基于循环神经网络的微地震数据降噪方法

针对微地震信号中存在大量噪声干扰, 导致其识别困难的问题, 提出一种深度双向门控循环单元循环神经网络的方法, 并将其应用于微地震数据降噪中. 首先, 构建多层双向门控循环单元循环神经网络模型, 并设计该模型的网络结构及训练算法; 然后, 采用Ricker子波正演模拟微地震数据验证模型的有效性, 并将该方法与其他4种方法进行对比; 最后, 将真实的含噪声微地震数据输入到训练好的模型中, 即可得到降噪后的微地震数据. 仿真实验结果表明, 利用该方法降噪后与降噪前信号的峰值信噪比相比约提高36 dB, 且信号之间的相关系数值由0.088 6上升至0.933 5. 实际应用结果也表明, 该方法可有效降低实际微地震数据中的噪声.     

络合滴定法测定钛酸钡中的钡和钛

本文用络合滴定法对钛酸钡中的钡和钛分别进行了测定。样品用盐酸溶解后,首先加入稀硫酸沉淀钡为硫酸钡,而后把其溶于EDTA-碱性溶液中,用Mg~(2+)滴定过量的EDTA,可求出钡的含量;把沉淀出钡后的滤液调pH到5.5,加入过量EDTA,以二甲酚橙为指示剂,用硝酸铅溶液返滴过量EDTA,可求得钛的含量。该法与传统测试方法相比,有快速、简便、准确的特点。     

量子教学优化算法及在函数优化中的应用

为提升基本教学优化算法的搜索能力, 通过融合量子计算原理, 提出了一种量子教学优化算法。 该方法采用教师自学和学生向教师学两种学习机制搜索全局最优解。 个体采用量子比特编码, 搜索过程在 Bloch 球面上进行, 个体的更新通过量子比特的绕轴旋转实现, 然后将其解码为量子比特的 Bloch 球面坐标。 由于该方法将基本教学算法中每维变量的搜索都扩展到 Bloch 球面进行, 可使搜索过程更为精细, 从而加强了对解空间的遍历性。 不同维度标准函数极值优化的仿真结果表明, 此方法的寻优能力不仅超过基本教学优化算法, 同时也超过其他经典群智能优化算法, 验证了将量子计算的某些机制和智能优化相融合可提升其优化性能。     

基于分子对接研究小分子对冰核蛋白的微观抑制机理

使用分子模拟软件AutoDock研究了甘油和三聚甘油分子与北方假单胞菌的冰核蛋白(PbINP)模型之间的相互作用,以期阐释聚甘油对冰核细菌丁香假单胞菌冰核蛋白(INP)冰成核抑制行为的分子机理,以及该机理是否在INP类结构中具有普适性.模拟结果显示了配体分子与TXT(T表示苏氨酸,X表示其他残基)结冰模板和酪氨酸(TYR)阶梯结构之间的不同结合能力,并且在配体与TXT结冰模板的结合中发现有INP的其他残基参与结合.表明配体分子与INP的特异性结合可能适用于其他具有类似结构的INP.该结果为聚甘油作为冷冻保护材料的开发和进一步理解INP的结冰机理提供了有用的理论信息.