稠度在年份间差异均不大,均属于同一水平,直链淀粉含量、蛋白质含量在年份间略有差异,整精米率、垩白度在年份间差异均较大。‘沪软1212'的食味品质总体表现较好,米饭油润透亮,光泽好,口感软糯,冷饭不硬。增施叶面肥对‘沪软1212'的生育期没有影响,对其结实率、产量、整精米率、垩白度、碱消值均有一定影响。与不施用叶面肥的处理相比,每667m^(2)施用125.0g叶面肥处理的增产效应显著,且整精米率极显著提高,垩白度极显著降低,碱消值显著降低,直链淀粉含量略有下降,稻米的加工品质、外观品质、食味品质均有所改善。

2'⁃岩藻糖基乳糖功能及其微生物生产菌种构建研究进展

2'⁃岩藻糖基乳糖(2'⁃fucosyllactose,2'⁃FL)在人乳寡糖中含量最高,占比可达30%。2'⁃FL能够有效促进婴儿大脑发育、提高婴儿免疫力,对青少年、成年人、老年人也大有裨益,已被广泛应用于婴幼儿配方奶粉、功能性食品饮料及医疗辅剂中。微生物合成2'⁃FL具有易实现大规模生产、可使用廉价原料作为底物等优势。目前2'⁃FL最主要的工业生产菌种为大肠杆菌,其他食品安全级菌株如酿酒酵母、枯草芽孢杆菌等也陆续被改造用来生产2'⁃FL,并已取得一定成效。该文对2'⁃FL作用于人体的机制、应用领域及2'⁃FL合成菌种构建现状等进行综述,并对未来发展趋势进行展望。

3,3',4,4'-联苯四胺改性邻苯二甲腈树脂及其复合材料性能

采用3,3',4,4'-联苯四胺(LBS)与联苯型邻苯二甲腈树脂(BPh)进行预聚反应制备改性联苯型邻苯二甲腈树脂预聚物(BLBS)。利用红外光谱法、差示扫描量热仪、旋转流变仪和热重分析对BLBS的固化行为、流变性能和耐温性能进行研究。结果表明,BLBS最低可在240℃前开始固化,但仍需要较高的温度才能固化完全;BLBS-3固化物在氮气和空气氛围中的质量损失5%时的温度(Td5)分别为549.4℃和555.6℃。石英纤维增强BLBS复合材料(QF/BLBS)具有优异的力学性能和耐热性能,玻璃化转变温度(T_(g))大于500°C,室温弯曲强度和层间剪切强度分别为711.5 MPa和48.5 MPa,400℃热处理2 h后弯曲强度和层间剪切强度分别为680.5 MPa和31.3 MPa。

‘常香粳1813'施用有机肥与化肥的田间肥效对比试验研究

为探明施用商品有机肥与化肥对‘常香粳1813'农艺性状、产量性状、经济效益的影响,特开展大田肥效对比试验。结果表明:与化肥处理相比,有机肥处理在一定程度上降低了‘常香粳1813'的株高、穗长、结实率并减少了每穗总粒数、每667m^(2)有效穗数,但是明显提高了千粒质量。有机肥处理的每667m^(2)实际产量低于化肥处理,但是有机肥处理的每667m^(2)收益比化肥处理高403.6元,且有机肥处理的稻米品质更好。

3,5-二(2',5'-苯二羧酸)苯甲酸镍配合物的合成、结构及磁性

利用对称芳香多酸3,5-二(2',5'-苯二羧酸)苯甲酸(H_(5)L)和过渡金属镍,在水热法条件下,设计合成了一种新颖的金属有机配合物:{Ni(H_(3)L)(H_(2)O)}n(1),并通过单晶X射线衍射,红外光谱(IR),热重分析(TG)和粉末衍射对配合物1进行结构表征。结构分析表明1是基于多核[Ni(μ_(2)-H_(2)O)(μ_(2)-COO)(μ_(1)-COO)_(2)]_(n)SBUs的无限延伸的1D链状结构,并进一步通过π…π作用堆积成三维网络空间结构。磁性分析表明配合物1中的Ni(Ⅱ)离子之间存在反铁磁耦合作用。

基于微通道技术合成2-氨基-5-氟-3',4'-二氯联苯

2-氨基-5-氟-3',4'-二氯联苯是琥珀酸脱氢酶抑制剂(SDHI)类杀菌剂—联苯吡菌胺的重要中间体。基于微通道技术,以3,4-二氯苯胺为原料,经重氮化、中和、与对氟苯胺偶联得到2-氨基-5-氟-3',4'-二氯联苯。系统考察了影响重氮化、中和、偶联3步对反应的影响,并得出优化条件:盐酸与3,4-二氯苯胺当量6:1,亚硝酸钠与3,4-二氯苯胺当量1.1︰1,成盐反应温度60℃,重氮反应温度25℃,氢氧化钠当量6.5︰1,中和温度25℃,偶联最佳温度120℃,对氟苯胺当量10︰1。在此优化条件下合成2-氨基-5-氟-3',4'-二氯联苯粗品含量85%,精制后含量可以达到98.5%,2步总收率65%。

γ'相对镍基高温合金强度、疲劳与蠕变性能影响的研究进展

独特的γ'相使镍基高温合金具有良好的疲劳和蠕变性能,在航空航天和高参数发电等领域具有广阔的应用前景。从γ'相的尺寸、含量和位错强化方面介绍了γ'相对镍基高温合金强化行为的影响以及位错与析出相交互作用的剪切、Orowan绕过和攀移等强化机制,阐述了γ'相对镍基高温合金疲劳和蠕变性能的影响。最后,对镍基高温合金中γ'相的优化及相关性能调控进行了展望。

非晶聚合物慢松弛的调控及α'转变释放研究进展

本文综述了调控聚合物慢松弛的方式,对各类方法的特点进行了总结,并对此做出了展望。指出合成规整的多嵌段微聚合物,构筑长度可控的大运动单元进行慢松弛调控的方向,以期对制备高性能阻尼材料及研究玻璃—橡胶转变的分子运动机理研究提供参考和帮助。

基于CNN-SAEDN-Res的短期电力负荷预测方法

基于深度学习的序列模型难以处理混有非时序因素的负荷数据,这导致预测精度不足。提出一种基于卷积神经网络(CNN)、自注意力编码解码网络(SAEDN)和残差优化(Res)的短期电力负荷预测方法。特征提取模块由二维卷积神经网络组成,用于挖掘数据间的局部相关性,获取高维特征。初始负荷预测模块由自注意力编码解码网络和前馈神经网络构成,利用自注意力机制对高维特征进行自注意力编码,获取数据间的全局相关性,从而模型能根据数据间的耦合关系保留混有非时序因素数据中的重要信息,通过解码模块进行自注意力解码,并利用前馈神经网络回归初始负荷。引入残差机制构建负荷优化模块,生成负荷残差,优化初始负荷。算例结果表明,所提方法在预测精度和预测稳定性方面具有优势。

基于多维气象信息时空融合和MPA-VMD的短期电力负荷组合预测模型

为提高电力负荷预测精度,需考虑区域内不同地区多维气象信息对电力负荷影响的差异性。在空间维度上,提出多维气象信息时空融合的方法,利用Copula理论将多座气象站的风速、降雨量、温度、日照强度等气象信息与电力负荷进行非线性耦合分析并实现时空融合。在时间维度上,采用海洋捕食者算法(MPA)实现变分模态分解(VMD)核心参数的自动寻优,并采用加权排列熵构造MPA-VMD适应度函数,实现负荷序列的自适应分解。通过将时间维度各分量与空间维度各气象信息进行融合构造长短期记忆(LSTM)网络模型与海洋捕食者算法-最小二乘支持向量机(MPA-LSSVM)模型的输入集,得到各分量预测结果,根据评价指标选择各分量对应的预测模型,重构得到整体预测结果。算例分析结果表明,所提预测模型优于传统预测模型,有效提高了电力负荷预测精度。

金融科技赋能下供应链金融对企业价值的影响

发展供应链金融对于深化金融供给侧结构性改革,增强金融服务实体经济具有不容忽视的重要战略意义.本文通过对2007年-2019年中国A股上市公司全部320.8万篇公告的文本数据信息进行收集整理,实证检验了上市公司发展供应链金融业务对企业价值的影响.研究结果表明:发展供应链金融在短期可以促进企业股价的上涨,在长期可以促进企业价值的提升,并且上市公司采用的供应链金融业务越多,公告中提到供应链金融词汇越频繁,这种提升效果越显著.发展供应链金融业务可以通过信号传递效应、风险承担效应、系统管理效应促进企业价值提高.在供应链金融相关公告中提到金融科技词汇的词频越高,上市公司获得的企业价值提升效果越强.金融科技可以为股票流动性较低、风险承担较弱的企业发展供应链金融业务起到更强的赋能效果.在进行一系列稳健性检验之后,上述结论依然成立.本文不仅为中国公司发展供应链金融业务提高企业价值,提供了基于公开市场数据大样本的实证证据,也对国家和地方政府支持供应链金融的发展具有现实启示。

CT灌注成像参数对急性脑梗死侧支循环的评估价值及与术后近期预后的相关性

目的探讨CT灌注成像(CTPI)参数对急性脑梗死(ACI)侧支循环的评估价值及与术后近期预后的相关性。方法选取我院2022年1月-2023年2月收治的106例ACI患者,以数字血管造影(DSA)作为诊断“金标准”,将其分有侧支循环组(46例)与无侧支循环组(60例)。两组患者均进行CTPI检查,对比两组受试者CTPI参数[脑血容量(CBV)、脑血流量(CBF)、平均通过时间(MTT)及达峰时间(TTP)],采用受试者工作特征(ROC)曲线分析CTPI参数对ACI侧支循环的预测价值;比较CTPI参数评估急性缺血性脑梗死侧支循环与DSA检查的一致性;采用Pearson相关性分析ACI患者的CTPI参数与美国国立卫生研究院卒中量表(NIHSS)、改良Ranking量表(mRS)评分的相关性。结果有侧支循环组CBV、CBF均高于无侧支循环组(P<0.05),MTT、TTP均低于无侧支循环组(P<0.05)。ROC曲线分析显示,CBV、CBF、MTT、TTP及联合检测对ACI侧支循环均有预测效能(P<0.05),其AUC分别为0.793、0.705、0.841、0.669、0.879,单独检测中MTT效能最高,但仍低于联合检测效能。CTPI参数联合检查对ACI侧支循环的诊断灵敏性为84.78%、特异性为90.00%、准确率为87.74%、阳性预测值为86.67%、阴性预测值为88.52%、Kappa值为0.750。有侧支循环组NIHSS、mRS评分均低于无侧支循环组(P<0.05);Pearson相关分析发现,CBV、CBF与NIHSS、mRS评分呈负相关(P<0.05),MTT、TTP与NIHSS、mRS评分呈正相关(P<0.05)。结论ACI有侧支循环患者的CBV、CBF均较无侧支循环患者高,MTT、TTP均较无侧支循环患者低,CTPI参数用于评估ACI侧支循环具有较高的诊断效能,且有侧支循环患者近期预后较好,同时CBV、CBF、MTT、TTP与ACI患者近期预后均存在相关性,可通过检测CBV、CBF、MTT、TTP预测患者近期预后。

助行康复机器人自适应步态控制方法研究

为了提高助行康复机器人在不同坡度上的稳定性,合理的步态控制方法显得尤为重要。这里以助行康复机器人为研究对象,提出了一种将长短期记忆网络和动态运动基元结合的步行康复机器人自适应步态控制方法。将传感器采集信息与动态运动基元中步态控制项相结合,对参考步态进行调整。同时通过更改动态运动基元的时间项和空间项对步态进行二次调整以适应不同的坡度。通过试验对该控制方法的可用性进行验证。结果表明,该方法可以在(0~20)°斜坡进行自适应步态变换,具有一定的实用价值。

基于改进麻雀搜索算法优化LSTM的滚动轴承故障诊断

为了对滚动轴承的工作状态及故障类别进行准确的诊断,本文采用长短时记忆(LSTM)神经网络作为分类器对滚动轴承数据集进行分类诊断。首先,从滚动轴承原始运行振动信号中提取时域和频域特征参数,组成具有高维特征参数的数据集;使用核主成分分析(KPCA)方法对高维特征集进行降维处理,选取重要性程度高的特征构成输入特征向量。然后,针对LSTM神经网络在滚动轴承故障诊断中存在的超参数难以确定的问题,提出一种基于自适应t分布策略的麻雀搜索算法优化LSTM神经网络的故障诊断方法(tSSA–LSTM)。最后,使用凯斯西储大学滚动轴承数据中心的数据进行故障诊断精度测试、泛化性能测试及噪声环境下故障诊断性能测试等多个仿真实验,并将本文提出的诊断模型与麻雀搜索算法优化长短时记忆神经网络(SSA–LSTM)、遗传算法优化长短时记忆神经网络(GA–LSTM)、粒子群算法优化长短时记忆神经网络(PSO–LSTM)及传统LSTM诊断模型进行对比。结果表明:tSSA可以更有效地对LSTM的隐含层神经元数量、周期次数、学习率等超参数进行合理优化;所提方法的平均诊断准确率达到98.86%,交叉验证平均诊断结果为98.57%;所提方法在噪声干扰下的故障诊断准确率也优于对比方法。因此,本文提出的tSSA–LSTM模型不仅可以更精准地诊断滚动轴承故障状态,而且具有更强的泛化能力及抗干扰能力,有效地提高了滚动轴承故障诊断的性能。

基于字词向量融合的民航智慧监管短文本分类

为解决民航监管事项所产生的检查记录仅依靠人工进行分类分析导致效率低的问题,提出一种基于数据增强与字词向量融合的双通道特征提取的短文本分类模型,探讨民航监管事项的分类,包括与人、设备设施环境、制度程序和机构职责等相关问题。为解决类别不平衡问题,采用数据增强算法在原始文本上进行变换,生成新的样本,使各个类别的样本数量更加均衡。将字向量和词向量按字融合拼接,得到具有词特征信息的字向量。将字词融合的向量分别送入到文本卷积神经网络(TextCNN)和双向长短期记忆(BiLSTM)模型中进行不同维度的特征提取,从局部的角度和全局的角度分别提取特征,并在民航监管事项检查记录数据集上进行试验。结果表明:该模型准确率为0.9837,F 1值为0.9836。与一些字嵌入模型和词嵌入模型相对比,准确率提升0.4%。和一些常用的单通道模型相比,准确率提升3%,验证了双通道模型提取的特征具有全面性和有效性。

基于BERT-BiLSTM-CRF模型的畜禽疫病文本分词研究

针对畜禽疫病文本语料匮乏、文本内包含大量疫病名称及短语等未登录词问题,提出了一种结合词典匹配的BERT-BiLSTM-CRF畜禽疫病文本分词模型。以羊疫病为研究对象,构建了常见疫病文本数据集,将其与通用语料PKU结合,利用BERT(Bidirectional encoder representation from transformers)预训练语言模型进行文本向量化表示;通过双向长短时记忆网络(Bidirectional long short-term memory network,BiLSTM)获取上下文语义特征;由条件随机场(Conditional random field,CRF)输出全局最优标签序列。基于此,在CRF层后加入畜禽疫病领域词典进行分词匹配修正,减少在分词过程中出现的疫病名称及短语等造成的歧义切分,进一步提高了分词准确率。实验结果表明,结合词典匹配的BERT-BiLSTM-CRF模型在羊常见疫病文本数据集上的F1值为96.38%,与jieba分词器、BiLSTM-Softmax模型、BiLSTM-CRF模型、未结合词典匹配的本文模型相比,分别提升11.01、10.62、8.3、0.72个百分点,验证了方法的有效性。与单一语料相比,通用语料PKU和羊常见疫病文本数据集结合的混合语料,能够同时对畜禽疫病专业术语及疫病文本中常用词进行准确切分,在通用语料及疫病文本数据集上F1值都达到95%以上,具有较好的模型泛化能力。该方法可用于畜禽疫病文本分词。

基于CEEMD-SE的CNN&LSTM-GRU短期风电功率预测

为进一步提升短期风电功率的预测精度,提出了一种基于互补集合经验模态分解-样本熵(complementary ensemble empirical mode decomposition-sample entropy,CEEMD-SE)的卷积神经网络(convolutional neural network,CNN)和长短期记忆-门控循环单元(longshorttermmemory-gatedrecurrentunit,LSTM-GRU)的短期风电功率预测模型。首先,利用互补集合经验模态分解将原始风电功率序列分解为若干本征模态函数(intrinsic mode function,IMF)分量和一个残差(residual,RES)分量,利用样本熵算法将相近的分量进行重构;其次,搭建卷积神经网络和长短期记忆网络的并行网络结构,提取数据的局部特征和时序特征,并将特征融合后输入门控循环单元网络中进行学习预测;最后,通过算例进行验证,结果表明采用该模型后预测精度得到了有效提升,其均方根误差降低了15.06%、平均绝对误差降低了15.22%、决定系数提高了1.91%。

二次γ'相演化对DD6单晶高温合金蠕变性能的影响

采用FESEM和TEM研究二次γ'相演化对DD6单晶高温合金760℃/785 MPa和980℃/250 MPa蠕变性能的影响。结果表明:标准热处理的DD6合金经1120℃/4 h/AC处理,基体通道内析出二次γ'相。760℃/785 MPa蠕变时,基体通道内的二次γ'相在蠕变初期阻碍a/2〈011〉位错在基体通道内运动,促进{111}〈112〉滑移在一次γ'相开动,从而缩短孕育期时间,显著增加蠕变第一阶段应变和蠕变速率。980℃/250 MPa蠕变时,基体通道内的二次γ'相在蠕变初期快速回溶,二次γ'相对980℃/250 MPa蠕变行为基本没有影响。

基于特征选择及ISSA-CNN-BiGRU的短期风功率预测

针对风电功率随机性大、平稳性低,以及直接输入预测模型往往难以取得较高精度等问题,提出了一种基于特征选择及改进麻雀搜索算法(ISSA)优化卷积神经网络-双向门控循环单元(CNN-BiGRU)的短期风电功率预测方法。首先,利用变分模态分解(VMD)将原始功率分解为一组包含不同信息的子分量,以降低原始功率序列的非平稳性,提升可预测性,同时通过观察中心频率方式确定模态分解数。其次,对每一分量采用随机森林(RF)特征重要度的方法进行特征选择,从风速、风向、温度、空气密度等气象特征因素中,选取对各个分量预测贡献度较高的影响因素组成输入特征向量。然后,建立各分量的CNN-BiGRU预测模型,针对神经网络算法参数难调、手动配置参数随机性大的问题,利用ISSA对模型超参数寻优,自适应搜寻最优参数组合。最后,叠加各分量的预测值,得到最终的预测结果。以中国内蒙古某风电场实际数据进行仿真实验,与多种单一及组合预测方法进行对比,结果表明,本文所提方法相比于其他方法具有更高的预测精度,其平均绝对百分比误差值达到2.644 0%;在其他4个数据集上进行的模型准确性及泛化性验证结果显示,模型平均绝对百分比误差值分别为4.385 3%、3.174 9%、1.576 1%和1.358 8%,均保持在5.000 0%以内,证明本文所提方法具有较好的预测精度及泛化能力。

基于残差修正CNN-BiLSTM的空中目标航迹短期预测算法

针对因深度学习自身局限性和递归预测策略产生的累积误差,导致航迹预测精度不高的问题,提出了一种基于残差修正CNN-BiLSTM的空中目标航迹短期预测算法。首先,引入卷积模块用于提取航迹数据之中具有潜在关联的空间位置特征,利用双向长短时记忆网络提取航迹数据中的时序特征,并实现对空中目标的实时单步预测和多步超前预测;其次,引入整合移动平均自回归为残差修正模型,对实时单步预测产生的残差建模,计算混合神经网络模型多步超前预测时的残差值;最后,将混合神经网络模型和残差修正模型的输出结果进行融合,得到最终的航迹预测值。实验结果表明,该算法大大降低了神经网络因自身局限性产生的误差和因递归策略预测产生的累积误差,能够显著提高空中目标航迹短期预测的精度。