郑州大学的国家自然科学基金项目情况
郑州大学安全科学与工程类
郑州大学安全科学与工程类专业教学质量标准郑州大学力学与工程科学学院2015年7月30日郑州大学安全科学与工程类专业教学质量标准1.概述安全科学与工程类专业的主干学科为安全科学与工程学科，曾经设立的专业名称包括现有的“安全工程专业”，以及历史上曾经开办过的“矿井通风与安全专业”。
我国的安全科学与工程类专业本科教育始于20世纪50年代的劳动保护和矿山通风安全领域的人才培养需要。
在工业劳动保护人才培养方面，1954年北京劳动干部学校成立，这是我国首个工业劳动保护人才培养专门学校，1956年2月该校设立“劳动保护”、“锅炉检查”和“劳动经济”三个专业。
1958年劳动干校升格为北京劳动学院，相应进行专业调整，设立了“工业安全技术”和“工业卫生技术”两个专业。
1984年7月1日，原国家教育委员会颁布的《高等学校工科本科专业目录》将“安全工程”正式列为试办专业，代码为“试32”。
1998年教育部颁布的《普通高等学校本科专业目录》进一步整合本科专业设置，将包括“矿山通风与安全”专业在内的所有安全类专业合并为“安全工程”，归属于“环境与安全类”，代码081002。
2011年，国务院学位委员会将“安全科学与工程”列为一级学科，归属于工学门类；2012年，教育部颁布的《普通高等学校本科专业目录》，将“安全科学与工程”单列为一个类0829，下设“安全工程”专业。
安全科学与工程学科是以安全学原理为基础，以信息论、系统论、控制论为先导，兼有管理和工程技术的一门宽口径综合学科，主要内容包括人类在劳动生产和防御各种灾害的过程中所采用的、以保证人的身心健康和生命安全、减少物质财富损失为目的的安全技术理论及专业技术手段。
安全工程专业是根据现代经济和技术的发展要求，培养能从事安全科学研究、安全技术开发、安全工程设计、安全风险评估、安全监察与监管、安全检测与监控、安全生产组织管理、安全教育与培训、事故应急救援等方面高级工程技术人才。
安全工程专业设置在力学与工程科学学院，凭借学院悠久的历史、较高的学术水平和影响力，形成了国内特有的工程结构与设备方向的安全工程专业。
2010年郑州大学研究生科研基金最终立项项目
基于click化学双膦酸酯类药物的合成
49 10L01201 高纲彪 “自然通风”在城市规划节能设计中的应用
50
10L00401
朱宇皇
结核杆菌抗原Rv1258c/ Rv3425/ Rv1410c的HLA 限制性CTL表位预测与鉴定
51 10L10402 王白石
应用HRM技术确定太行山猕猴的父权
52
10L00403
网络教育舆情与决策研究
新闻与传播学院
26 10R02102 董小博
大学生网络交流平台使用习惯调查研究
新闻与传播学院
27 10R02103 贾元
浅析研究生网络新闻参与现状分析
新闻与传播学院
28 10R02104 张宴铭
当代大学生媒介接触习惯研究
新闻与传播学院
29 10R02201 汪鸿雁
外交英语语篇的计量文体学研究
管理工程系
一般
40
10L10301
党丽赟
层状复合双金属氢氧化物在还原CO2和Cr2O72中的应用
41
10L10302
柴亚辉
荧光光谱法研究联苯双酯与牛血清白蛋白的相互 作用
42 10L10303 韩毅
金属有机配合物结构及其磁性性质的研究
43
10L00304
赵方园
DNA-LB膜修饰玻碳电极作为伏安传感器测定黄 芩素
消融导管定位信号采集系统（硬件）
机械工程学院
重点
21
10L00802
周鑫
基于GPS的数字化建模及圆柱度仪自动对中系统 研究
机械工程学院
一般
22 10L00803 王宏超 基于全矢谱的旋转机械故障特征提取研究
机械工程学院
一般
2009-2018年国家自然科学基金灸法类面上项目和青年科学基金项目分析
2009－2018年国家自然科学基金灸法类面上项目和青年科学基金项目分析徐伟男1，李悦1，辛庆龄1，刘聪颖1，李庆羚1，马强1，王茎21.安徽中医药大学研究生院，安徽合肥 230038；2.安徽中医药大学中医学院，安徽合肥 230038摘要：目的 了解国家自然科学基金面上项目和青年科学基金项目灸法类的研究项目现状及趋势。
方法 通过科学基金网络信息系统（ISIS）检索2009－2018年申请代码为H2707（经络与腧穴）和H2718（中医针灸）中关于灸法的面上项目和青年科学基金项目，分析资助数目、金额、依托单位、项目负责人、主要研究方向、灸法类型、研究疾病和相关信号通路的情况。
结果 2009－2018年灸法面上项目和青年科学基金项目资助金额4466万元，立项112个。
10年间，灸法面上项目和青年科学基金项目资助金额和数目总体呈增长趋势。
在2013年资助金额和数目上出现高峰，之后略有下降并保持稳定。
依托单位主要为中医药高校，立项≥2次的负责人主要集中在面上项目。
灸法的研究方向连续性强，研究方法以艾灸为主。
研究疾病相对集中，主要以消化系统、心脑血管系统及运动系统为主，且多与炎性因素有关。
重点研究相关信号通路，有关基因调控、机制研究、数据挖掘等研究相对较少。
结论 目前在灸法的相关课题中，国家自然科学基金面上项目的资助力度高于青年科学基金项目，在资助数目上差距较小，单个项目资助金额比例呈增长趋势，资助金额和数目均呈增长趋势。
关键词：国家自然科学基金；灸法；统计分析中图分类号：R2-05 文献标识码：A 文章编号：1005-5304(2021)01-0038-06DOI：10.19879/ki.1005-5304.201911062 开放科学（资源服务）标识码（OSID）：Analysis of Moxibustion Research Subsidized by General Projects and Youth Science Foundation Projects of National Natural Science Foundation of China from 2009 to 2018 XU Weinan1, LI Yue1, XIN Qingling1, LIU Congying1, LI Qingling1, MA Qiang1, WANG Jing21. Graduate School, Anhui University of Chinese Medicine, Hefei 230038, China;2. College of Chinese Medicine,Anhui University of Chinese Medicine, Hefei 230038, ChinaAbstract: Objective To understand the current situation and trend of research projects of moxibustion by the General Projects and Youth Science Foundation Projects of National Nature Science Foundation of China (NSFC). Methods The application codes of H2707 (meridians and acupoints) and H2718 (acupuncture and moxibustion of traditional Chinese medicine) about moxibustion from 2009 to 2018 in General Projects and Youth Science Foundation Projects of NSFC were retrieved through Internet-based Science Information System (ISIS). The number and amount of project funding, responsible units, project leaders, main research directions, types of moxibustion, research symptoms and related signal pathways were analyzed. Results From 2009 to 2018, the total amount of moxibustion research supported by General Projects and Youth Science Foundation Projects was 44.66 million yuan, and the total number of projects was 112. In the ten years, the amount and number of moxibustion Projects in General Projects and Youth Science Foundation Projects have shown an overall trend of growth. The amount and number of funding peaked at the same time in 2013, then declined slightly and remained stable. Responsible units were mainly TCM colleges and universities; the persons in charge of two or more projects were mainly concentrated in the General Projects. The research direction of moxibustion was continuous, and the main research method was moxa moxibustion. The diseases studied were relatively concentrated, mainly in digestive system, cardio-cerebrovascular system and motor system, was mostly related to inflammatory factors. Focusing on the related signal pathways, there基金项目：国家自然科学基金（81574084）；安徽省高校科研创新平台建设项目（2015TD033）通讯作者：王茎，E-mail：********************were relatively few studies on gene regulation, mechanism research, data mining and so on. Conclusion At present, among the related projects of moxibustion, the amount of funding supported by General Projects is higher than that of Youth Science Foundation Projects of NSFC, and there is a small gap in number between the two types of projects. The proportion of individual funding shows a growing trend, and there is an increasing trend in the amount and number of subsidies.Keywords: National Natural Science Foundation of China; moxibustion; statistical analysis国家自然科学基金（National Natural Science Foundation of China，NSFC）项目在一定程度上代表我国科技创新能力。
锌电积用阳极材料Pb-Ag
第42卷第5期(总第191期)2023年10月湿法冶金H y d r o m e t a l l u r g y ofC h i n a V o l .42N o .5(S u m.191)O c t .2023锌电积用阳极材料P b -A g/P b O 电化学性能研究黄艳芳1,2,杨 泽2,韩桂洪1,2,杨淑珍1,杨腾蛟3(1.郑州大学关键金属河南实验室,河南郑州 450001;2.郑州大学化工学院,河南郑州 450001;3.河南豫光锌业有限公司,河南济源 450041)摘要:研究了P b O 附着于P b -A g 极板表面对电极电化学性能的影响,通过一步电沉积法获得了P b -A g/P b O ㊁P b -A g /P b O -C o ㊁P b -A g /P b O -M n ㊁P b -A g /P b O -C o -M n4种复合阳极㊂通过X 射线衍射(X R D )和扫描电子显微镜(S E M )对电极表面形貌和结构进行表征㊂在模拟锌电积体系中,采用循环伏安曲线(C V )㊁阳极极化曲线㊁电化学交流阻抗谱(E I S )对电极电化学性能进行了测试㊂结果表明:P b O 呈片状团聚型结构,C o 和M n 掺杂后P b O 晶粒被细化,利于活性位点的充分暴露;相对于P b -A g 电极,沉积电极亲水性有效改善,利于多相反应的发生;相对于P b -A g 阳极,P b O 镀层阳极(包含C o ㊁M n 掺杂电极)具有一定的O E R 催化活性和更好的耐腐蚀性,在锌电积中展现出较低的槽电压㊂关键词:锌电积;阳极改性;金属掺杂;亲水性;电化学中图分类号:T F 813;T F 114;O 646.542 文献标识码:A 文章编号:1009-2617(2023)05-0537-09D O I :10.13355/j .c n k i .s f y j.2023.05.016收稿日期:2023-05-24基金项目:国家自然科学基金资助项目(U 2004215,U 22A 20130);河南省自然科学基金资助项目(232300421196);郑州大学求是科研启动基金(32213511)㊂第一作者简介:黄艳芳(1983 ),女,博士,副教授,主要研究方向为有色金属湿法冶金㊂通信作者简介:杨淑珍(1993 ),女,博士,副研究员,主要研究方向为冶金电化学㊂E -m a i l :ys z z z u @126.c o m ㊂引用格式:黄艳芳,杨泽,韩桂洪,等.锌电积用阳极材料P b -A g/P b O 电化学性能研究[J ].湿法冶金,2023,42(5):537-545. 锌电积过程是湿法炼锌工艺的最后一道工序,其过程能耗占湿法炼锌工艺流程的80%㊂控制锌电积过程能耗是发展低碳冶金的必然选择㊂锌电极过程能耗集中于反应槽电压,其中阳极的析氧反应(O E R )过电位对电流效率影响较大㊂目前,锌电积工业所用阳极材料以P b -A g 合金阳极为主,具有O E R 过电位适中㊁机械性强度高等特点㊂通过电极改性,改变电极电荷转移势垒,利用电催化反应加快电极和电解质界面上的电荷转移,可有效减小锌电积析氧过电位,进而降低过程能耗[1]㊂借鉴污水处理[2-4]㊁燃料电池[5-7]㊁微生物电合成[8-9]等诸多领域的电催化研究理论和技术,深入分析和认识锌电积过程析氧反应,对实现锌电积工业的低碳绿色发展具有较大意义㊂在实际应用中,受电解液环境影响,阳极板存在一定腐蚀问题,会降低阳极使用寿命,影响阴极产品品质㊂为改善该问题,可在阳极上镀P b O 2涂层,以防止基体与电解液直接接触㊂P b O 2具有良好的导电性㊁低析氧潜力,相对成本也较低㊂涂层表面的O E R 是一个多相催化反应过程[10-11],通过掺杂过渡金属可降低P b O 2涂层阳极的析氧过电位,不同氧化物颗粒掺杂剂的催化活性顺序为P b O 2+C o 3O 4>P b O 2+R u O 2>P b O 2+C o O x >P b O 2[12]㊂有研究表明,真空热压法所制备P b -P b O 2-C o 3O 4复合阳极具有优异的电催化活性和耐腐蚀性能[13],C o 3O 4掺杂可使沉积层粗糙,增加电极与溶液的接触面积[14]㊂在工业锌电积过程中,随电解反应进行,电解液中的铅㊁锰等离子易在阳极表面发生沉积,形成阳极副产物㊂P b O 是阳极板上常见的析出相之一,目前关于其对阳极反应具体影响的支撑数据很少㊂试验借鉴P b O 2镀层对P b 基阳极影响的研究方法和研究手段,通过一步电沉积法获得P b O 镀层P b -A g 电极,并研究金属离子钴和锰的Copyright ©博看网. All Rights Reserved.湿法冶金 2023年10月掺杂对电极表面形貌㊁电极表面的亲疏水性[15-16]和电化学性能的影响,以期为锌电积过程电极的改进提供技术参考㊂1 试验方法1.1 P b -A g 基体预处理通过恒电流密度一步电沉积法制备了P b -A g 基复合镀层阳极,共有4种:P b -A g /P b O ㊁P b -A g/P b O -C o ㊁P b -A g /P b O -M n ㊁P b -A g /P b O -C o -M n ㊂首先将P b -A g 板进行线切割裁切和预处理,工作面积2c mˑ2c m ,之后将基体上加载-1.2V 的电位并保持2h ,去除基体表面的氧化物和杂质,依次用1200#㊁2000#砂纸打磨其表面,直至出现明亮的金属光泽㊂将打磨过的基体浸入除油剂中,在40ħ下保持30m i n ,祛除表面油污,增强沉积层与基体的结合力㊂基体经过化学除油处理后用去离子水冲洗,保存在3%H C l 溶液中,备用㊂1.2 电沉积阳极的制备采用三电极体系,在电化学工作站上对阳极进行电镀,其中工作电极为P b -A g 板,辅助电极为石墨片电极,参比电极为饱和甘汞电极㊂制备P b O 镀层的镀液组成为:1m o l /LP b (N O 3)2和0.2m o l /L H N O 3溶液;制备P b O -C o 镀层的镀液组成为:1m o l /LP b (N O 3)2㊁0.1m o l /LC o (N O 3)3和0.2m o l /LH N O 3;制备P b O -M n 镀层的镀液组成为:1m o l /LP b (N O 3)2㊁0.1m o l /LM n (N O 3)2和0.2m o l /LH N O 3,制备P b O -C o -M n 镀层的镀液组成为:1m o l /LP b (N O 3)2㊁0.1m o l /LC o (N O 3)3㊁0.1m o l /L M n (N O 3)2和0.2m o l /L H N O 3㊂设定恒温磁力搅拌器参数,搅拌速率500r /m i n,温度35ħ,随后在电流密度20m A /c m2的条件下电沉积2h ㊂沉积完成后将样品取出,用去离子水冲洗表面,置于空气中干燥,得到P b -A g 基复合氧化物镀层阳极㊂1.3 物理、电化学性能表征镀层阳极的物相组成㊁微观形貌和元素分布分别采用X 射线衍射仪(X R D )㊁扫描电子显微镜(S E M )和能量色散X 射线谱仪(E D S )进行表征,镀层的疏水性能采用接触角测定仪测定㊂电化学性能分别采用阳极极化曲线㊁C V 曲线㊁T a f e l 曲线㊁E I S 曲线㊁槽电压曲线进行表征㊂试验仪器及设备见表1㊂表1 试验仪器及设备名称型号生产厂家电子天平A U X 220日本岛津公司恒温水浴磁力搅拌器D F -101S 常州万顺仪器制造有限公司超声波清洗仪K Q 3200昆山市超声仪器有限公司聚焦离子束扫描电镜A u r i g aS E M /F I BC r o s s b e a mS ys t e m 德国蔡司Z E I S S 有限公司C T 断层扫描X 射线衍射系统E m p y r e a nX -r a y d i f f r a c t i o n 荷兰帕纳科P A N a l y t i c a l 有限公司电化学工作站A u t o l a bP G S T A T 302N瑞士万通M e t r o h m 有限公司接触角测定仪J C 2000D C上海中晨数学技术设备有限公司电感耦合等离子体发射光谱仪I C PP R O X 美国赛默飞世尔科技公司2 试验结果与讨论2.1 物相组成P b -A g /P b O ㊁P b -A g /P b O -C o ㊁P b -A g /P b O -M n ㊁P b -A g/P b O -C o -M n 阳极的X R D 图谱如图1所示㊂由图1(a )看出:2θ分别为29.0ʎ㊁30.3ʎ和32.4ʎ时,P b -A g /P b O ㊁P b -A g /P b O -C o ㊁P b -A g /P b O -M n ㊁P b -A g /P b O -C o -M n 阳极均存在较为明显的衍射峰,与标准卡片中P b O (J C P D S#38-1477)的特征峰相对应;2θ分别为31.3ʎ㊁36.2ʎ㊁52.2ʎ和62.1ʎ时,对应的衍射峰与P b (J C P D S #04-0686)标准卡中的特征峰位置一致㊂由图1(b )看出:P b O 晶体的特征峰均向左偏移,这表明晶格常数变大,C o ㊁M n 成功掺杂在P b O 晶体中㊂由图1看出,镀层材料的衍射峰尖锐且清晰,说明其晶相结构良好㊂㊃835㊃Copyright ©博看网. All Rights Reserved.第42卷第5期黄艳芳,等:锌电积用阳极材料P b -A g /P b O电化学性能研究a 宽范围;b局部放大㊂图1 不同镀层阳极的X R D 图谱2.2 表面形貌为更好了解不同氧化物镀层在制备过程的结构变化,用S E M 分别对4种镀层的表面形貌进行分析,结果如图2所示㊂放大1000倍:a P b -A g ;b P b -A g/P b O ;c P b -A g /P b O -C o ;d P b -A g/P b O -M n ;e P b -A g/P b O -C o -M n ㊂放大5000倍:f P b -A g/P b O -C o -M n ㊂ 图2 不同镀层阳极的扫描电镜显微照片由图2(a )看出:P b -A g 基体较为平整,表面有一定粗糙度,适合作为镀层基体㊂复合P b O 镀层呈不规则的片状和针状结构[17-18]㊂由图2(b)看出:P b -A g /P b O 镀层阳极表面出现团聚现象,晶体堆叠不均匀㊂复合镀层的形貌多样性为反应提供更多可能性,但由于其复杂的空间力场,极易导致析氧反应过程电场分配不均匀,造成固-液界面上存在多重电势差,从而严重阻碍析氧反应进程㊂由图2(c )~(f )看出:经过C o ㊁M n 掺杂改性后,P b O的团聚现象消失,镀层变为疏松多孔结构,纳米颗粒转变为纳米棒结构㊂这种棒状和片状相结合的结构可增大镀层的反应空间,为电极反应提供更多活性位点,从而有效降低电极表面的电势差㊂2.3 E D S 元素分布表征在电沉积过程中,为探明C o 和M n 在镀层内部的掺杂情况,利用E D S 面扫对镀层表面的元素分布进行了表征,结果如图3所示㊂可以看出:未掺杂元素的P b -A g /P b O 阳极主要由P b ㊁O2种元素组成,P b -A g/P b O -C o 阳极由P b ㊁O ㊁C o3种元素组成,P b -A g /P b O -M n 由P b ㊁O ㊁M n3种元素组成,表明采用一步电沉积法可将C o /M n 有效地掺杂于电极中,且元素分布均匀㊂2.4 材料疏水性表征在液相中,表面亲疏水性是衡量镀层表面性能的重要指标,可通过测量镀层与水的接触角θ来判断㊂P b -A g ㊁P b -A g /P b O ㊁P b -A g /P b O -C o ㊁P b -A g /P b O -M n ㊁P b -A g /P b O -C o -M n 阳极接触角随时间的变化情况如图4所示㊂可以看出:P b -A g阳极因其表面具有疏水性而不易被润湿,与水的接触角在90s 内保持在119ʎ左右,其疏水性将在锌电积工艺中阻碍电极与电解质溶液全面接触,进而导致传质阻力增大;在P b -A g 阳极表面沉积P b O 镀层后,表面亲水性增强,P b -A g /P b O 阳极与水的接触角随时间延长而逐渐减小,90s 时的接触角为73ʎ;通过恒电流密度法电沉积制备的P b -A g /P b O -C o 和P b -A g /P b O -M n 阳极亲水性能最优,P b -A g /P b O -C o 阳极与水接触时,随接触时间延长,接触角从0s 时的83ʎ减小至90s㊃935㊃Copyright ©博看网. All Rights Reserved.湿法冶金 2023年10月的44.2ʎ;P b -A g /P b O -M n 阳极在接触瞬间,接触角就达35.7ʎ,随润湿时间推移,接触角继续减小,在30s 时达29.1ʎ,90s 时达26.3ʎ㊂P b -A g/P b O -C o -M n 阳极的亲水性优于P b -A g/P b O 阳极,而又不及P b -A g /P b O -C o 阳极和P b -A g /P b O -M n 阳极㊂该表现可能和阳极表面形貌有直接关系:对比P b -A g /P b O -C o 阳极和P b -A g /P b O -M n 阳极可知,P b -A g /P b O -C o -M n 阳极表面针状和片状结构更加复杂,导致其亲水性降低㊂在锌电积过程中,亲水电极能与水快速接触,使电极表面活性位点充分暴露在反应液中,降低电解过程的传质阻力㊂同时,氧气从电极表面脱附时,受界面亲疏水性影响,脱附速度也会受到影响,亲水性越好,氧气脱附速度越快㊂图3 P b -A g /P b O (a )㊁P b -A g /P b O -C o (b )和P b -A g/P b O -M n (c )阳极的E D S分析结果图4 P b -A g 基阳极表面与水的接触角随时间的变化情况㊃045㊃Copyright ©博看网. All Rights Reserved.第42卷第5期黄艳芳,等:锌电积用阳极材料P b -A g /P b O 电化学性能研究2.5 阳极极化曲线P b -A g ㊁P b -A g /P b O ㊁P b -A g /P b O -C o ㊁P b -A g/P b O -M n ㊁P b -A g/P b O -C o -M n 阳极在50g /L Z n 2++150g /L H 2S O 4中的阳极极化曲线和Ta f e l 斜率如图5所示,电流密度在40~60m A /c m 2范围内的阳极析氧反应过电位和T a f e l 斜率对比结果见表2㊂a 阳极极化曲线;b T a f e l 斜率㊂图5 P b -A g 基阳极的LS V 测试结果表2 P b -A g 基阳极的析氧反应性能对比结果阳极过电位/(m V@50m A ㊃c m -2)T a f e l 斜率/(m V ㊃d e c-1)P b -A g 1107239P b O1105276P b O -C o 1082310P b O -M n1028288P b O -C o -M n1014573由图5看出:在50g /L Z n 2++150g /LH 2S O 4溶液中,P b -A g /P b O ㊁P b -A g /P b O -C o ㊁P b -A g /P b O -M n ㊁P b -A g/P b O -C o -M n 阳极在50m A /c m 2时的析氧反应过电位分别为1105㊁1082㊁1028和1014m V ㊂相较于P b -A g 阳极,C o 掺杂和M n 掺杂电极的过电位都有所降低,这与掺杂后电极表面晶粒被细化相关;M n 掺杂材料降低幅度更大,原因可能和M n 掺杂电极亲水性更强相关;在较低电流密度条件下(ɤ50m A /c m2),C o ㊁M n 共掺杂的析氧过电位最低,电催化活性最好,说明C o 和M n 的掺杂对电极活性改善具有协同作用;但电流密度较大时,电极反应受反应物浓度扩散影响变大,电极亲疏水性则起到更大作用,因此,P b -A g /P b O -M n 在较高电流密度下表现出更高的催化活性㊂掺杂C o 和M n 都会导致T a f e l 斜率增大,表明电势变大时,析氧反应过电位增速变缓,析氧过程变化平稳㊂2.6 循环伏安曲线绘制P b -A g ㊁P b -A g /P b O ㊁P b -A g /P b O -C o ㊁P b -A g /P b O -M n 和P b -A g/P b O -C o -M n 阳极在50g /LZ n 2++150g /L H 2S O 4溶液中不同扫速下的循环伏安曲线(电压测试范围为0.62~1.82V (v s .R H E )),以及1.23V (v s .R H E )电位下的扫描速率-电流密度关系及双电层电容拟合曲线,结果如图6所示㊂在非法拉第电势范围内,取中间电位下的氧化电流密度和还原电流密度,将两者的算数平均值与相应的扫描速率作线性回归曲线,拟合曲线的斜率即为双电层电容C d l (图6(f )),计算公式为j =j a +j c 2=C d ld φd t=常数㊂式中:j a ㊁jc 氧化曲线电流密度和还原电流密度,m A /c m 2;Cd l 双电层电容,m F /c m 2;φ 扫描速率,m V /s㊂由图6看出:P b -A g /P b O ㊁P b -A g/P b O -C o ㊁P b -A g /P b O -M n ㊁P b -A g/P b O -C o -M n 阳极的双电层电容依次升高,P b -A g /P b O -C o -M n 的C d l 最大,为0.118m F /c m 2,P b -A g /P b O ㊁P b -A g/P b O -C o ㊁P b -A g /P b O -M n 的C d l 分别为0.108㊁0.109㊁0.111m F /c m 2㊂相较于纯P b -A g 阳极,4种镀层阳极的双电层电容变大;根据双电层电容和电化学活性面积(E C S A )的关系可知,P b -A g/P b O -C o -M n 的E S C A 最大,说明P b -A g/P b O -C o -M n 可为电化学反应提供更多活性位点㊂㊃145㊃Copyright ©博看网. All Rights Reserved.湿法冶金 2023年10月图6 不同扫速下P b -A g 基阳极的循环伏安曲线(a ~e )㊁扫描速率-电流密度关系及双电层电容拟合曲线(f )2.7 交流阻抗曲线为进一步探究所制备镀层阳极在工业应用中的性能,在50g /LZ n 2++150g /LH 2S O 4工业电解液中测试了电化学和电催化性能㊂借助电化学工作站测定P b -A g /P b O ㊁P b -A g/P b O -C o ㊁P b -A g /P b O -M n ㊁P b -A g /P b O -C o -M n 阳极的电化学阻抗,结果如图7所示㊂利用N o v a 2.1.3软件添加电路元件进行电路等效拟合,如图7中插图所示,其中R s 代表电池内阻,R c t 代表电荷传递阻抗,C P E 代表等效电容,拟合参数见表3㊂图7 P b -A g 基阳极的电化学阻抗谱表3 P b -A g 基阳极的电化学阻抗拟合结果阳极R s /m ΩR c t /ΩC P EY 0/(m Ω㊃sn )NP b -A g 56269.562.670.523P b O73256.539.960.735P b O -C o 81457.647.130.618P b O -M n78852.337.400.775P b O -C o -M n79551.148.910.889由图7看出:4种镀层阳极的N y qu i s t 图相似,高频区的准半圆半径反映了腐蚀过程的电荷转移速率[19]㊂经过电路等效拟合可知,相对于P b -A g 阳极,4种镀层电极均具有较低的电荷传递阻抗㊂P b -A g /P b O -M n 和P b -A g/P b O -C o -M n 阳极的N y q u i s t 图准半圆直径较小,R c t 分别为52.33㊁51.14Ω,较P b -A g 阳极分别降低17.23㊁18.42Ω,这表明P b -A g /P b O -M n 和P b -A g/P b O -C o -M n 阳极在锌电积体系中电荷转移速率较快[20-22]㊂㊃245㊃Copyright ©博看网. All Rights Reserved.第42卷第5期黄艳芳,等:锌电积用阳极材料P b-A g/P b O电化学性能研究2.8T a f e l极化曲线在锌电积模拟电解液(50g/LZ n2++150g/L H2S O4)中,对P b-A g㊁P b-A g/P b O㊁P b-A g/P b O-C o㊁P b-A g/P b O-M n㊁P b-A g/P b O-C o-M n阳极进行极化曲线测试,扫描速率为10m V/s,电化学测试结果如图8所示㊂利用N o v a2.1.3软件对测试结果进行拟合,得到阳极自腐蚀电流密度和电位数据[23],结果见表4㊂图8P b-A g基阳极的T a f e l曲线表4P b-A g基阳极的T a f e l拟合参数阳极b a/(m V㊃d e c-1)b c/(m V㊃d e c-1)E c o r r/V i c o r r/(m A㊃c m-2)R p/ΩP b-A g303101-0.01563.5102ˑ10-493.25 P b O2621420.03051.1995ˑ10-4333.70 P b O-C o2151360.04096.9990ˑ10-5518.32 P b O-M n2331940.10794.4094ˑ10-51046.50 P b O-C o-M n2791770.10697.2833ˑ10-5647.48由表4看出:4种镀层阳极的i c o r r为(0.4409~1.1995)ˑ10-4m A/c m2,相对于P b-A g电极的i c o r r明显降低,耐腐蚀性增强㊂由图8看出:纯P b-A g阳极的自腐蚀电位(E c o r r)低于4种镀层阳极,其中P b-A g/P b O和P b-A g/P b O-C o的E c o r r分别为0.0305V和0.0409V,掺杂M n后的P b-A g/P b O-M n和P b-A g/P b O-C o-M n阳极的E c o r r 明显提高,分别达0.1079㊁0.1069V,腐蚀倾向更小,耐腐蚀性能更加优异,这说明M n的掺杂改性对于镀层具有结构强化作用㊂2.9锌电积槽电压分析为评估P b-A g/P b O-C o㊁P b-A g/P b O-M n㊁P b-A g/P b O-C o-M n㊁P b-A g/P b O阳极在长时间锌电积过程中的稳定性和能耗情况,采用计时电位法记录并绘制7200s锌电积模拟试验过程中槽电压随反应时间的变化曲线,结果如图9所示㊂通过I C P-O E S测定模拟试验结束后电解液中总铅㊁总钴㊁总锰离子质量浓度,结果见表5㊂图9P b-A g基阳极槽电压随反应时间变化曲线表5P b-A g基阳极在锌电积过程溶出的金属离子质量浓度阳极槽电压/Vρ(总P b)/(m g㊃L-1)ρ(总C o)/(m g㊃L-1)ρ(总M n)/(m g㊃L-1) P b-A g3.3107.39--P b O3.2653.97--P b O-C o3.2624.550.00-P b O-M n3.2593.06-0.00P b O-C o-M n3.2235.420.000.00由图9㊁表5看出:P b-A g基阳极对应的槽电压曲线都呈降低趋势㊂在电解初始阶段,由于锌电积过程处于激活状态,电压开始急剧下降㊂随着锌在阴极析出,整个体系趋于稳定,槽电压也趋于稳定㊂㊃345㊃Copyright©博看网. All Rights Reserved.湿法冶金 2023年10月P b -A g 阳极槽电压稳定在3.310V ,P b -A g/P b O ㊁P b -A g /P b O -C o ㊁P b -A g /P b O -M n ㊁P b -A g/P b O -C o -M n 阳极槽电压有所下降,分别为3.265㊁3.262㊁3.259㊁3.223V ,电压大小规律和线性极化曲线所得结果一致㊂由表5还可看出:纯P b -A g 作为阳极时,体系中铅质量浓度为7.39m g /L ,镀层阳极体系铅含量明显降低,这与电极腐蚀电化学测试结果一致,说明P b O 镀层(包含C o ㊁M n 掺杂镀层)可增强电极的耐腐蚀性;其中,P b -A g /P b O -M n 阳极体系中铅离子质量浓度为3.06m g /L ,相对P b -A g电极体系降低50%以上,耐腐蚀性最佳㊂3 结论通过一步电沉积法可获得P b /A g-P b O 阳极,通过表征分析其物理化学性能,揭示了P b O 镀层对P b -A g 电极的电化学性能的影响规律㊂结论如下:1)P b O 镀层改变了P b /A g 电极的表面形貌和亲疏水特性㊂P b -A g/P b O 阳极表面呈多孔的层状和片状结构,镀层中C o 或/和M n 元素的掺杂使电极表面颗粒分散性增强;镀层显著增强了极板亲水性,特别是M n 掺杂后,接触角降为35.7ʎ,利于电极表面O E R 的发生㊂2)P b O 镀层对P b /A g 电极电化学性能具有积极影响㊂相对于P b -A g 阳极,P b O 镀层阳极具有较好的O E R 催化活性和耐腐蚀性,可降低锌电积的槽电压;镀层中M n 的掺杂显著降低了锌电积过程铅的浸出浓度,进一步增加了电极的催化活性和耐腐蚀性㊂可以推测,实际锌电积过程中,阳极表面P b O 及P b O -M n 的沉积对降低槽电压和提高电极耐腐蚀性有利,可通过在P b /A g 阳极表面镀P b O 降低锌电积能耗㊂参考文献:[1] S E H Z W ,K I B S G A A R DJ ,D I C K E N SCF ,e t a l .C o m b i n i n gt h e o r y a n d e x p e r i m e n ti n e l e c t r o c a t a l y s i s :i n s i g h t s i n t o m a t e r i a l sd e s i gn [J ].S c i e n c e ,2017,355(6321).D O I :10.1126/s c i e n c e .a a d 4998.[2] L I N H ,N I UJ ,D I N G S ,e ta l .E l e c t r o c h e m i c a l d e gr a d a t i o n o f p e r f l u o r o o c t a n o i c a c i d (P F O A )b y T i /S n O 2-S b ,T i /S n O 2-S b /P b O 2a n d T i /S n O 2-S b /M n O 2a n o d e s [J ].W a t e r R e s e a r c h ,2012,46(7):2281-2289.[3] 胡大波,杜聪,邱玉.电催化氧化技术深度处理染料废水研究[J ].中国资源综合利用,2016,34(7):34-36.[4] 徐浩,李晓良,张林,等.钛基体P b O 2电极对脱附浓缩液的电催化降解[J ].西安交通大学学报,2017,51(3):92-97.[5] X I ABY ,Y A N Y ,L IN ,e t a l .A m e t a l -o r ga n i c f r a m e w o r k -d e r i v e db i f u nc t i o n a l o x y g e n e l e c t r o c a t a l y s t [J ].N a t u r e E n e r g y,2016,1(1):1-8.[6] N ØR S K O VJK ,R O S S M E I S LJ ,L O G A D O T T I R A ,e t a l .O r i g i no f t h eo v e r p o t e n t i a l f o ro x y ge nr e d u c t i o na taf u e l -c e l l c a t h o d e [J ].T h eJ o u r n a lo fP h y s i c a lC h e m i s t r y ,2004,108(46):17886-17892.[7] 蒋鑫,尤欣敏,赵志刚.质子交换膜燃料电池用P t -A g -C o /C 催化剂的耐久性研究[J ].贵金属,2015,36(4):9-14.[8] R A B A E Y K ,R O Z E N D A LRA.M i c r o b i a l e l e c t r o s yn t h e s i s :r e v i s i t i n g t h ee l e c t r i c a l r o u t e f o rm i c r o b i a l p r o d u c t i o n [J ].N a t u r eR e v i e w sM i c r o b i o l o g y ,2010,8(10):706-716.[9] 孙杨,王黎,李洋洋,等.微生物电催化转化反应器(B E C R )转化C O 2合成有机化合物[J ].环境化学,2017,36(7):1657-1663.[10] S U E N N T ,HU N GSF ,Q U A N Q ,e t a l .E l e c t r o c a t a l ys i s f o r t h e o x y g e ne v o l u t i o nr e a c t i o n :r e c e n td e v e l o p m e n t a n d f u t u r e p e r s p e c t i v e s [J ].C h e m i c a lR e v i e w s ,2017,46(2):337-365.[11] R E I E R T ,O E Z A S L A N M ,S T R A S S E RP .E l e c t r o c a t a l yt i c o x y ge n e v o l u t i o n r e a c t i o n (O E R )o n R u ,I r ,a n d P t c a t a l y s t s :ac o m p a r a t i v es t u d y o fn a n o p a r t i c l e sa n db u l k m a t e r i a l s [J ].A C SC a t a l ys i s ,2012,2(8):1765-1772.[12] H U E TF ,M U S I A N I M ,N O G U E I R A R P .E l e c t r o c h e m i c a ln o i s e a n a l y s i so fO 2e v o l u t i o no nP b O 2a n dP b O 2-m a t r i x c o m p o s i t e s c o n t a i n i n g Coo rR uo x i d e s [J ].E l e c t r o c h i m i c a A c t a ,2003,48(27):3981-3989.[13] Z HA N GJ ,X U R ,Y U B ,e t a l .S t u d y o nt h e p r o pe r t i e sof P b -C o 3O 4-P b O 2c o m p o s i t e i n e r t a n o d e s p r e p a r e d b y v a c u u mh o t p r e s s i ng t e ch ni q u e [J ].R S C A d v a n c e s ,2017,7(78):49166-49176.[14] Z HA OJ ,Z HUC ,L UJ ,e t a l .E l e c t r o -c a t a l y t i c d e gr a d a t i o n o f b i s p h e n o lA w i t hm o d i f i e dC o 3O 4/β-P b O 2/T i e l e c t r o d e [J ].E l e c t r o c h i m i c aA c t a ,2014,118:169-175.[15] T A H I R M ,P A N L ,I D R E E S F ,e ta l .E l e c t r o c a t a l yt i c o x y g e n e v o l u t i o n r e a c t i o n f o r e n e r g y co n v e r s i o n a n d s t o r a g e :ac o m p r e h e n s i v er e v i e w [J ].N a n oE n e r g y,2017,37:136-157.[16] S C HMA C H T E LS ,T O I M I N E N M ,K O N T T U R IK ,e t a l .N e w o x y g e ne v o l u t i o na n o d e sf o r m e t a le l e c t r o w i n n i n g :M n O 2c o m p o s i t e e l e c t r o d e s [J ].J o u r n a l o f A p p l i e d E l e c t r o c h e m i s t r y,2009,39(10):1835-1848.[17] A B A C I S ,P E KM E ZK ,H ÖK E L E K T ,e t a l .I n v e s t i ga t i o n o fs o m e p a r a m e t e r si n f l u e n c i n g e l e c t r o c r ys t a l l i s a t i o n o f P b O 2[J ].J o u r n a l o f P o w e r S o u r c e s ,2000,88(2):232-236.[18] C AM P B E L LSA ,P E T E R L M.As t u d y of t h ee f f e c to f d e p o s i t i o nc u r r e n t d e n s i t y o f t h e s t r u c t u r eo f e l e c t r o d e po s i t e d ㊃445㊃Copyright ©博看网. All Rights Reserved.第42卷第5期黄艳芳,等:锌电积用阳极材料P b-A g/P b O电化学性能研究α-P b O2[J].E l e c t r o c h i m i c aA c t a,1989,34(7):943-949.[19] L IG,A N D E R S O N L,C H E N Y,e ta l.N e wi n s i g h t s i n t oe v a l u a t i n g c a t a l y s t a c t i v i t y a n d s t a b i l i t yf o r o x yg e ne v o l u t i o n r e a c t i o n s i n a l k a l i n e m e d i a[J].S u s t a i n a b l eE n e r g y&F u e l s,2018,2(1):237-251.[20] K I S S I M,B O U K L A H M,H AMM O U T I B,e t a l.E s t a b l i s h m e n to fe q u i v a l e n tc i r c u i t sf r o m e l e c t r o c h e m i c a li m p e d a n c es p e c t r o s c o p y s t u d y o fc o r r o s i o ni n h i b i t i o n o fs t e e l b yp y r a z i n e i ns u l p h u r i ca c i d i cs o l u t i o n[J].A p p l i e dS u r f a c eS c i e n c e,2006,252(12):4190-4197. [21] B A N D A L H A,J A D H A V A R,C H A U G U L E A A,e t a l.F e2O3h o l l o w n a n o r o d s/C N T c o m p o s i t e sa sa n e f f i c i e n te l e c t r o c a t a l y s tf o r o x yg e n e v o l u t i o n r e a c t i o n[J].E l e c t r o c h i m i c aA c t a,2016,222:1316-1325.[22] Z H A O H,L I U L,Z H UJ,e t a l.M i c r o s t r u c t u r e a n dc o r r o s i o nb e h a v i o r o f e l ec t r ode p o s i t e d n i c k e l p r e p a r e df r o m as u l p h a m a t eb a t h[J].M a t e r i a l s L e t t e r s,2007,61(7): 1605-1608.[23] HU J M,Z H A N G J Q,C A O C N.O x y g e n e v o l u t i o nr e a c t i o n o n I r O2-b a s e d D S A t y p e e l e c t r o d e s:k i n e t i c sa n a l y s i s o fT a f e ll i n e sa n dE I S[J].I n t e r n a t i o n a l J o u r n a lo fH y d r o g e nE n e r g y,2004,29(8):791-797.E l e c t r o c h e m i c a l P r o p e r t i e s o f P b-A g/P b OA n o d eM a t e r i a l s f o rZ i n cE l e c t r o w i n n i n gHU A N G Y a n f a n g1,2,Y A N GZ e2,H A N G u i h o n g1,2,Y A N GS h u z h e n1,Y A N G T e n g j i a o3(1.Z h o n g y u a nC r i t i c a lM e t a l sL a b o r a t o r y,Z h e n g z h o uU n i v e r s i t y,Z h e n g z h o u450001,C h i n a;2.S c h o o l o f C h e m i c a lE n g i n e e r i n g,Z h e n g z h o uU n i v e r s i t y,Z h e n g z h o u450001,C h i n a;3.H e n a nY U G U A N GZ i n c I n d u s t r y C o.,L t d.,J i y u a n450041,C h i n a)A b s t r a c t:T h e e f f e c t s o f P b Oa t t a c h e d t o t h e s u r f a c e o f P b-A g p l a t e o n t h e e l e c t r o c h e m i c a l p e r f o r m a n c e o f t h e e l e c t r o d ew e r e s t u d i e d.F o u rk i n d so f c o m p o s i t e a n o d em a t e r i a l s,P b-A g/P b O,P b-A g/P b O-C o, P b-A g/P b O-M n,P b-A g/P b O-C o-M n,w e r eo b t a i n e db y o n e-s t e p e l e c t r o d e p o s i t i o n.T h e m o r p h o l o g y a n d s t r u c t u r eo ft h ee l e c t r o d es u r f a c e w e r ec h a r a c t e r i z e db y X-r a y d i f f r a c t i o n(X R D)a n ds c a n n i n g e l e c t r o n m i c r o s c o p y(S E M).C y c l i c v o l t a m m e t r y c u r v e(C V),a n o d e p o l a r i z a t i o n c u r v ea n d e l e c t r o-c h e m i c a lA Ci m p e d a n c es p e c t r u m(E I S)w e r eu s e dt ot e s tt h ee l e c t r o c h e m i c a l p e r f o r m a n c eo ft h e s i m u l a t e d z i n c e l e c t r o w i n n i n g s y s t e m.T h e r e s u l t s s h o wt h a t t h eP b O g r a i n s a r e r e f i n e da f t e rC oa n d M nd o p i n g,w h i c hi sc o n d u c i v et ot h ef u l le x p o s u r eo ft h ea c t i v es i t e.C o m p a r e d w i t ht h eP b-A g e l e c t r o d e,t h eh y d r o p h i l i c i t y o f t h ed e p o s i t e de l e c t r o d e i s i m p r o v e de f f e c t i v e l y,w h i c hi sc o n d u c i v e t o t h eo c c u r r e n c e o f p o l y p h a s er e a c t i o n.C o m p a r e d w i t h t h e P b-A g a n o d e,t h e P b O c o a t i n g a n o d e (i n c l u d i n g C oa n d M n d o p e de l e c t r o d e s)h a sb e t t e r O E R c a t a l y t i ca c t i v i t y a n d h i g h e rc o r r o s i o n r e s i s t a n c e.T h e l o w e r t a n kv o l t a g e c a nb e o b t a i n e d i n z i n c e l e c t r o w i n n i n g.K e y w o r d s:z i n c e l e c t r o w i n n i n g;a n o d em o d i f i c a t i o n;m e t a l d o p i n g;h y d r o p h i l i c i t y;e l e c t r o c h e m i s t r y㊃545㊃Copyright©博看网. All Rights Reserved.。
郑州大学计算机与人工智能学院
2019年9月，郑州大学计算机与人工智能学院成立，与信息工程学院合署。2021年10月，计算机与人工智能 学院独立设置，能学院，国 家超级计算郑州中心党组织关系划转计算机与人工智能学院党委管理。
组织机构
计算机科学与技术系 软件工程系 人工智能系 数据科学与大数据技术系
郑州大学计算机与人工智能学院
郑州大学二级学院
01 办学历史
03 学术研究 05 学院领导
目录
02 组织机构 04 办学条件
郑州大学计算机与人工智能学院、软件学院成立于2019年9月，与信息工程学院合署。2021年10月计算机与 人工智能学院独立设置，设立中共郑州大学计算机与人工智能学院委员会，同时软件学院并入计算机与人工智能 学院，国家超级计算郑州中心党组织关系划转计算机与人工智能学院党委管理。
办学历史
学院的相关学科专业始于1956年8月原郑州大学建校初始设立的三个系之一的数学系相关学科方向和1985年 原郑州工业大学电机系成立的计算机及应用专业，由当时北京大学、吉林大学、复旦大学、山东大学等对口援建 高校抽调的师资扎根河南创建。在前期基础上，原郑州大学1972年挂靠数学系正式成立计算技术专业，是河南省 最早建设的计算机类专业。
2019河南省国家自然科学基金一览表
2019年河南省国家自然科学基金
高校名称基金项目总金额平均值郑州大学2681019338.03河南大学82340741.55河南农业大学59201234.10河南师范大学52192036.92河南理工大学41173742.37河南科技大学35133838.23河南中医大学29103735.76郑州轻工业大学2887131.11信阳师范学院2673428.23华北水利水电大学2595738.28新乡医学院2366228.78河南工业大学2184940.43河南科技学院1440528.93中原工学院1344834.46洛阳师范学院1243035.83周口师范学院917119.00河南财经政法大学829436.75河南工程学院823829.75河南省农业科学院617729.50河南牧业经济学院512224.40南阳师范学院515531.00许昌学院515330.60安阳工学院37625.33洛阳理工学院310434.67商丘师范学院37224.00平顶山学院37424.67新乡学院37625.33南阳理工学院24723.50河南建成学院12020.00河南省科学院16464.00河南省科学院地理16262.00黄河科技学院12424.00河南省眼科研究所12121.00郑州烟草研究所12222.00。
国家社科基金 重大项目 排名
国家社科基金重大项目排名
国家社科基金重大项目排名是根据项目的研究质量、学术影响、社会效益等多方面因素进行评估的，具体排名情况可能因评估标准、评估机构和评估时间等因素而有所不同。
以下是国家社科基金重大项目排名的一部分信息：
1. 重点项目有397项，一般项目有3185项，青年项目有1214项。
2. 中国人民大学以58项的拟立项数位居榜首，四川大学以拟立项数55项位居全国第二位，吉林大学和武汉大学以50项的拟立项数并列第三。
3. 北京大学、厦门大学、复旦大学、山东大学、南京大学、华东师范大学、上海交通大学、郑州大学、中南财经政法大学、南开大学、浙江工商大学和中山大学等高校的拟立项数在40项以上。
此外，在2022年的国家社科基金重大项目立项中，共计140所中国高校进入榜单，这140所高校获得的重大项目立项数量在1个至19个不等。
上榜高校既包括中国顶尖高校的浙江大学、北京大学、复旦大学等，也包括我国普通高校的周口师范学院、浙江师范大学、盐城师范学院、温州大学等。
其中，中国人民大学、武汉大学、浙江大学居榜单前3名，是2022年重大项目立项数量最多的大学，分别立项19个、12个、10个。
如需了解更多关于国家社科基金重大项目排名的信息，可以访问国家社科基金官方网站，或关注相关的新闻报道。
皮江法炼镁工艺在我国的创新进步与发展
炼镁小型工业试验厂。此后 20 年的时间里，一直停留在试 验 阶 段，研 究 人 员 也 持 续 进 行 着 各 式 各 样 的 探 索，期 间 也 试验了电内热法工艺。直到 1979 年，郑州轻金属研究所和 南京白云石矿共同建立的小型还原炉试验成功，年产镁 58 吨。在多年的摸索与吸收国外技术的基础上，逐渐开始小规 模化生产。由于皮江法工艺简单、投资少、设计与生产规模 灵活、原料分布广等特点，众多规模不等的皮江法镁厂在全 国各地“遍地开花”，全国共建成规模不等的皮江法镁厂约 有 500 家。皮江法迅速发展，使得中国及至世界的电解法工 艺在市场中没有生存空间，逐渐都被淘汰 [17,18]。自 1998 年， 中 国 成 为 世 界 最 大 原 镁 生 产 国 家，产 量 居 世 界 第 一，直 到 2003 年，民和电解法镁厂关闭，至此中国原镁生产基本上 都采用皮江法工艺。2007 年时中国原镁产量已占世界产量 80%[19,20]。 3.2 创新技术应用
M 冶金冶炼 etallurgical smelting
皮江法炼镁工艺在我国的创新进步与发展
车玉思1,2，李玉哲1，宋建勋1,2，何季麟1,2
（１ 郑州大学材料科学与工程学院，河南 郑州 ４５０００１；２ 河南省资源与材料工业技术研究院，河南 郑州 ４５０００１）
摘 要 ：皮江法炼镁工艺在经过多年的研究与吸收国外相关技术的基础上，由于其工艺简单、投资少、设计与生产规模
利用还原炉热烟气带余热锅炉产生的蒸汽驱动射流真 空代替机械真空，节约了电耗 ；用焦炉煤气替代燃煤作为炼 镁的燃料，可节省 30%~40% 的能耗，既降低了生产成本， 又解决了炉窑烟尘对环境的污染。尤其是陕西省府谷县按照 “集中布局、绿色生产、项目组团、产业循环、园区承载”的 发展思路，整合资源、重组企业，走出一条循环发展之路， 如图 4 所示。
近五年国家自然科学基金热门资助单位,哪些单位榜上有名？
近五年国家⾃然科学基⾦热⻔资助单位，哪些单位榜上有名？近5年来⼀共有2137个单位获得国家⾃然科学基⾦的资助，前5%的单位获得的资助⾦额占总⾦额的64.8%，总数量的62.9%；前20%的单位获得的资助⾦额占总⾦额的90.2%，总数量的88.1%。
2019年以来的5年间，国家⾃然科学基⾦项⽬热⻔资助单位：序号依托单位资助⾦额(万)资助项⽬1上海交通⼤学355,9186,444 2浙江⼤学308,6395,096 3中⼭⼤学256,2895,073 4北京⼤学307,1723,593 5复旦⼤学233,9694,074 6华中科技⼤学205,7443,709 7清华⼤学239,5522,866 8四川⼤学158,2082,955 9同济⼤学145,0292,715 10中南⼤学141,2392,705 11⼭东⼤学139,3012,666 12⻄安交通⼤学139,4442,649 13中国科学技术⼤学156,5722,106 14南京⼤学149,7832,220 15武汉⼤学132,5052,287 16哈尔滨⼯业⼤学115,1111,929 17天津⼤学111,3621,707 18厦⻔⼤学116,7751,590 19南⽅医科⼤学89,2421,931 20东南⼤学96,9971,67221北京理⼯⼤学96,7161,632 22吉林⼤学92,7611,627 23北京航空航天⼤学97,5541,514 24郑州⼤学75,8071,834 25⾸都医科⼤学82,4981,681 26⻄北⼯业⼤学84,3311,520 27⼤连理⼯⼤学88,0741,435 28苏州⼤学79,5741,538 29深圳⼤学74,4711,602 30南京医科⼤学67,9071,474 31南开⼤学77,5891,257 32重庆⼤学73,1261,330 33中国农业⼤学78,8251,203 34华南理⼯⼤学73,0181,311 35南昌⼤学58,8731,539 36暨南⼤学62,2811,338 37南⽅科技⼤学66,5121,171 38电⼦科技⼤学69,4071,091 39湖南⼤学64,4421,173 40北京师范⼤学62,2871,003 41中国地质⼤学（武汉）59,1101,048 42华中农业⼤学60,134991 43华东师范⼤学56,486939 44北京科技⼤学56,789913 45中国海洋⼤学55,731859 46南京农业⼤学52,03492347兰州⼤学53,930887 48南京航空航天⼤学51,651907 49⻄安电⼦科技⼤学50,951888 50东北⼤学51,673839 51⻄南交通⼤学48,395871 52中国⼈⺠解放军第三军医⼤学49,136844 53中国⼈⺠解放军第四军医⼤学45,689903 54⻄北农林科技⼤学44,871916 55上海⼤学45,000833 56华东理⼯⼤学50,530720 57南京理⼯⼤学43,056855 58中国矿业⼤学43,759836 59中国⼈⺠解放军国防科技⼤学41,247875 60⼴东⼯业⼤学43,379781 61北京⼯业⼤学42,277791 62扬州⼤学37,401875 63合肥⼯业⼤学39,991770 64天津医科⼤学38,693763 65⼴州医科⼤学34,203839 66浙江⼯业⼤学38,011756 67海南⼤学32,868842 68江苏⼤学35,366793 69河海⼤学37,615743 70⻄北⼤学37,848728 71昆明理⼯⼤学33,370807 72中国⼈⺠解放军第⼆军医⼤学36,94973773武汉理⼯⼤学38,079704 74江南⼤学34,062747 75华南农业⼤学38,203654 76⻄南⼤学34,012732 77中国科学院深圳先进技术研究院37,358657 78重庆医科⼤学32,512743 79北京交通⼤学37,237634 80南京信息⼯程⼤学36,118651 81贵州⼤学27,775792 82上海中医药⼤学31,153709 83北京化⼯⼤学38,236574 84云南⼤学30,574708 85南京⼯业⼤学33,295651 86⼴州⼤学31,752675 87⼴⻄⼤学28,261679 88⻘岛⼤学27,301695 89太原理⼯⼤学30,193626 90中国⽯油⼤学（华东）33,473552 91哈尔滨医科⼤学30,003604 92华南师范⼤学29,246596 93中国科学院⼤连化学物理研究所35,363480 94北京邮电⼤学33,073521 95南京中医药⼤学27,871616 96中国医科⼤学27,971612 97中国地质⼤学（北京）33,131506 98福州⼤学29,38957599宁波⼤学27,599592 100安徽医科⼤学25,608588 101中国⼈⺠解放军总医院27,726545 102哈尔滨⼯程⼤学27,986514 103南京师范⼤学26,581539 104安徽⼤学25,344562 105河南⼤学25,366541 106中国药科⼤学26,159516 107⼴州中医药⼤学23,519535 108⻓安⼤学25,313501 109中国科学院地理科学与资源研究所29,266423 110陕⻄师范⼤学23,975503 111温州医科⼤学23,189514 112河北⼯业⼤学23,631488 113中国科学院⾼能物理研究所29,737349 114中国科学院物理研究所30,985319 115中国科学院⽣态环境研究中⼼26,302402 116南京邮电⼤学21,328493 117中国⽯油⼤学（北京）25,058420 118北京中医药⼤学21,947470 119⼭⻄⼤学25,199405 120中国⼈⺠⼤学22,580448※统计了历年集中公布的国家⾃然科学基⾦项⽬END。
配电网网格化规划中空间负荷预测方法研究
㊀第53卷第1期郑州大学学报(理学版)Vol.53No.1㊀2021年3月J.Zhengzhou Univ.(Nat.Sci.Ed.)Mar.2021收稿日期:2020-01-17基金项目:国家自然科学基金项目(51507155)㊂作者简介:蒋建东(1975 ),男,教授,主要从事电能质量研究,E-mail:jdjiang@;通信作者:李瑞杰(1995 ),男,硕士研究生,主要从事负荷预测研究,E-mail:769096589@㊂配电网网格化规划中空间负荷预测方法研究蒋建东,㊀李瑞杰(郑州大学电气工程学院㊀河南郑州450001)摘要:根据配电网网格化规划的要求,在电网规划供电单元㊁供电网格㊁供电区域划分的基础上,自下而上给出了3个层级的空间负荷预测方法㊂在供电单元层级,针对负荷密度法过程中负荷密度指标的选取,提出用S 型曲线模型来确定过渡年负荷密度指标的方法,并给出了供电单元内同时率的计算方法,以此来确定供电单元负荷;对于供电网格层级,考虑供电单元间的同时率,给出了供电网格的负荷预测方法;由于供电网格为面积较大的综合型区域,它们之间的同时率接近于1,因此供电区域负荷为供电网格负荷直接相加㊂各个层级的负荷预测方法较传统的总量负荷预测更为精细化,为网格化规划中的高中压电网规划奠定了基础㊂关键词:网格化规划;空间负荷预测;负荷密度法;负荷密度指标;同时率中图分类号:TM715㊀㊀㊀㊀㊀文献标志码:A㊀㊀㊀㊀㊀文章编号:1671-6841(2021)01-0120-07DOI :10.13705/j.issn.1671-6841.20200230㊀引言电力负荷预测是电网规划的基础,传统电网规划是以整个规划区域为对象,对总负荷进行预测㊂传统负荷预测方法有增长曲线法㊁回归分析法和时间序列法[1]㊂目前模糊预测法㊁神经网络法[2]也应用于负荷预测之中,称之为现代负荷预测方法㊂随着对电力系统的管理日益精细化,对于负荷预测也不仅仅局限于精准的总量负荷预测,还要求给出更为精细的负荷空间分布[3]㊂配电网网格化规划的提出,使得负荷预测过程由原来的整体区域负荷预测变为对供电单元㊁供电网格㊁供电区域3个层级自下而上依次展开空间负荷预测㊂在配电网网格化规划中,空间负荷预测的精确性与参数的选取直接相关,如负荷密度指标的选取㊁供电单元内同时率的选取以及供电单元间同时率的考虑㊂文献[4]基于网格化规划对上饶市经济开发区进行了电力需求预测,供电单元内根据历史负荷进行回归分析来预测近期负荷,饱和年负荷采用负荷密度法进行预测,规划年同时率根据现状值进行选取,由于供电单元是人为划分的区域,其负荷数据需根据配变信息进行统计,因而统计各个单元的历史负荷数据工作量较大㊂文献[5]基于灰色关联和BP 神经网络定量分析了电力㊁经济㊁需求侧管理及气候等因素对同时率的影响,并预测规划年同时率,其预测结果是以电力㊁经济等影响因素的预测为基础的㊂文献[6]参考国内典型用户的饱和负荷密度指标及其发展规律曲线来确定规划区域内负荷密度指标的选取,未考虑规划区域独有的负荷发展特性㊂本文提出用统一的S 型曲线模型确定各个供电单元过渡年负荷密度指标的方法,既能反映区域内的负荷发展特性,又降低了基础数据统计工作量㊂同时,给出了供电单元内同时率的日负荷特性曲线叠加方法,以及供电单元间同时率的计算公式,为负荷预测过程中同时率的选取提供一个较为方便有效的方法㊂1㊀网格化规划空间负荷预测传统配电网规划建设模式是以变电站为中心㊁中压线路向四周延伸㊂这种辐射式的网架结构会导致:高压变电站供电范围不清晰㊁容载比分布不均匀;中压线路迂回㊁交叉供电;低压线路错乱,线损较高[7]㊂配电网网格化规划是指将配电网供电区域划分为若干供电网格,并进一步细化为供电单元,形成 供电区域㊁供㊀第1期蒋建东,等:配电网网格化规划中空间负荷预测方法研究电网格㊁供电单元 三级网络[8],自下而上分层分级开展配电网规划,提升了配网规划的精细度,便于运行管理㊂网格化规划中三级网络关系图如图1所示㊂供电区域依据地区行政级别或规划水平年的负荷密度,参考经济发达程度㊁用户重要性㊁用电水平㊁GDP等因素,可划分为A+㊁A㊁B㊁C㊁D5类[9]㊂供电网格是在供电区域划分的基础上,与城乡控制性详细规划等市政规划及行政区域划分相衔接,综合考虑配网运维抢修㊁营销服务等因素,进一步划分而成的若干相对独立的网格㊂供电单元是指在供电网格基础上,综合考虑用地属性㊁负荷密度㊁供电特性等因素划分的若干相对独立的单元㊂配电网网格化规划中空间负荷预测是对供电单元㊁供电网格㊁供电区域3个层级自下而上依次开展负荷预测,对于已完成城乡规划和土地利用规划的区域,由于其用地性质㊁规模和空间分布已明确,可采用负荷密度法进行负荷预测[10],其负荷预测流程如图2所示,先通过地块面积㊁负荷密度指标㊁容积率以及供电单元内同时率参数计算供电单元负荷,用以指导中压线路配出;再利用供电单元负荷预测结果,并考虑供电单元间同时率,得到供电网格的负荷,可指导高压变电站的容量及布点规划,以及中压整体网架结构规划;最后由供电网格负荷预测结果汇总得到供电区域的负荷水平,由于供电网格为面积较大的综合型区域,它们之间的同时率非常接近1,累加时一般不再考虑同时率㊂图1㊀网格化三级网络关系Figure1㊀Three-level network in gridplanning图2㊀网格化空间负荷预测流程Figure2㊀Grid spatial load forecasting process2㊀供电单元的负荷预测方法研究对于供电单元来说,负荷由各个地块面积㊁负荷密度指标㊁容积率的乘积和以及同时率得到,其中容积率可参考城市控制性详细规划中的地块控制强度指标,供电单元的负荷预测关键问题是如何确定负荷密度指标,特别是过渡年负荷密度指标选取方法以及供电单元内同时率的选取方法㊂2.1㊀负荷密度指标的选取负荷密度指标分为饱和年负荷密度指标和过渡年负荷密度指标㊂对于同一区域来说,由于其政治㊁经济等外部环境因素相近,可认为同一用地性质的饱和年负荷密度指标是相似的[11],因此同一区域不同供电单元,虽然其现状负荷水平不同,但其饱和年负荷密度指标可进行统一选取㊂饱和年负荷密度指标一般可通过用户调研得到,如调研地区内某发展较为成熟的商场负荷及其面积等信息,将计算出的负荷密度指标作为该地区饱和年商业用地负荷密度指标㊂除用户调研外,饱和年负荷密度指标的选取也可参考其他发展成熟地区的负荷密度值,或参考一些设计规范资料中的负荷密度指标推荐值㊂对于负荷密度法预测过渡年负荷,其关键在于确定其过渡年负荷密度指标㊂由于空间的限制,地块负荷密度不可能无限增长,往往经过一段时间快速增长后,速度逐渐放慢,最后趋向饱和[12],其S型曲线发展趋势如图3所示㊂S型曲线通常采用逻辑斯蒂模型进行拟合,其常微分方程为d y/d t=ry(k-y)/k,式中:y为因变量;t为时间;r为增长潜力指数;k为饱和值㊂S型曲线常微分方程的通解为y t=k/(1+e(-rt+c))㊂除负荷密度饱和值外,负荷密度的发展趋势也与政治㊁经济等外部环境因素相关,因此对于同一区域内各个供电单元来说,虽然负荷发展水平不同,负荷空间分布不均匀,但同一种用地性质的负荷密度S型曲线121郑州大学学报(理学版)第53卷图3㊀地块负荷密度发展趋势Figure 3㊀Development trend of land load density是相同的,不同的是各个供电单元现状年在S 型曲线上所处的位置㊂在饱和年负荷密度指标确定的情况下,k 为已知量㊂为了确定过渡年负荷密度指标,需确定S 型曲线模型中参数r ,以及现状负荷密度指标在曲线上所处的位置㊂由于参数c 仅影响S 型曲线的左右平移,不影响曲线形状,因此可令c =0,S 型曲线方程变为y t =k /(1+e-rt)㊂(1)利用y t =k /(1+e -rt )和y t +1=k /(1+e -r (t +1)),消除参数t ,可得到(y t +1-y t )/y t =(1-e r )/ky t +1+e r -1㊂令s t +1=(y t +1-y t )/y t ,b =(1-e r )/k ,则s t +1=by t +1-kb ㊂通过历史统计数据和最小二乘法可得b ^=(sy -k s )/(y 2-2k y +k 2)㊂进而可以解出式(1)中r 值为r ^=ln(1-kb ^)㊂通过以上计算过程,确定了S 型曲线方程式(1)中的所有参数㊂将现状负荷密度指标y t 代入式(1)中,可得现状时间参数t (参数t 与现状年份无关,可能为负),则过渡年负荷密度指标为y t +1,y t +2,y t +32.2㊀供电单元内同时率的选取在将各类或各分区的负荷相加时,需要考虑同时率的问题㊂同时率指整个电网最大负荷与各用户最大负荷之和的比值[13]㊂其大小与区域社会经济发展㊁季节温度变化以及负荷结构等因素相关[14]㊂在实际规划中,同时率一般通过典型日负荷特性曲线叠加获得,或是根据经验估计同时率的大小,一般来讲,用电负荷性质越接近同时率越高;反之,若负荷性质差异较大,则同时率就越小㊂供电单元的叠加典型日负荷特性曲线求取同时率的步骤如下:1)根据城市规划,统计汇总区域内各个用地性质用地的面积,合理选取负荷密度指标,计算得出此区域内各个用地性质用地的负荷预测值;2)采集典型日不同用地性质的整点负荷,绘制不同用地性质用地的日负荷曲线(标幺值);3)将各类用地性质的日负荷曲线乘以各自用地性质用地的负荷预测值后,予以叠加,其曲线最大值与各类用地性质用地的负荷预测值之和的比值,即为此区域的同时率㊂3㊀基于单元负荷的供电网格负荷预测供电网格的负荷可通过网格内各个供电单元的负荷累加之和,并考虑供电单元间同时率得到,其关键问题为如何确定供电单元间同时率㊂通过对单元内同时率的计算方法分析可知,供电单元内同时率是单元曲线叠加最大负荷与单元各用地负荷直接相加之和的比值㊂类似地,供电单元间同时率可通过供电网格曲线叠加最大负荷与各个单元最大负荷之和来进行计算㊂假设某供电网格A 内包含n 个供电单元A 1,A 2, ,An ,则n 个供电单元间的同时率为t =(P A ㊃t A )/(ðnPᶄAn )=(ðnP An ㊃t A )/(ðn(P An ㊃t An )),(2)式中:P A 为不考虑供电单元层级同时率情况下,网格A 的负荷(即区域内各个用地性质用地的负荷预测结果之和);P An 为在不考虑单元内同时率情况下,供电单元An 的负荷;PᶄAn 为供电单元An 在考虑单元内同时率后的负荷;t A 为不考虑供电单元层情况下,网格A 的同时率(可用日负荷特性曲线进行叠加);t An 则为供电单元An 的同时率㊂在以往网格化规划负荷预测过程中,单元间同时率并没有一个明确的选取方法,只有一个大概的选取范围,即0.95~1㊂式(2)则给出了具体的单元间同时率选取方法,可以在今后的网格化规划负荷预测过程中指导供电单元间同时率的取值㊂由于供电网格为面积较大的综合型区域,之间同时率接近于1,因此供电区域的负荷计算方法为供电网格负荷直接累加,不再考虑供电网格间同时率㊂4㊀算例分析某地区中心网格包含三个供电单元,分别为中心1㊁中心2和中心3,其单元网格划分及规划土地性质如221㊀第1期蒋建东,等:配电网网格化规划中空间负荷预测方法研究图4㊀中心网格单元划分Figure 4㊀The unit division of central grid图4所示㊂调研该地区发展较为成熟的各类用户,将其负荷密度值作为该地区饱和年负荷密度指标选取值,其结果分别为:居住用地23W /m 2㊁商业设施用地47W /m 2㊁行政办公用地39W /m 2㊁文化设施用地43W /m 2㊁教育用地18W /m 2㊂此网格三个单元的各个用地性质㊁用地面积㊁容积率选取值以及饱和年各个用地性质负荷计算如表1所示,其中容积率取值参考该地区控制性详细规划中控制强度指标,饱和年负荷为用地面积㊁容积率及对应负荷密度指标的乘积㊂表1㊀中心网格供电单元用地及负荷情况Table 1㊀Land and load of power supply unit in central grid区域用地性质用地面积/km 2容积率饱和负荷/MW 中心1居住用地0.491 1.719.19商业设施用地0.162 1.612.20行政办公用地0.010 1.60.64文化设施用地0.085 1.3 4.77教育用地0.083 1.2 1.79中心2居住用地0.403 1.715.75商业设施用地0.214 1.515.07教育用地0.017 1.20.37中心3居住用地 1.206 1.849.94商业设施用地0.221 1.414.51行政办公用地0.038 1.6 2.36教育用地0.0781.21.68由表1可以得出,不考虑同时率情况下,中心1㊁中心2㊁中心3三个单元饱和年负荷分别为38.6MW㊁31.19MW㊁68.48MW,中心网格的负荷为138.28MW㊂调研该地区内各个用地性质典型用户的典型日负荷特性,绘制日负荷特性曲线(标幺值),以各用地性质负荷作为权重进行曲线叠加,其曲线最高点负荷与单元累加负荷的比值为单元内同时率,则中心网格三个供电单元的饱和年同时率分别为0.89352㊁0.96370㊁0.97804,考虑同时率后,中心网格三个供电单元的饱和年负荷分别为34.49MW㊁30.06MW㊁66.98MW㊂调研该地区内各个用地性质典型用户的负荷密度历史情况,计算负荷密度S 型发展曲线模型中两个参数k 和r ,k 为各类用地性质的饱和年负荷密度指标,各类用地性质的参数r 分别为居住用地0.1718㊁商业设施用地0.1757㊁行政办公用地0.1602㊁文化设施用地0.1581㊁教育用地0.1193㊂根据各个供电单元内典型用户2018年负荷密度数据,确定其在负荷密度S 型曲线上的位置,进而可以计算得到规划年的负荷密度指标值㊂3个供电单元的过渡年负荷密度指标计算值如表2所示㊂表2㊀中心网格供电单元过渡年负荷密度指标Table 2㊀Transitional annual load density index of power supply unit in central grid单位:W ㊃m -2区域用地性质2019年负荷密度2020年负荷密度2021年负荷密度中心1居住用地19.2719.7820.22商业设施用地41.4242.2342.93行政办公用地30.5131.5332.45文化设施用地34.7135.7236.62教育用地12.3712.8213.25中心2居住用地18.1918.8119.37商业设施用地39.1240.2141.16教育用地11.7012.1812.64中心3居住用地19.7120.1720.57商业设施用地37.5938.8439.96行政办公用地30.0531.1132.07教育用地12.5613.0013.42㊀㊀根据过渡年各指标选取结果,可计算过渡年各个单元的同时率以及负荷情况,结果如表3所示㊂在计算出各个单元的负荷及同时率的情况下,2019 2021年以及饱和年供电单元间的同时率可通过式(2)进行计算,结果分别为0.99950㊁0.99941㊁0.99931㊁0.99809,进而可计算得到中心网格的负荷,其结果321郑州大学学报(理学版)第53卷㊀㊀表3㊀中心网格供电单元过渡年负荷Table3㊀Transitional annual load in central grid区域年份同时率负荷/MW中心1单元20190.8925528.9420200.8925829.6620210.8926230.29中心2单元20190.9632224.3120200.9633125.0720210.9634025.75中心3单元20190.9797356.2220200.9795857.6720210.9794358.95分别为109.42MW㊁112.34MW㊁114.91MW㊁131.28MW㊂通过统计2019年中心网格内配变信息,可计算得到各个单元的负荷及同时率情况,可将此实际数据与表3中理论计算结果进行比较,验证理论计算方法的准确性与可靠性,中心网格及三个供电单元的配变信息统计结果如表4所示,2019年中心1㊁中心2㊁中心3三个供电单元间的同时率可用网格最大负荷与单元最大负荷之和进行计算,其值为0.99652㊂中心网格及三个单元2019年实际值与理论计算结果对比如表5所示㊂负荷与同时率的误差分别不超过5%㊁1%,证明了理论计算方法的准确性㊂表4㊀中心网格配变信息统计Table4㊀Distribution statistics of central grid网格最大负荷/kW配变最大负荷之和/kW同时率中心网格110984.05117180.960.94712中心1单元57429.0658923.830.97463中心2单元29898.3333171.290.90133中心3单元24044.0325085.840.95847表5㊀中心网格实际值与理论计算结果对比Table5㊀Comparison between the actual value of central grid and the theoretical calculation result区域网格负荷同时率实际值/MW理论结果/MW误差/%实际值理论结果误差/%中心网格110.98109.42 1.41中心1单元29.9028.94 3.220.901330.892550.97中心2单元24.0424.31 1.130.958470.963220.50中心3单元57.4356.22 2.100.974630.979730.52三个单元间 0.996520.999500.305㊀结论本文根据网格化规划的要求,自下而上给出了供电单元㊁供电网格㊁供电区域的负荷预测方法㊂供电单元层提出了S型曲线确定过渡年负荷密度指标,以及日负荷特性曲线叠加确定供电单元内同时率的方法;供电网格层重点研究了单元间同时率的计算方法,最后进行了算例分析,验证了方法的准确性,对网格化规划中的高中压电网规划奠定坚实基础㊂421521㊀第1期蒋建东,等:配电网网格化规划中空间负荷预测方法研究参考文献:[1]㊀陈志强.自然区域电网负荷预测及规划的研究[D].保定:华北电力大学(河北),2009.CHEN Z Q.Research on power load forecasting and transmission network planning of natural areas[D].Baoding:North China Electric Power University,2009.[2]㊀邵恒,冯兴乐,包芬.基于深度学习的文本相似度计算[J].郑州大学学报(理学版),2020,52(1):66-71,78.SHAO H,FENG X L,BAO F.Text similarity computation based on deep-learning[J].Journal of Zhengzhou university(natural science edition),2020,52(1):66-71,78.[3]㊀肖白,周潮,穆钢.空间电力负荷预测方法综述与展望[J].中国电机工程学报,2013,33(25):78-92,14.XIAO B,ZHOU C,MU G.Review and prospect of the spatial load forecasting methods[J].Proceedings of the CSEE,2013, 33(25):78-92,14.[4]㊀华蕾.基于网格化规划的上饶市经济技术开发区电力需求预测[D].北京:华北电力大学,2018.HUA L.Forecast of power demand in Shangrao economic and technological development zone based on grid planning[D].Bei-jing:North China Electric Power University,2018.[5]㊀田怀源,张峰,王新库,等.基于灰色关联度和BP神经网络的最大负荷同时率预测方法研究[J].山东电力技术,2017,44(4):11-15,21.TIAN H Y,ZHANG F,WANG X K,et al.Prediction method research on maximum load coincidence factor based on gray rela-tional and BP neural network[J].Shandong electric power,2017,44(4):11-15,21.[6]㊀杨慢慢,王金凤,李燕青,等.改进的空间负荷预测法及其应用[J].电力科学与工程,2011,27(11):35-38.YANG M M,WANG J F,LI Y Q,et al.The improved spatial load forecasting and its application[J].Electric power science and engineering,2011,27(11):35-38.[7]㊀吴怀波,程金松,陶军,等.城区配电网三级网格化规划及网格划分研究[J].国网技术学院学报,2018,21(1):1-4.WU H B,CHENG J S,TAO J,et al.Study on three-level grid planning and grid Division of urban power distribution[J].Journal of state grid technology college,2018,21(1):1-4.[8]㊀刘旭,贺子尧.利用网格化规划配电网建设[J].农村电气化,2019(8):79.LIU X,HE Z Y.Planning power distribution networks construction making use of gridding[J].Rural electrification,2019(8):79.[9]㊀国家电网.配电网规划设计技术导则:Q/GDW1738-2012[S].北京:中国电力出版社,2012:3-4.STATE GRID.The guide of planning and design of distribution network:Q/GDW1738-2012[S].Beijing:China Electric Power Press,2012:3-4.[10]黄庆键,欧周,林佳亮.关于空间电力负荷预测方法综述与展望[J].自动化应用,2017(2):79-81.HUANG Q J,OU Z,LIN J L.Review and prospect of spatial power load forecasting methods[J].Automation application, 2017(2):79-81.[11]肖白,杨欣桐,田莉,等.计及元胞发展程度的空间负荷预测方法[J].电力系统自动化,2018,42(1):61-67.XIAO B,YANG X T,TIAN L,et al.Spatial load forecasting method based on development degree of cell[J].Automation of e-lectric power systems,2018,42(1):61-67.[12]张明理,宋卓然,梁毅,等.基于饱和负荷密度的城市远景空间负荷预测[J].沈阳工业大学学报,2018,40(1):12-18.ZHANG M L,SONG Z R,LIANG Y,et al.Forecasting for urban prospective spatial load based on saturated load density[J].Journal of Shenyang university of technology,2018,40(1):12-18.[13]中国城市规划设计研究院.城市电力规划规范:GB/T50293-2014[S].北京:中国建筑工业出版社,2014:32-33.China academy of urban planning and design.Code for planning of urban electric power:GB/T50293-2014[S].Beijing: China Architecture and Building Press,2014:32-33.[14]张静,王主丁,张代红,等.配电网规划中负荷预测实际问题探讨[J].华东电力,2014,42(2):384-390.ZHANG J,WANG Z D,ZHANG D H,et al.Actual load forecasting problems in distribution network planning[J].East China electric power,2014,42(2):384-390.621郑州大学学报(理学版)第53卷Research on Spatial Load Forecasting Method in DistributionNetwork Grid PlanningJIANG Jiandong,LI Ruijie(School of Electrical Engineering,Zhengzhou University,Zhengzhou450001,China) Abstract:According to the grid planning requirements of the distribution network,the load forecasting methods in the power supply unit,the power supply grid and the power supply area were presented.At the level of power supply unit,aiming at the selection of the transition year load density index in the process of the load density method,an S-curve model was proposed,and the calculation method of the load simultaneity factor in the power supply unit was given to determine power supply unit load.At the power supply grid level,considering the load simultaneity factor between power supply units,a load fore-casting method for the power supply grid was given.Since the power supply grid was a comprehensive ar-ea in a large area,and the load simultaneity factor among them was close to1,the load of the power grid could be directly added to get the power supply grid load.The load forecasting method at each level was more refined than the traditional total load forecasting method,which laid a solid foundation for the grid planning of high and middle voltage networks.Key words:grid planning;spatial load forecasting;load density method;load density index;load sim-ultaneity factor(责任编辑:方惠敏㊀孔㊀薇)(上接第79页)Improved Artificial Bee Colony Algorithm for UAV Path PlanningLIU Kun1,FENG Shuo2(1.School of Science,Changᶄan University,Xiᶄan710061,China;2.School of EngineeringMachinery,Changᶄan University,Xiᶄan710061,China)Abstract:Aiming at the problem of UAV path planning,an improved artificial bee algorithm was pro-posed.On the one hand,in the employed bees stage,two different search formulas were used to obtain two sets of solutions,which increased the diversity of solutions.At the same time,dual cognitive capabil-ities and weight factor were added to balance the exploration and exploitationability of the algorithm.On the other hand,in the scout bees stage,the Tabu search strategy was adopted to store the local optimal solution in the Tabu table,which helped the algorithm to jump out of the local optimal.The effectiveness of this algorithm was verified through5benchmark function tests.At the same time,the algorithm was applied to the simulation of the path planning under different threat areas.The experimental results showed that the path solved by the algorithm had shorter distance,smoother path.Good advantages such as avoiding threats could speed up the convergence speed of the path solution,and improve the efficiency and stability of path planning.Key words:UAV;path planning;artificial bee colony algorithm;local search;weight factor;Tabu search strategy(责任编辑:王浩毅㊀方惠敏)。
郑大概况
郑州大学由原郑州大学、郑州工业大学、河南医科大学于2000年7月10日合并组建而成，是 一所涵盖理学、工学、医学、文学、历史学、哲学、法学、经济学、管理学、教育学、农学、 艺术学12大学科门类的综合性大学，是河南省唯一的国家“211工程”重点建设高校，是河南 省人民政府与国家教育部共建高校。
原郑州大学创建于1956年，是新中国成立后国家创办 的第一所综合性大学。
中文名： 外文名： 简称： 校训： 郑州大学 所属地区： Zhengzhou University 主要院系： 郑大 明时风，达治体，文而不弱，武而不 国 家 重 点 学 暴，蹈厉奋进，竭忠尽智。
科： 创办时间： 类别： 学校类型： 主管部门： 学校属性： 知名校友： 1956年 硕士点： 公立大学 博士点： 综合 院士： 河南省教育厅 博 士 后 流 动 211工程 站： 张宏江，刘啸东，刘光源等 合并院校： 目标定位： 新校区地址： 中国郑州 机械工程学院、 材料科学与工程学院、 文学院、法学院、医学院等 6 个 298 个 138 个 5 人 23个 郑州工业大学、河南医科大学 国内外知名的高水平大学 郑州市科学大道100号郑州大学是由原郑州大学、郑州工业大学、河南医科大学于 2000 年 7 月 10 日合并组建而 成高标准建设的郑大新区。
2010 年 7 月 10 日，郑州大学迎来合校 10 周年庆典，中共中央政治局常委、国务院副总 理李克强作出重要批示，要求郑州大学在新的历史起点上继往开来，开拓创新，为建设成 为全国一流、国际知名的研究型高水平大学而不懈努力奋斗。
2012 年，经教育部批准，郑 州大学开始自主选拔录取招生工作。
郑州大学办学资源充足，校本部包括新校区、南 校区、工学院、医学院 4 个校区，总占地面积 6493 亩，其中坐落在郑州高新技术开发区的 新校区占地面积 4845 亩，计划建设总投资 19.7 亿元，总规划建筑面积 165 万平方米。
基于深度强化学习的文本相似语义计算模型
㊀第52卷第3期郑州大学学报(理学版)Vol.52No.3㊀2020年9月J.Zhengzhou Univ.(Nat.Sci.Ed.)Sep.2020收稿日期:2020-02-17基金项目:国家自然科学基金项目(71303215);浙江省科技计划项目(2020C03091,2017C31110)㊂作者简介:陈观林(1978 ),男,浙江台州人,教授,主要从事大数据及人工智能研究,E-mail:chenguanlin @;通信作者:周梁(1982 ),男,浙江杭州人,高级工程师,主要从事大数据研究,E-mail:zl@㊂基于深度强化学习的文本相似语义计算模型陈观林1,2,㊀侍晓龙1,2,㊀周㊀梁3,㊀翁文勇1(1.浙大城市学院计算机与计算科学学院㊀浙江杭州310015;2.浙江大学计算机学院㊀浙江杭州310027;3.杭州市大数据管理服务中心㊀浙江杭州310020)摘要:语义相似计算是自然语言处理领域一个常见问题,现有的基于深度学习的语义相似计算模型大多数是通过卷积网络或者长短时记忆模型来提取语义特征,但是这种语义特征的提取方式存在语义信息丢失的问题㊂提出两点改进传统深度学习模型在提取语义特征时的语义丢失现象㊂首先是改进注意力相互加权模型㊂基于相互加权方式做出改进,使用多个加权权重矩阵加权语义,同时提出新的正则项计算方法㊂其次在语义相似计算模型中引入强化学习的方法对文本进行自动分组处理,在语义相似计算领域最常用的Siamese Network 模型上使用强化学习算法,改善长短时记忆模型在提取句子的语义时所面临的语义丢失现象㊂通过实验验证,改进的方法处理中文句子有不错的效果㊂关键词:深度学习;语义相似计算;强化学习中图分类号:TP319㊀㊀㊀㊀㊀文献标志码:A㊀㊀㊀㊀㊀文章编号:1671-6841(2020)03-0001-08DOI :10.13705/j.issn.1671-6841.20200380㊀引言语义相似计算是机器进行语义理解的一种手段[1-2],通过相似类比从而让机器能间接地理解问题㊂语义相似计算应用十分广泛,比如百度问答系统㊁新闻推荐领域等㊂相比于传统的基于统计的语义相似计算模型,基于机器学习和深度学习的语义相似计算模型能更加细致地表达句子的语义特征和结构特征,比如词向量[3]㊁长短时记忆网络(long short-term memory,LSTM)模型[4]㊂这些语义特征模型存在一些深度学习模型的通病,比如长短时记忆模型虽然是专门用来处理时序模型的,这种模型可以较好地表达句子的结构信息,但是它在处理长句子过程中会因为反向传播算法而带来梯度消失问题,从而丧失很多语义信息,尤其是句子靠前部分的词语信息,因为梯度很难传到靠近前面词语的位置㊂深度学习的快速发展促进了词义㊁语义理解方面很大的进展,比如Word2vec [5]㊁LSTM 等对语义特征提取有很好的表达方式㊂词向量模型的出现很好解决了词义级别上的表达,通过收集大量语料库可以很好训练出词与词之间的关系表达,词义关系通常体现在其词向量的空间距离上的关系㊂LSTM 模型主要是循环神经网络的改进模型,用来解决具有时序相关性的问题㊂通过使用LSTM 模型提取句子语义信息,可以很好地表达句子结构上的信息,然后映射到固定向量特征中,通过计算向量的距离来表示相似程度,这是比较主流的处理方式㊂卷积神经网络(convolutional neural networks,CNN)在图像处理领域取得了巨大成功,很多研究人员把CNN 当作语义特征抽取的一种方式,将句子的词向量拼接成句子矩阵,使用CNN 网络卷积转化为语义矩阵,通过池化等方法从语义矩阵抽象出语义向量,计算向量的余弦距离或者欧氏距离等㊂注意力模型对图像和自然语言处理的深度学习模型有重要的影响,注意力模型可以用于LSTM 等模型当中,缓解模型的语义丢失现象㊂深度学习的语义计算模型一般是基于Siamese [6]模型,Siamese 网络本质上也是解决降维问题,将句子的2郑州大学学报(理学版)第52卷语义映射到一个低维的向量空间㊂LSTM Siamese Network网络[7]是Siamese网络的一个实例框架,以单个字符作为输入单元,用LSTM网络来代替Siamese网络的函数,通过LSTM来提取特征得到一个固定长度向量,然后通过全连接层后抽取两个样本的最终特征作为计算距离的向量,采用余弦距离表示语义相似程度㊂Si-amese LSTM模型[8]最大的亮点是使用了曼哈顿距离来衡量句子语义相似程度㊂最近在斯坦福数据集中表现较好的是DRCN[9]模型,该模型将前层的特征拼接到下一层,从而可以长时间保留前层的信息㊂Information distilled LSTM(ID-LSTM)[10]模型将强化学习算法和LSTM结合用于文本分类任务,通过训练一个蒸馏网络将句子中非重要词蒸馏出去㊂为了判断蒸馏网络模型好坏,引入强化学习的策略梯度算法, LSTM抽取后的语义特征输入到分类网络当中进行文本分类,并且使用分类网络输出的结果作为回报值来更新蒸馏网络模型㊂本文基于Siamese Network模型,加入强化学习的方法,通过一系列句子词语蒸馏的方法,将句子中不重要的词语蒸馏出去,从而可以改善LSTM进行语义提取过程中对重要的词语学习不到的问题,实验结果表明该方法对中文句子有不错的效果㊂1㊀DDPG算法深度确定性策略梯度算法(deep deterministic policy gradient,DDPG)[11]是一种强化学习算法,使用策略梯度方法[12-13]来更新神经网络的参数㊂DDPG算法有策略网络Actor和估值网络Critic两个部分组成:Actor 是动作执行者,输入的是环境特征,输出的是动作;Critic输入的是环境特征以及策略网络输出的动作,而输出的是评判该Actor最终能获得总回报值的期望㊂同时为了解决策略更新过程中神经网络收敛不稳定情况,DDPG算法在更新梯度的时候使用了软更新的策略,在训练过程中定义在线网络和目标网络,并不是直接将在线网络复制给目标,而是以微小的更新量更新给目标网络,这样可以使训练过程更加稳定㊂DDPG网络算法步骤如下㊂1)初始化Actor和Critic的在线网络和目标网络㊂2)将在线网络参数拷贝给目标网络㊂3)循环以下步骤:①在线的Actor会根据传入的环境s t执行动作a t;②执行动作以后获得一个回报值r t,并且更新新的状态s t+1;③将这个过程中的s t㊁a t㊁r t㊁s t+1存储到一个缓冲区中;④互动多个过程后,从缓冲区采样然后训练Critic网络,采用传统Back Propagation的更新方式;⑤采用策略更新的方式更新Actor;⑥采用软更新的方式将在线的参数更新到目标网络当中㊂2㊀算法设计2.1㊀模型总体结构本文将强化学习算法和Siamese LSTM模型进行融合,训练出具有一定自动蒸馏句子能力的语义相似计算模型,模型的整体结构如图1所示㊂模型的整体结构是一个强化学习的模型,类似于DDPG算法模型,有两个组成部分,最外围的策略网络是句子蒸馏网络模块,该网络使用多层深度神经网络模型,可以看成是一个Actor网络㊂内层的整体架构是一个Siamese LSTM模型,可以看成是一个Critic网络,Multi-LSTM使用了两层的LSTM模型叠加,并且在第二层LSTM模型的隐藏层输出加入Attention模型来加权语义,最终将提取的语义向量用曼哈顿距离来表示语义相似度㊂模型的训练模式也和DDPG算法相似,Actor网络部分和Critic网络部分分别训练,内部的环境模型通过反向传播算法(back propagatio,BP)[14]来更新,外部的策略网络根据环境的损失值使用策略梯度来更新㊂㊀第3期陈观林,等:基于深度强化学习的文本相似语义计算模型图1㊀模型整体结构Figure 1㊀The overall architecture of the model2.2㊀句子蒸馏网络模型句子蒸馏网络是由策略网络和Multi-LSTM 网络组成的结构,Multi-LSTM 是环境模型的一个组成部分,用于句子的语义抽取,是环境和Actor 交互的唯一接口㊂Policy Network 模型就是Actor 网络,模型的详细表述如图2所示㊂图2㊀句子蒸馏网络模型Figure 2㊀The network model of sentence distillation图2(a)是Multi-LSTM 模型,包含两层的LSTM 网络,图2(b)是Policy Network 模型,是一个两层的神经网络模型,其中{w 1,w 2, ,w t , ,w e }表示每个时刻输入句子的词向量,{S 1,S 2, ,S t , ,S e }表示每个时刻细胞的状态,初始时刻将LSTM 细胞初始化为0,{h 1,h 2, ,h t , ,h e }表示每个时刻LSTM 的隐藏层输出,{a 1,a 2,a t -1,a n }表示每个时刻Policy Network 的输出动作值,当词向量输入到LSTM 模型当中的时候,都会先将LSTM 细胞当前的状态和隐藏层的输出以及词向量合并成状态S t ,S t =S t -1 h t -1 w t ㊂将第一层LSTM 细胞当前状态和隐藏层输出以及词向量合并成状态S t 后,将状态传入句子蒸馏网络判断当前传入词是否应该被保留,如果判断保留就将词向量传入第一层LSTM 模型当中进行计算,如果判断不保留则跳过当前词㊂同时将采用两层的LSTM 模型来进行语义特征提取,通过句子蒸馏网络可以将一个长句子中的非关键词去掉,从而保留句子的核心词语,使得语义相似判断效果更好㊂2.3㊀协同注意力加权模型协同注意力是一种相互加权的机制,是一种软注意力的加权方式㊂LSTM 的第二层输出每个时刻的语义信息㊂将这些语义信息进行相互加权,其中两个多层的LSTM 模型的权重可以根据输入的文本类型来决定是否共享参数㊂模型的结构如图3所示㊂第二层的{H 1,H 2, ,H t , ,H e }输出状态传入加权模型当中进行加权㊂协同注意力模型的内部加权方式有很多种,比如可以直接将两个多层LSTM 模型的最高层生成的每个时刻语义矩阵直接进行相乘,然后经过Softmax 函数来生成权重信息,也可以用额外的语义矩阵进行加权,如图4所示的加权方式,其中H 1和H 2表示LSTM 的第二层隐藏层输出拼接成的语义矩阵,W s 是一个L ˑL 加权矩阵,H 1是一个L ˑn 形状的矩阵,H 2是一个L ˑm 形状的矩阵,进行矩阵操作运算:3郑州大学学报(理学版)第52卷W 1=softmax(sum(H T 1W s H 2)),W 2=softmax(sum(H T 1W s H 2)T )㊂图3㊀Co-Attention 加权模型Figure 3㊀The Co-Attention weightedmodel 图4㊀Co-attention 加权方式Figure 4㊀The Co-attention weighted method㊀㊀经过运算可以获得一个n ˑm 的权重矩阵,然后将每行的参数同样相加,并将每列的参数相加,经过Soft-max 函数进行归一化后,可以分别获得H 1语义矩阵和H 2语义矩阵的每个时刻分别对应的语义权重向量,最后将各自的权重向量和语义矩阵相乘可以获取最后句子的语义向量㊂单个的加权矩阵往往会加权语义矩阵中的某一个方面,我们为了获取语句更丰富的语义信息,使用多个加权矩阵来对LSTM 每个时刻输出的语义进行加权,生成多个权重向量㊂为了避免多个权重矩阵最终生成的权重矩阵相同从而失去丰富性,在最终的函数当中会定义一个正则项,正则项的推导如下㊂假设我们定义了n 个加权矩阵W s 1,W s 2, ,W sn ,用这n 个加权矩阵来对语义矩阵H 1和H 2进行语义加权,按照相互加权的矩阵运算公式W t =softmax(sum(H T 1W s H 2)),最终我们可以获得n 个权重矩阵W t 1,W t 2, ,W tn ,为了使得这n 个加权矩阵能够加权语义矩阵不同方面的语义特征,我们希望这n 个权重矩阵能够尽可能不相同,因此我们对这n 个权重矩阵进行加和求平均值,记作W t ,为了保证任意两个权重矩阵之间的距离尽可能大,从而引用降维线性判别分析算法(linear discriminant analysis,LDA)中的类间散度思想来对这个问题进行求解,将W t 看作是一个中心的权重矩阵,则我们的原问题可以化为任意一个权重矩阵距离中心权重矩阵的距离尽可能的大,因此可以定义正则项L =ðn i =1W ti -W t ,通过最大化这个正则项,也就是最小化倒数保证每个权重矩阵尽可能的不相同,从而可以保证每个权重矩阵都能够抽取不同层次的语义信息㊂2.4㊀损失函数设计首先采用曼哈顿距离来衡量两个语义向量之间的距离,公式为d =exp(- h a -h b ),d ɪ[0,1],其中4㊀第3期陈观林,等:基于深度强化学习的文本相似语义计算模型h a 和h b 表示最终的语义向量㊂同时本文将采用对比损失函数作为最终损失函数,对比损失函数的公式为l =12N ðN n =1yd 2+(1-y )max(margin -d ,0)2,其中:y 代表输入到模型的样本标签语义是否相似,取值为{0,1};margin 表示一个设置的阈值㊂对比损失函数可以很好表达成对样本的匹配程度,当样本标签为1时,也就是样本相似时候,对比损失函数只有加号前面的一项,当原本相似的样本在抽象成语义向量的空间距离比较大的时候,损失函数会变大㊂当样本标签为0时,对比损失函数只有加号的后面一项,当样本不相似,而抽象出来的距离很小则损失函数变大㊂2.5㊀模型训练设计算法整体的流程和DDPG 算法流程类似,有在线和目标网络两个部分,依据策略更新的方式更新网络㊂模型在训练过程中不容易收敛,会因为参数大小或者参数的递减策略设置不正确等原因使整个模型达不到理想的效果㊂为了使训练过程更加稳定,我们将使用高策略的更新方式来更新网络㊂高策略更新方式定义在线和目标两组网络,两组网络的结构完全相同,但是更新时间不同㊂在每个批量训练之前要将目标网络的参数赋值给在线网络,然后用在线网络作为训练网络来参与整体的训练,并且在一个批量当中进行每个样本的更新,当一个批量训练完毕后,要将在线网络当中的参数更新到目标网络上,更新方式使用的是软方式,即设置一个参数β,则最终更新到目标网络上的参数为Target θ=(1-β)T arg et θ+βOnline θ㊂最后在下个批量训练开始之前,将目标网络的参数再次赋值给在线网络进行下一轮的训练,同时本文将采用曼哈顿距离来表示句子之间相似性,损失函数采用对比损失值作为训练㊂在训练过程中还用到一些训练技巧,比如在强化学习训练过程中,当要学习的环境很复杂的情况下,开始训练收敛过程会很慢,或者很可能不会收敛,因此会有一个预训练的过程㊂预训练过程可以认为是模型学习环境的一个初始的合理参数的设置过程㊂对于句子蒸馏网络的预训练部分,由于本文后续实验采用数据的中文词汇特殊性(句子的前几个词非常重要),一般将句子的前几个词组保留,后面的词组以一定的概率随机蒸馏出去㊂3㊀数据与实验分析3.1㊀实验数据本论文的实验数据使用的是网络爬取的数据,包括一整套汽车名称数据㊁汽车的配件信息以及售后信息等,用户同样会提供他们收集的汽车信息的数据库,我们要将这两个数据库的信息进行整合,使得相同型号的汽车信息能被整合到一起㊂但是用户提供的汽车名称和本文数据库中的汽车名称不完全相同,如表1所示,该表是部分本文标注好的数据,右边是本文数据的命名标准,左边是用户的数据库㊂可能会有型号上的描述不一样,通过语义相似计算的方法将用户提供的名称和数据库中的车辆名称做一个相似性匹配,从而确定是我们数据库当中的哪个型号的车,然后将所有的数据进行整合㊂实验数据有6万多对已经标注的配对的数据,训练和测试数据集比例为5ʒ1㊂在生成训练数据过程中要1ʒ2随机生成负样本,对于每一对标注的语句对,随机从样本数据中选择非配对的句子作为负样本㊂表1㊀数据命名标准Table 1㊀The standard of naming data用户数据库汽车描述信息本文数据库汽车描述信息东风大力神EQ4186L 半挂牵引汽车东风EQ4186L 半挂牵引汽车东风天龙DFL5250GJBA 混凝土搅拌运输车东风DFL5250GJBAX1混凝土搅拌运输车进口奔驰BENZ SLK200K 1.8AT(04-11)奔驰BENZ SLK200K 跑车奔驰SLK 2010款SLK 200K 进口宝马BMW E46323Ci 2.5AT 宝马BMW 323Ci 轿车一汽大众速腾FV72062.0MT(200604-201203)速腾2.0L MT 舒适型速腾FV7206E 轿车速腾2.0L 手动挡舒适型东风雪铁龙世嘉DC7205DB 2.0L MT 两厢夺冠版(200904)世嘉2009款两厢2.0L 手动夺冠版东风雪铁龙DC7205DB 轿车世嘉2009款两厢2.0L 手动夺冠版56郑州大学学报(理学版)第52卷3.2㊀词向量训练本文使用gensim工具来训练Word2vec的词向量,gensim是一个python库,能实现很多常用自然语言处理的算法,比如latent semantic analysis(LSA)㊁latent dirichlet allocation(LDA)等,首先使用数据库当中的所有汽车作为语料库来训练词向量,总量大概有1000多万条数据㊂对数据库当中的词进行一些特殊符号及格式除杂后,使用jieba分词工具对汽车描述名称进行分词,然后使用gensim工具进行中文的词向量训练㊂3.3㊀多加权模型实验与结果分析3.3.1㊀模型的训练㊀本次实验是验证多加权协同注意力模型有效性,该模型主要在Siamese LSTM上实现,加权方式会定义额外的加权矩阵进行语义的加权,具体结构参考2.3节㊂首先是3个Co-attention模型,3个模型的不同点是加权矩阵的数量不同㊂训练的两个模型的参数如表2所示㊂两个模型都使用Siamese LSTM架构和两层的LSTM来计算输入句子的语义信息㊂输入句子长度大于30的句子将被采用截断处理㊂输入句子的长度小于30的句子使用特殊字符填充㊂每次输入一个Batch进行训练㊂句子之间的相似度采用曼哈顿距离来表示,损失函数使用对比损失函数来计算㊂最后使用Adam 优化算法[15]来调整参数㊂3.3.2㊀实验结果分析㊀本次实验主要是验证多加权的注意力模型效果㊂试验结果表明:当加权矩阵从1个矩阵变成3个矩阵,并且使用一定正则项来训练以后,准确率有明显提升,从0.85提升到0.87;但是从3个加权矩阵上升到10个加权矩阵的时候,实验效果提升的幅度明显小很多㊂由此我们可以看出,多加权的注意力模型相比于单个加权模型来说有一定的提升效果,但是当加权矩阵过多的时候,提升就很小,同时也会增加很多计算量㊂表2㊀Co-attention模型参数Table2㊀The parameters of the Co-attention model参数名称参数含义参数数值Batch_size每次训练获取的语句对数20对Seq_length模型输入句子的最大长度30Embedding_dim输入词向量的维数200Dropout_keep_prob Dropout概率 1.0Hidden_units LSTM隐藏层维度100Att_matrix_num加权矩阵的数量1/3/10个Margin对比损失函数参数 1.0Lr初始学习率0.01Optimizer优化函数Adam3.4㊀基于句子蒸馏语义计算模型实验分析本次实验选取测试数据中用户数据库命名的数据作为原始数据,设置阈值为0.5,对于每个用户的汽车名称,和我们数据库的汽车名称作相似性计算,大于0.5的作为相同车名备选项,然后把相似值排序后选出最相似的一个作为最终的相似车型名称㊂本次实验使用Siamese LSTM模型作为对比模型,最终试验结果在测试数据集下,我们提出的基于强化学习的模型相较于Siamese LSTM模型准确率从91%上升到95.7%㊂由于训练数据不够充分,所以训练出来的蒸馏模型对于部分句子蒸馏出的信息比较多,比如必要的汽车名称或者一些车型的具体型号被蒸馏出去,导致相同车型的车名称计算相似性时值会很小,从而被丢弃,所以召回率会有一些损失,从100%下降到96%㊂但是蒸馏模型能够蒸馏出去一些非必要的词语,比如像 商务型 等修饰词,可以使得语义抽取更加简练,能够突出重点信息㊂而非蒸馏的模型,可能会受汽车名称中过多的无效或者是错误的修饰性词语的干扰,比如我们用户数据库有一个汽车为 骏捷SY7182UZ1.8T AT (200603)骏捷1.8T AT舒适型轿车 ,我们的车型库的数据里有 中华SY7182UZ轿车骏捷1.8T自动挡尊贵型 和 中华SY7182US轿车骏捷1.8T手动挡舒适型 ,在Siamese LSTM模型计算下后一个会比前一个相似性还高,这样的情况在样本数据中大量存在㊂但是判断是不是同一辆车一般只需要车名和紧接着车名后面的车型号就能唯一识别出来,因此蒸馏模型可以一定程度地将后面修饰的蒸馏出去,因此会增加模型判断的准确率㊂㊀第3期陈观林,等:基于深度强化学习的文本相似语义计算模型表3为句子蒸馏前后的效果,其中第1列是原来的汽车名称,第2列是经过分词工具分词后去除特殊符号后的模型输入数据,第3列的是蒸馏后的效果㊂虽然训练数据不足,但是可以看出句子蒸馏模型会对句子中一些不太重要的修饰性词语蒸馏出去,基本上会保留主要的汽车名称以及必要的汽车统一型号名称,这些信息是识别汽车唯一性的充要条件㊂但也会导致比如排量㊁年份等信息丢失,这与具体的训练数据不足有关㊂表3㊀句子蒸馏效果Table 3㊀The sentence distillation results原语句分词后句子蒸馏后句子上汽通用雪佛兰乐骋SGM7160AT 1.6L AT 豪华型(200801)乐骋2008款1.6L SX 自动上汽通用雪佛兰乐骋SGM7160AT 1.6L AT 豪华型200801乐骋2008款1.6L SX 自动上汽通用雪佛兰乐骋SGM7160AT 乐骋2008款自动一汽大众速腾FV72062.0MT (200604-201203)速腾2.0L MT 舒适型一汽大众速腾FV7206 2.0MT 200604-201203速腾2.0L MT 舒适型一汽大众速腾FV7206速腾MT 进口宝马BMW E46323Ci 2.5AT 进口宝马BMW E46323Ci 2.5AT进口宝马BMW 进口奔驰BENZ SLK200K 1.8AT(04-11)进口奔驰BENZ SLK200K 1.8AT 04-11进口奔驰BENZ 广汽本田奥德赛HG6482BAC4A 2.4L CVT 尊享版(201408)奥德赛2015款2.4L 尊享版广汽本田奥德赛HG6482BAC4A 2.4LCVT 尊享版201408奥德赛2015款2.4L 尊享版广汽本田奥德赛HG6482BAC4A 奥德赛2015款尊享4㊀总结本文将深度学习算法和强化学习算法结合起来研究,通过使用强化学习算法来改善LSTM 模型提取语义时可能的语义丢失现象,在语义相似计算模型Siamese Network 上取得了很好的效果㊂但是本文的模型仍然存在一些问题:由于模型是采用强化学习方式训练,LSTM 提取的语义很复杂,模型要想收敛比较好就需要大量的采样,从而大大增加训练的时间,否则很容易陷入局部最优;另外,测试使用的场景和数据有限,只是在比较小的项目数据集上测试,对于很多其他场景的应用没有测试㊂参考文献:[1]㊀许飞翔,叶霞,李琳琳,等.基于SA-BP 算法的本体概念语义相似度综合计算[J].计算机科学,2020,47(1):199-204.XU F X,YE X,LI L L,et prehensive calculation of semantic similarity of ontology concept based on SA-BP[J].Com-puter science,2020,47(1):199-204.[2]㊀张克亮,李芊芊.基于本体的语义相似度计算研究[J].郑州大学学报(理学版),2019,51(2):52-59.ZHANG K L,LI Q Q.A survey of ontology-based semantic similarity measurement[J].Journal of Zhengzhou university(natural science edition),2019,51(2):52-59.[3]㊀MIKOLOV T,CHEN K,CORRADO G,et al.Efficient estimation of word representations in vector space[C]ʊThe 1st Interna-tional Conference on Learning Representations.Scottsdale,2013:1-12.[4]㊀HOCHREITER S,SCHMIDHUBER J.Long short-term memory[J].Neural computation,1997,9(8):1735-80.[5]㊀MIKOLOV T,SUTSEVER I,CHEN K,et al.Distributed representations of words and phrases and their compositionality[J].Advances in neural information processing systems,2013,26:3111-3119.[6]㊀CHOPRA S,HADSELL R,LECUN Y.Learning a similarity metric discriminatively,with application to face verification[C]ʊThe IEEE Computer Society Conference on Computer Vision and Pattern Recognition.San Diego,2005:539-546.[7]㊀NECULOIU P,VERSTEEGH M,ROTARU M.Learning text similarity with Siamese recurrent networks[C]ʊProceedings of the 1st Workshop on Representation Learning for NLP,Berlin,2016:148-157.[8]㊀MUELLER J,THYAGARAJAN A.Siamese recurrent architectures for learning sentence similarity[C]ʊThe 30th AAAI Confer-78郑州大学学报(理学版)第52卷ence on Artificial Intelligence.Phoenix,2016:2786-2792.[9]㊀KIM S,KANG I,KWAK N.Semantic sentence matching with densely-connected recurrent and co-attentive information[C]ʊThe33th AAAI Conference on Artificial Intelligence.Honolulu,2019:6586-6593.[10]ZHANG T Y,HUANG M L,LI Z.Learning structured representation for text classification via reinforcement learning[C]ʊThe32th AAAI Conference on Artificial Intelligence.New Orleans,2018:1-8.[11]LILLICRAP T P,HUNT J J,PRITZEL A,et al.Continuous control with deep reinforcement learning[J].Computer science,2015,8(6):A187.[12]SUTTON R,MCALLESTER S,SINGH D A,et al.Policy gradient methods for reinforcement learning with function approxima-tion[J].Advances in neural information processing systems,2000,12:1057-1063.[13]MNIH V,BADIA A P,MIRZA M,et al.Asynchronous methods for deep reinforcement learning[C]ʊInternational Conferenceon Machine Learning.New York,2016:1-8.[14]RUMELHART D E,HINTON G E,WILLIAMS R J.Learning representations by back-propagating errors[J].Nature,1986,323(6088):533-536.[15]KINGMA D P,BA J.Adam:a method for stochastic optimization[C]ʊThe3rd International Conference on Learning Represen-tations.San Diego,2015:1-15.A Text Similarity Semantic Computing Model Based on DeepReinforcement LearningCHEN Guanlin1,2,SHI Xiaolong1,2,ZHOU Liang3,WENG Wenyong1(1.School of Computer and Computing Science,Zhejiang University City College,Hangzhou310015,China;2.College of Computer Science,Zhejiang University,Hangzhou310027,China;3.Hangzhou Big Data Management Service Center,Hangzhou310020,China) Abstract:Semantic similarity computing was a common problem in the field of natural language process-ing.Most of the existing semantic similarity computing models extracted semantic features based on CNN or LSTM.There was semantic information loss problem with this way of extracting semantic features.Two points were proposed to improve traditional deep learning models.Firstly attention weight model using multiple weighted matrices was improved to weight semantics.And a new method was proposed to calcu-late weight.Secondly reinforcement learning method in the semantic similarity calculation model was used to improve the semantic loss phenomenon.The reinforcement learning algorithms were studied in the most commonly Siamese Network model,which could improve the semantic loss of LSTM models when extrac-ting the semantics of sentences.The experiments showed that the improved method had a good effect in processing Chinese sentences.Key words:deep learning;semantic similarity;reinforcement learning(责任编辑:方惠敏)。
国家自然科学基金优秀成果汇编
国家自然科学基金优秀成果汇编国家自然科学基金是我国重要的基础性研究项目之一，也是关系到我国科技创新发展的重要支撑。
自1979年以来，国家自然科学基金已经资助了大量重要科学领域的研究，不仅极大地推进了我国科技水平的提升，也为世界科技进步做出了重要贡献。
在国家自然科学基金的资助下，一大批优秀的研究成果得以问世，这些成果涉及到广泛的科学领域。
以下是国家自然科学基金优秀成果的汇编：一、理论物理领域：在理论物理领域，2019年1月，由国家自然科学基金资助的一项重要研究成果在Nature物理学杂志上发表。
该项研究成果为新型拓扑半金属WS2/WSe2异质结构下的量子反常霍尔效应，该研究在实现新型拓扑半金属的同时，还发现了新型的拓扑边界状态。
二、生命科学领域：在生命科学领域，国家自然科学基金资助了一项名为“蛋白质肌震荡激活多肽的分子机理和药物开发”的研究项目。
该项目团队于2019年在Nature Communications上发表了研究结果，证明了肝细胞在脂代谢调节中的重要作用，并首次解析了蛋白质肌震荡激活多肽在其过程中的分子机理，对于脂代谢调节相关疾病的药物开发具有重要意义。
三、测量科学与技术领域：在测量科学与技术领域，国家自然科学基金资助了一项名为“基于卷积神经网络的超分辨率CT成像”的研究项目。
该项目团队研究出新型的基于卷积神经网络的图像增强技术，可以实现对CT成像的超分辨率增强，提高了图像质量和诊断准确性。
这项研究成果在医学影像领域具有重要的应用价值。
四、信息科学技术领域：在信息科学技术领域，国家自然科学基金资助了一项名为“基于深度学习的面部表情识别”的研究项目。
该项目团队利用深度学习技术实现了对面部表情的自动识别，提高了面部表情识别准确性和稳定性，对于文化传播和智能交互领域有着重要的推动作用。
综上所述，国家自然科学基金在我国科技创新中扮演着重要的角色，通过为科学家提供资金和支持，促进了大量重要的研究成果的诞生。
河南省自然科学基金项目资助情况和管理探索
收稿日期：2021-06-10 项目基金：河南省重点研发与推广专项（软科学）“河南省自然科学基金管理体制机制研究”（202400410207）。 作者简介：赵进进（1970—），女，硕士，正高级会计师，研究方向：财务管理。 通信作者：乔伟伟（1983—），男，硕士，高级会计师，研究方向：管理会计。
1 立项情况
1.1 基本情况 2016—2021 年，河南省科技厅共进行了 4 次自然科 学基金医疗领域项目征集，2017 年及 2019 年出现空缺，
因此，本文分析中不涉及 2017 年及 2019 年的数据。 郑大一附院 2016—2021 年共有 123 项河南省自然基
金立项，资助经费总计 1 270 万元。2020 年在近年立项数 量和获资助金额均为最高，立项 39 项获资助 400 万元。 虽然申报河南省自然科学基金数量稳中有升，但对于一 个如此体量的综合医院来讲，立项数量明显偏低，侧面反 映出职工科研积极性不够，医院对科研基金申报的重视 程度不足。在获得立项的项目中，资助金额较高的项目 未实现突破，整体研究水平还处于较基础的阶段，说明医 院承担重点重大项目能力不足，科研人员对河南省自然 科学基金的申请投入精力不足。
中图分类号：N12
文献标识码：A
文章编号：1003-5168（2021）24-0148-03
Research on the Funding Deploying and Management of Henan Natural Science Foundation Projects
ZHAO Jinjin QIAO Weiwei
材料科学与工程学院-郑州大学学位与研究生教育综合信息管理系统
邵刚
朱玲玲
张宗涛
王宇
张丽莹
05(全日制)高 曹少魁 性能及功能高
分子材料
朱诚身
刘民英
何素芹
许群
郑世军
庞新厂
王玉东
徐慎刚
石军
曹艳霞
刘文涛
王万杰
付建伟
付鹏
陈加福
刘应良
张佳楠
张丽
崔喆
陈志民
刘浩
李景果
辛长征
陈金周
申小清
张丽
刘文涛
06(全日制)包 牛明军 装材料与工程 樊卫华
翟震
李辉
刘旭影
杨会歌
汤克勇
07(全日制)生 郑学晶 物质资源与材
洛阳理工学院地处国务院公布的首批历史文化名城、新中国现代 化工业城市和科技研发基地、被誉为“千年帝都，牡丹花城”的十三 朝古都、国家区域性中心城市、中原经济区副中心城市——洛阳。
建校 60 年来，学校秉承 “让政府放心，让社会满意，让学生受 益”的办学理念，坚持“行业性、地方性、应用型”的办学定位，在 人才培养、科学研究、社会服务和文化传承创新等方面取得了显著成 效，先后为国家建材行业和地方经济社会发展培养输送了 16 万多名 高级专门人才。2013 年，学校被确立为河南省首批五所转型发展试 点院校之一，2014 年以优异成绩通过教育部本科教学工作合格评估。 2016 年，学校被确定为河南省示范性应用技术本科院校。学校是中 国—东盟建材合作委员会副主席单位，中国应用技术大学（学院）联 盟成员、新材料专业协作会的理事长单位。
师在内的 200 余名兼职教授和客座教授。 学校以工学为主，理学、管理学、文学、经济学、法学、教育学、
艺术学等多学科协调发展。有 12 个学院、3 个基础教学部和机器人 学院、软件学院、继续教育学院、天瑞干部学院、中迈干部管理学院、 洛阳市服务外包学院等 6 个专门教育学院。现有 48 个本科专业，有 “材料学”、“岩土工程”2 个省级重点学科；“无机非金属材料工程”、 “机械设计制造及其自动化”、“自动化”、“计算机科学与技术”、“工 商管理”、“材料成型及控制工程”等 6 个省级特色专业建设点；“无 机非金属材料工程”、“机械设计及其自动化”、“自动化”3 个省级卓 越工程师项目专业；8 个省级专业综合改革试点专业；2 门国家级精 品课程；4 门省级精品课程。“建材机械基础教学实验教学中心”、“水 泥生产模拟实验教学中心”、“电气工程与自动化实验教学中心”、“工 程训练中心”、“物联网工程实验教学中心”等 5 个河南省高等学校实 验教学示范中心建设点。
胃印戒细胞癌与胃混合印戒细胞癌患者临床病理资料及预后对比分析
胃印戒细胞癌与胃混合印戒细胞癌患者临床病理资料及预后对比分析刘圣文1，张红雨1，王华南1，王蕾2，王启阳1，赵春临11 郑州大学第一附属医院胃肠外科，郑州450000；2 郑州大学第一附属医院病理科摘要：目的 通过对比分析胃印戒细胞癌（SRCC ）与胃混合印戒细胞癌（mixed -SRCC ）的临床病理资料及预后情况，为胃癌的个体化、精准化治疗提供参考。
方法 接受根治性手术切除的含印戒细胞成分的胃癌患者481例，其中胃SRCC 161例、胃mixed -SRCC 320例。
比较胃SRCC 、胃mixed -SRCC 的临床病理资料及预后。
分析胃SRCC 、胃mixed -SRCC 的预后影响因素。
结果 胃SRCC 肿瘤直径>5 cm 、肿瘤位于胃下1/3、淋巴结转移阴性、浸润深度T 1a 者比例高于mixed -SRCC （P 均<0.05）；早期胃SRCC 远端胃切除术、肿瘤直径>5 cm 、浸润深度T 1a 、病理分期ⅠA 期者比例高于早期胃mixed -SRCC ，进展期胃SRCC 淋巴结转移阴性、脉管侵犯阴性者比例高于胃mixed -SRCC （P 均<0.05）。
胃SRCC 患者总体3年生存率及进展期患者3年生存率高于胃mixed -SRCC 患者（P 均<0.05）。
淋巴结转移（HR =0.407，95% CI 0.177 ~ 0.937，P =0.035）、浸润深度（HR =4.409，95% CI 1.269 ~ 15.322，P =0.020）、病理分期（HR =4.365，95% CI 1.546 ~ 12.324，P =0.005）是胃SRCC 预后的独立影响因素；淋巴结转移（HR =0.241，95% CI 0.137 ~ 0.424，P <0.001）、病理分期（HR =3.496，95% CI 1.311 ~ 9.321，P =0.012）是胃mixed -SRCC 预后的独立影响因素。
带刚臂和弹性段的平面组合索单元
!第"#卷第#期郑州大学学报!理学版"$%&’"#(%’#!)*#+年,月-./012340%56278.!(9:.;<7.=>."?9@.)*#+收稿日期!)*#AB*#B *,基金项目!国家自然科学基金项目!"#)DAECD "$中国博士后基金项目!)*#"?"A))*E #)*#CP +*CA#".作者简介!魏建东!#+CA %"#男#河南新密人#教授#主要从事桥梁结构计算分析研究#=B I 97&&[17R 792>%23N 445.1>5.<2$通信作者&徐平!#+DD X "#男#山东日照人#教授#主要从事交通动力学研究#=B I 97&&L&972#)DN#C,.<%I .带刚臂和弹性段的平面组合索单元魏建东!!管曼羽!!成书普!!徐!平!郑州大学水利与环境学院!河南郑州E"***#"摘要!为在斜拉桥的有限元模型中高效地模拟斜拉索#建立了带刚臂和弹性段的平面组合索单元.两个刚臂位于单元的端部#单元的节点分别与塔柱和主梁上的对应节点固接.索的钢套筒部分视为弹性段#中间索段视为弹性悬链线#弹性段的内力沿接点处弹性悬链线的切线方向.首先利用弹性悬链线的解析解建立了索体的投影方程和刚度矩阵$利用刚臂两端位移转换关系#对组合单元的节点力微分#得到了组合索单元的刚度矩阵.算例分析证明了公式推导及编程的正确性.关键词!斜拉桥$斜拉索$吊索$弹性悬链线$索单元$刚臂中图分类号!6EEA’)"文献标志码!G 文章编号!#CD#B CAE#!)*#+"*#B *##,B *C !"#!#*’#,D*"Q R .7S S 2.#CD#B CAE#’)*#A**"$%引言在斜拉桥的有限元模型中#拉索的模拟是决定分析精度的重要因素.对于成桥阶段#可以采用桁架单元#用直杆模拟拉索.为增加分析的准确性#可采用=@2S :公式修正杆的弹性模量.对大跨度斜拉桥中大垂度的长索及施工过程中的拉索#必须考虑索的曲线特性.为精确模拟曲线形索#文献(#)建立了多节点的曲线单元#文献())采用三次多项式插值建立了两节点的曲线单元#文献(,)采用拉格朗日插值构造了两节点的曲线索单元#文献(E )建立了五节点的曲线索单元.文献("X D )利用弹性悬链线的解析解建立了弹性悬链线单元#并建议了计算时的初值.目前#弹性悬链线单元已被广泛应用于拉索模拟#并被引入部分结构有限元分析软件!如?7>9S Q Y 787&".文献(A )在该单元的基础上建立了分析索结构中滑动索的滑移索单元.文献(+)对单索问题进行了分类#算例结果表明#修正弹性模量的方法只能用于水平长度不超过E**I 的斜拉索#否则将引起较大的误差.文献(#*X ##)建立了带刚臂的索单元#假定两端刚臂总与索端部相切#在应用于斜拉桥模拟时#限制了塔上节点的划分#也不便与主梁连接.文献(#)X #,)也建立了带刚臂的索单元#刚臂与索端部铰接#且文献(#,)指出文献(#))在对刚臂端部力矢量微分时#忽略了对角度变量的微分.本文在弹性悬链线解析解的基础上建立了两端有弹性段的索单元#进而在索单元两端增加刚臂#推导和构造了该组合索单元.图&!弹性悬链线单元’()*&!=&1I 12:%\1&9S :7<<9:129@M&%弹性悬链线单元一个弹性悬链线单元如图#所示#其水平投影长度为52#竖直投影长度为321索的弹性模量为>#横截面面积为H *#单位长度重量为[*#该索段的无应力长度为Q *1据弹性悬链线理论(C X D )#索的投影方程为52-.F 2#,Q *>,H *.F 2#[*,&2!Z S 2#F 2EZ 62.F 2)"#!#"32-Q *>,H *,![*,Q *).F 2)"#Z S 2.Z 62[*#!)"郑州大学学报!理学版"第"#卷式中&Z 62和Z S 2分别为索段左端和右端节点处的索力.根据单元受力平衡条件#可得F 2,-.F 2##F 2E -[*,Q *.F 2)1式!#"和式!)"分别对F 2#’F 2)求偏导#可得索段在6端的柔度矩阵为J 2-.!2##.!2#).!2)#.!2[]))#!,"其中&!2##-#[*,!F 2E Z S 2#F 2)Z 62".#[*,&2!Z S 2#F 2E Z 62.F 2)".Q *>,H *$!2#)-F 2#[*,!#Z S 2.#Z 62"$!2)#-!2#)$!2))-.#[*,!F 2E Z S 2#F 2)Z 62".Q *>,H *1左端点力的增大会使水平投影和竖直投影减小.因此#柔度矩阵J 2中各元素取计算值的负值.进而#可得到弹性悬链线单元的刚度矩阵为62-=2.=2.=2=[]2#!E "式中&=2为柔度矩阵J 2的逆矩阵.+%带弹性段的索单元索体两端的钢套筒与其内部的钢丝通过高强黏结材料固结为整体#且钢套筒的横截面面积与其内部所有钢丝的横截面面积相当.因此#套筒段宜单独考虑#可近似为一个弹性段#其方向沿索段端部索力方向#也就是索段端部的切线方向.带弹性段的索单元如图)!9"所示#其水平投影长度为5<#竖直投影长度为3<#W ;和W G 分别为索体端部超出锚垫板的锚杯部分和螺母的重量#B <;’[<;和B <G ’[<G 分别为两个弹性段的原长及单位长度重量#弹性段受到的重力平移到相应的端部节点.图+!带弹性段的索单元和弹性段两端力的关系’()*+!Y 9Z&11&1I 12:[7:01&9S :7<S 13I 12:S 92>\%@<1S %2:01Z%:0S 7>1S弹性段两端力的关系如由图)!Z "所示#带弹性段的索单元的节点力为F <#F <)F <,F < E -F 2#F 2)#[<;,B <;#W ;F 2,F 2E #[<G ,B <G #WG1!""!!两端带弹性段索体的投影方程为5<-52#B <;,!Z 62><;,H <;##",.F 2#Z 62#B <G,!Z S 2><G ,H <G ##",.F 2#Z S 2#!C "3<-32#B <;,!Z 62><;,H <;##",.F 2)Z 62#B <G,!Z S 2><G ,H <G ##",[*,Q *.F 2)Z S 2#!D "式中&><;和H <;分别为;端弹性段的弹性模量和横截面面积$><G 和H <G 分别为G 端弹性段的弹性模量和横截面面积.E##!第#期魏建东#等$带刚臂和弹性段的平面组合索单元式!C "和式!D "分别对F 2#’F 2)求偏导#可得带弹性段的索单元在左端点的柔度矩阵为J <-.!<##.!<#).!<)#.!<[]))#!A "其中&!<##-!2##.!B <;><;,H <;#B <;Z 62.B <;,F )2#Z ,62".!B <G ><G ,H <G #B <G Z S 2.B <G ,F )2#Z ,S 2"$!<#)-!2#)#B <;,F 2#,F 2)Z ,62.B <G ,F 2#,F 2EZ ,S 2$!<)#-!<#)$!<))-!2)).!B <;><;,H <;#B <;Z 62.B <;,F )2)Z ,62".!B <G ><G ,H <G #B <G Z S 2.B <G ,F )2EZ ,S 2"1带弹性段的索单元在左端点的刚度矩阵为6-J .#<1!+"!!由刚度矩阵的对称性可知#两端带弹性段的索单元的刚度矩阵可以表示为6<-6.6.[]661!#*"!!根据刚度矩阵的定义#可得!F <#!F <)!F <,!F < E -6.6.[]66,!I ;!C ;!I G !CG1!##"-%两端带刚臂和弹性段的组合索单元在带弹性段的索单元两端增加刚臂#得到如图,!9"所示的组合索单元.";和"G 分别为两端刚臂的倾角#刚臂的长度分别为B ;和B G1左端刚臂的受力如图,!Z "所示#其两端点之间的坐标关系(#,)为I ;-I :#B ;,<%S ";#!#)"C ;-C :#B ;,S 72";1!#,"图-!带刚臂和弹性段的组合索单元’()*-!P 01<%I Z721><9Z&11&1I 12:[7:0@737>9@I S 92>1&9S :7<S 13I 12:S!!对式!#)"和式!#,"两端微分#可得左端刚臂两端点之间的位移关系为!I ;!C ();-#*.B ;,S 72";*#B ;,<%S "();,!I :!C :!" ;1!#E "!!同理#可得右端刚臂两端点之间的位移关系为!I G !C ()G-#*B G ,S 72"G *#.B G ,<%S "()G,!I P !C P !" G1!#"""##郑州大学学报!理学版"第"#卷!!联立式!#E "和式!#""#并记0-#*.B ;,S 72";*#B ;,<%S "();#1-#*B G ,S 72"G *#.B G ,<%S "()G#!#C "!!可得!I ;!C ;!I G !C G -0**()1,!I :!C :!";!I P !C P !"G1!#D "!!根据刚臂两端力的关系#组合索单元的节点力可以表示为F #F )F ,F E F "F C -F <#F <)B ;,<%S ";,F <).B ;,S 72";,F <#F <,F <E .BG ,<%S "G ,F <E #B G ,S 72"G ,F <,1!#A "!!对式!#A "两端微分#可得!F #!F )!F ,!F E !F "!F C -0P **1()P ,!F <#!F <)!F <,!F < E #.",!I :!C :!";!I P!C P !"G#!#+"其中."除了两个元素Z ",#,-.B ;,<%S ";,F <#.B ;,S 72";,F <)#Z "C #C -B G ,<%S "G ,F <,#B G ,S 72"G ,F <E 外#其余元素均为零.联立式!##"’式!#D "’式!#+"#可得组合索单元的刚度矩阵为6>-0P ,6,0.0P,6,1.1P,6,01P,6,[]1#."1!)*"图.!下端位于不同位置的单根索’()*.!;723&1<9Z&1[7:0:01&%[1@12>9:>7\\1@12:&%<9:7%2S.%算例验证算例&%下端位于不同位置的单根索如图E 所示#该索的计算参数见文献(")和(##)#无应力长度Q *j#**I #横截面面积H *j#<I )#弹性模量>j ,c #*D U 9#单位长度重量[*j #(Q I #线膨胀系数为C’"c #*X C .采用)个等原长的弹性悬链线单元模拟该索#共有,个节点.由图E 可以看出#不考虑弹性段的计算结果#与文献(")对比#除最大张力工况有一定误差外#其他结果相同.最大张力工况的计算结果与文献(##)的结果相同#从而证明了本文弹性悬链线单元部分推导的正确性.C##!第#期魏建东#等$带刚臂和弹性段的平面组合索单元考虑弹性段时#具体可分为以下两种情况&一种是弹性段的参数不变化$另一种是弹性段的面积增加#倍#单位长度索重增加#倍.算例#中弹性段在不同取值情况下的计算结果见表#.结果表明#第#种情况下的结果与不考虑弹性段的误差很小.第)种情况在索力较小的几个工况下#只是竖向索力稍有增加#但绝对量很小$对于张力最大的工况#水平索力和竖向索力都有较大增加#这与实际情况相符#表明在索力很大时#不考虑弹性段会带来较大的误差.表&!算例#中弹性段在不同取值情况下的计算结果345*&!_1S 5&:S 9S :011&9S :7<S 13I 12::9J723>7\\1@12:89&51S 721‘9I L&1#工况S 点横坐标QI 与索参数相同与索参数不同S 点水平索力Q(S 点竖向索力Q(S 点水平索力Q(S 点竖向索力Q(<9S 1#**)*.*)*)).*)<9S 1))*,.*C #+.+,,.*C )#.+,<9S 1,E*+.#"#+.)C +.#")#.)C <9S 1E C*)).*+#".D+)).*+#D.D+<9S 1"A*"#).A X ,,".,A "#,.*X ,,,."<9S 1C#**E )"C "*EX )"",A")E ,E,,#CX )C*"+,A!!算例+%索段的弹性模量>j )c #*##U 9#截面面积H *j #*X "I )#单位长度重量[*j#*(Q I #无应力长度Q *j ,’C*E AE)I .左’右两端刚臂长均为*’A I #左端刚臂倾角";j ,*r #右端刚臂倾角"G jC*r .两端的弹性段长度均为*’C**+)"I #与索段的弹性模量相等#截面面积为#*X C I )#各弹性段重量均为"*(#弹性段外端各附加"*(的点荷载.弹性段截面面积取索的十分之一#以便于弹性段有较大的变形.图/!算例)中组合单元在变形后的形状图’()*/!P 01L@%\7&19\:1@>7S L&9<1I 12:%\:01<%I Z721>1&1I 12:721‘9I L&1)单元的左端点位于原点#右端点位于!"’*+"C+A ,#,’DC#**C D "I .算例)中组合单元在变形后的形状图见图"#组合索单元的节点力为!X"**’*E"#X)#"’E,+#"*’D"D #"**’*E"#E"#’EAA ##C"’AED "(.平衡状态下#可推算出去除两端刚臂后#带弹性段索单元的节点力为!X "**’*E"#X )#"’E,+#"**’*E"#E"#’EAA "(#它们对左刚臂左端产生的力矩为X"*’D"D (,I #与单元在左刚臂处的第,个节点力分量平衡#右端也如此.推算索段两端的节点力为!X "**’*E"#X ,#"’E,+#"**’*E"#,"#’EAA "(#索段两端的水平投影长度为,I#竖直投影长度为)I #由式!#"和!)"可知#索段处于平衡状态.因此#组合索单元的单元节点力计算正确.通过依次使组合索单元的各自由度有一微小的位移增量#计算得到单元节点力的增量#可按定义法得到单元的刚度矩阵.经检验#组合索单元输出的刚度矩阵与按定义法得到的刚度矩阵相同.因此#根据推导所计算的刚度矩阵是完全正确的./%结论基于弹性悬链线的解析解#首先建立了悬链线单元#进而在两端增加弹性段#推导了带弹性段的索单元的相关公式$又在带弹性段的索单元两端增加刚臂#构成了组合索单元#算例证明了所推导公式及编程的正确性.本文的组合索单元是多功能的.在两端刚臂长度取零值的情况下#可退化为只有单侧刚臂或不带刚臂的带弹性段索单元$在弹性段长度取零值的情况下#可退化为带刚臂而不带弹性段的单元$当不考虑刚臂和弹性段后#组合索单元可进一步退化为弹性悬链线单元.在已知索端部某个张力或张力分量的情况下#可通过求解索段的水平投影与竖直投影方程得到索原长#进而建立该组合单元.因此#该组合索单元可用于模拟索的张拉过程.组合索单元可用于斜拉桥的设计与分析#能更精确地模拟拉索#也可以用于模拟拱桥中的吊D##A##郑州大学学报!理学版"第"#卷杆和悬索桥中的吊索.参考文献!(#)!T=(V T e]da T#_6;;=]]--.=O57&7Z@75I92>29:5@9&\@1O512<71S%\<9Z&1S:@5<:5@1S!92%2&7219@\727:11&1I12:9LL@%9<0"(-).Y%I L5:1@S92>S:@5<:5@1S##+DC#C!E"&)CD X)D#.())!V G?H T^_?]#H G P Y T=]e_H.G\727:11&1I12:\%@,B dL@1S:@1S S1><9Z&121:S(-).^2:1@29:7%29&R%5@29&\%@25I1@7<9&I1:0B %>S721237211@723##+DD###!##"&#C++X#D#A.(,)!e/d=?^_T.G\727:11&1I12:9LL@%9<0\%@<9Z&1L@%Z&1I S(-).^2:1@29:7%29&R%5@29&%\S%&7>S92>S:@5<:5@1S##+D+##"!""&E)D X E,D.(E)!唐建民#董明#钱若军.张拉结构非线性分析的五节点等参单元(-).计算力学学报##++D##E!#"&#*A X##,.(")!U=$_e PGT#V e6]e^;G?.G29&M S7S%\<9Z&1S:@5<:5@1S(-).Y%I L5:1@S92>S:@5<:5@1S##+D+##*!""&A*"X A#,.(C)!-G f G_G?G(T H#b(6d;e(a Y.G<5@81>1&1I12:\%@:01929&M S7S%\<9Z&1S:@5<:5@1S(-).Y%I L5:1@S92>S:@5<:5@1S##+A###E!,Q E"&,)"X,,,.(D)!^_$^(=T?.Y9Z&1S:@5<:5@1S(?).Y9I Z@7>31&:01?^PU@1S S##+A#.(A)!魏建东.索结构分析的滑移索单元法(-).工程力学#)**E#)#!C"&#D)X#DC.(+)!梁鹏#徐岳#刘永健.斜拉索分析统一理论及其应用(-).建筑科学与工程学报#)**C#),!#"&CA X DD.(#*)罗喜恒#肖汝城#项海帆.基于精确解析解的索单元(-).同济大学学报!自然科学版"#)**"#,,!E"&EE"X E"*.(##)f G(VfH#P;G f-f.P[%B2%>1<9:129@M<9Z&11&1I12:[7:0@737>B12>1\\1<:92><9Z&1S09L1929&M S7S(-).^2:1@29:7%29&R%5@B 29&%\S:@5<:5@9&S:9Z7&7:M92>>M29I7<S#)*#####!,"&"C,X"A*.(#))陈常松#颜东煌#陈政清.带刚臂的两节点精确悬链线索元的非线性分析(-).工程力学#)**D#)E!""&)+X,E.(#,)邓继华#谭平#彭建新.带刚臂平面悬链线索单元的非线性分析(-).应用力学学报#)*#E#,#!,"&,EA X,").89@5(:<CM?4:4B845?<L?<@<:;K(;NS()(C7B@>4:CL?4>;(E F<)@<:;>a=^-792>%23#V6G(?92M5#Y T=(V;05L5#g6U723!)234454!W:"<8$47B<8A:72C:7=>7A;849<7"#O3<7?J34@&7;A<8B;"C#O3<7?J34@E"***##$3;7:"75>;B4E;&P%1\\7<712:&M S7I5&9:1:01S:9M<9Z&172:01F=?%\<9Z&1B S:9M1>Z@7>31S#9<%I Z721>L&929@<9Z&11&1I12:[7:0@737>9@I S92>1&9S:7<S13I12:S[9S L@%L%S1>.P[%@737>9@I S[1@1&%<9:1>72:01:[%12>@137%2S.P01:[%2%>1S%\:011&1I12:[1@1\7‘1>:%:01L%72:S%2:01<%&5I2%\:01:%[1@92>:01I972Z19I@1S L1<:781&M.P01S:11&S&1181S%\:01<9Z&1[9S:9J129S1&9S:7<:@5S S#92>:017221@L9@:[9S <%2S7>1@1>1&9S:7<<9:129@M.P017221@\%@<172:011&9S:7<:@5S S[9S:92312::%:011&9S:7<<9:129@M9::01 R%72:.H9S1>%2:01929&M:7<9&S%&5:7%2%\:011&9S:7<<9:129@M#:01L@%R1<:7%21O59:7%2S9S[1&&9S:01S:7\\B 21S S I9:@7‘%\:01<9Z&1Z%>M[1@1%Z:9721>.P9J723:01@1&9:7%2S07L Z1:[112>7S L&9<1I12:S9::01:[%12>S%\:01@737>9@I72:%9<<%52:#:012%>1\%@<1S%\:011&1I12:[1@1>7\\1@12:79:1>#:012:01S:7\\21S SI9:@7‘%\:01<%I Z721><9Z&11&1I12:[9S%Z:9721>.P011‘9I L&1929&M S1S L@%81>:01<%@@1<:21S S%\:01 \%@I5&9>1@789:7%292>L@%3@9I I723.J<G K9B C>&<9Z&1B S:9M1>Z@7>31$S:9M<9Z&1$S5S L12>1@$1&9S:7<<9:129@M$<9Z&11&1I12:$@737>9@I!责任编辑&孔!薇"。
复杂多工序制造过程关键质量特性识别
统计与决策2021年第8期·总第572期DOI:10.13546/ki.tjyjc.2021.08.039基金项目：国家自然科学基金资助项目（71672209；U1904211）；国家社会科学基金资助项目（20BTJ059）作者简介：王宁（1983—），男，河南焦作人，博士，副教授，研究方向：质量管理。
闫娜（1996—），女，山西新绛人，硕士研究生，研究方向：质量诊断。
徐友真（1995—），女，河南登封人，硕士研究生，研究方向：质量管理。
（通讯作者）杨剑锋（1970—），男，河南郑州人，博士，副教授，研究方向：质量智能诊断。
复杂多工序制造过程关键质量特性识别王宁，闫娜，徐友真，杨剑锋（郑州大学商学院，郑州450001）摘要：为解决复杂多工序制造过程中的关键质量特性识别问题，文章运用弹性网（Elastic Net ）方法构建多工序制造过程质量关系模型，并基于该模型进行关键质量特性识别。
首先构建符合多工序制造过程特点的模型；其次，利用弹性网方法拟合估计模型参数，进而识别关键质量特性；最后进行仿真实验，以比较和分析在多工序制造关键质量特性识别过程中岭回归、Lasso 和弹性网三种方法的适用性和有效性。
仿真结果表明：当关键质量特性间相关性较强，尤其是关键质量特性间具有群组效应时，弹性网方法的识别效果更为精确和完整。
关键词：多工序制造过程；弹性网；关键质量特性中图分类号：F273文献标识码：A 文章编号：1002-6487（2021）08-0177-040引言多工序制造过程是指在产品生产制造过程中需经过多个工序加工完成，通常包含大量质量特性，这些质量特性经过传递作用于最终产品质量，并对其产生不同程度的影响。
因此，质量控制人员若要把控产品质量水平，就需要监控所有的质量特性，但是由于这些质量特性对最终产品质量的影响较为分散、稀少，且又受多种因素（例如成本和技术）的限制，其较难实现。
因此，若要实现对多工序制造过程中的质量管控，首先要做的是有效地识别关键质量特性。
如何填写一份高质量的基金申请书
16.61
17.99
20.02
青年基金项目经费预算
各学部2007年青年基金项目经费平均资助情况
学部 数理 化学 生命 地球 工材 信息 管理
2007 19.99 17.33 17.07 19.43 20.26 19.99 15.1
经费预算
1、购置5万元以上固定资产及设备等，须逐项说明 2、仪器设备是指专门用于本项目研究所必需的仪器
同行评议专家的产生
会议评审（二审）（6月——7月）： 学科评审组会议：学科评审组专家
讨论； 投票确定获资助项目 会审专家的产生
批准及资助经费拔付（9月——11月） 所有项目须由委务会讨论通过 批准的项目须填写项目资助计划书 项目经费分两次拔付
三、河南省情况介绍
现有依托单位情况
现有依托单位98个，其中高等院校48 个，科研机构35个，其它单位15个。
第一部分
填好基本信息 细节决定成败
申请者基本信息
1、务必填写手机号。 2、每年工作时间不得少于八个月。 3、务必填写最近所主持的基金项目号。 4、建议成为基金委的评议专家。 5、个人信息前后一致。
依托单位及合作单位信息
1、依托单位信息可直接进行选择。相关信息不用做 任何修改。
2、只要项目组成员中出现了非本单位的成员，则都 视为有合作单位。
青年科学基金： 在受理申请当年1月1日未满35周岁，
并未获得该类项目资助。项目组主要成员 以青年为主。
地区科学基金： 申请者须是青海省、海南省、云南省、贵
州省、江西省、内蒙古自治区、宁夏回族自治 区、新疆维吾尔自治区、西藏自治区、广西壮 族自治区和延边朝鲜族自治州等地区所辖单位 的正式受聘人员。重点支持结合当地条件和特 点的研究工作。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
ห้องสมุดไป่ตู้
4.1R对CD4+T细胞活化及TCR/CD3介导的信号转导调控机制 两阶段物流排序和工件可拒绝排序理论研究 基于排队论的未决赔款准备金分布研究及其应用 无线网络中一些图论与组合优化问题 非线性高阶发展方程的理论及其应用 离散与连续的有限维可积系统及其应用 平行机分组工件排序的多面体方法 三阶非线性常微分方程（系统）的分析和控制 各向异性高效非协调混合有限元方法研究 基于分类距离—环境协变量回归模型的土壤数字化制图研究 面向位置服务的自适应邻近地图理论与方法研究 大型复杂桥梁工程施工风险研究 复杂条件下高性能塑性混凝土力学和渗透性能 基于特征参量控制的工程结构设计方法研究 基于改进响应面法的在役生土窑居可靠度研究 长短桩复合地基协同工作机制及变形刚度计算理论研究 薄膜量子尺寸效应对超导特性和纳米摩擦特性的影响研究 基于metamaterial电磁响应的高电磁场增强、高稳定性和重现性表面增强拉曼散射衬底研究 秦始皇陵封土和陶器的原料产地及相关烧制技术研究 微腔光电导太赫兹辐射源辐射特性研究 偏好学习的若干关键技术研究 规则与统计相结合的现代汉语虚词用法自动识别研究 新型细菌tRNA翻译抑制剂利奈唑胺类似物的合成及抗菌活性研究 新型唾液酸糖苷分子探针的化学酶法合成及其应用 食管鳞癌中p70S6K的磷酸化水平与细胞对雷帕霉素敏感性关系的研究 siRNA干扰联合热疗的碳纳米管肝肿瘤靶向性和治疗研究 难溶性抗癌药物肿瘤靶向转运载体设计和热疗特性研究 野菊花中萜类和黄酮类化合物抗乙肝病毒活性协同作用机制研究
项目类别 面上项目 青年基金 面上项目 青年基金 青年基金 面上项目 面上项目 面上项目 青年基金 青年基金 面上项目 面上项目 青年基金 面上项目 面上项目 面上项目 面上项目 面上项目 青年基金 面上项目 面上项目 青年基金 青年基金 青年基金 青年基金 面上项目 面上项目 面上项目 面上项目 面上项目 面上项目 面上项目 面上项目 面上项目 面上项目 青年基金 国际项目 面上项目 面上项目 面上项目 面上项目 青年基金 青年基金 青年基金 青年基金 面上项目
项目名称 注射成型工艺过程中应力在线测量的实验装置和理论研究 温敏性无机/高分子核壳结构纳米粒子的制备与性能研究 超临界二氧化碳诱导聚合物附生结晶修饰碳纳米管的研究 耐火材料热膨胀失配界面微空间热震稳定机理研究 双号码尼龙/功能化弹性体共混材料流变特性与力学性能相关性研究 微/纳米晶复相耐火材料高温下微观结构与最佳性能的稳定机制 皮胶原发生黄变的机理与影响因素研究 粒细胞分化因子-88对脑损伤后神经细胞再生的影响 TLR4介导的炎症反应在术后认知功能障碍形成中的作用 神经源性尿路功能障碍输尿管抗反流功能及USMCCa2+动员信号通路研究 NF-κ B及其介导的炎症因子在抗精神病药源性肥胖中的作用及机制研究 乳腺癌细胞干/祖细胞样逆向分化的探索 新型动态自适应粒子群优化算法的研究 初级视觉皮层中视像整体特征的稀疏表象模型的研究 基于能量的切换非线性微分代数系统分析、控制及应用研究 食品材料在人类咀嚼过程中的力学行为及食品质感性能的感官感知机制 基于数据挖掘技术的肺癌危险度评价与早期预警系统研究 炎性基因多态性影响胃癌遗传易感性的分子机制研究 先进制造模式扩散过程的动力学机制分析 基于对象知识网的企业信息系统适应性优化研究 各向异性导电胶膜粘接可靠性及界面损伤研究 活性开环移位聚合功能化修饰埃洛石纳米管研究 基于新型芳香多羧酸配体的孔洞配位聚合物的合成及气体吸附性能研究 天然产物Roseophilin及类似物的合成和生物活性研究 一氧化氮合成酶黄素单核苷酸(FMN)功能域的结构功能研究 配合物中心金属置换诱导的配合物性能改变 “给体-受体”型稀土发光纳米粒子的制备和荧光调控 手性氮杂二茂铁环蕃的设计合成及其应用研究 具有氮杂半冠醚结构的手性配体合成及其应用研究 混合给体钳形镍化合物的合成、结构及其在催化反应中的应用 以活泼炔糖为中间体的新型糖模拟物的合成研究 具有荧光的人工核酸酶的合成及其与核酸的相互作用研究 两亲性二茂铁环钯化合物的有序薄膜组装及催化性质研究 小肽与有机电解质之间相互作用的热力学和谱学研究 细胞周期蛋白依赖性蛋白激酶Cdc28和Pho85调控铜离子稳态的分子机理研究 具有双识别协同作用的锌、铜离子荧光分子探针 环钯化二茂铁衍生物：不对称合成及其在有机合成中的应用 基于复合材料的复杂孔口结构强度分析新方法研究 基于GPS的几何误差数字化测量认证理论及方法研究 旋毛虫未成熟与成熟幼虫共表达抗原的筛选及用于肉类检验的基础研究 旋毛虫侵入宿主肠上皮细胞相关因子的筛选与鉴定 我国农村地区金融排斥及其金融体系重构新思路 高速公路建设对城乡发展及区域均衡发展影响研究 玉米-小麦轮作系统内生真菌的多样性及相互关系研究 乳腺癌PIWIL2、PLAC1抗原HLA-A2限制性CTL表位鉴定以及综合改造策略研究 太行山猕猴社群等级对繁殖成功的影响
面上项目 青年基金 青年基金 青年基金 面上项目 面上项目 面上项目 面上项目 面上项目 面上项目 面上项目 面上项目 面上项目 面上项目 面上项目 面上项目 面上项目 面上项目 面上项目 青年基金 青年基金 面上项目 青年基金 青年基金 青年基金 面上项目 面上项目 面上项目
康巧珍 录岭法 刘燕 尚卫苹 杨志坚 曹策问 原晋江 任景莉 石东洋 陈杰 闫超德 李清富 高丹盈 王东炜 童丽萍 郭院成 贾瑜 梁二军 赵维娟 马凤英 牛常勇 昝红英 徐海伟 曹鸿志 侯桂琴 张云 张振中 毕跃峰
单位 材料科学与工程学院 材料科学与工程学院 材料科学与工程学院 材料科学与工程学院 材料科学与工程学院 材料科学与工程学院 材料科学与工程学院 第三附属医院 第一附属医院 第一附属医院 第一附属医院 第一附属医院 电气工程学院 电气工程学院 电气工程学院 工程力学系 公共卫生学院 公共卫生学院 管理工程系 管理工程系 化学工程学院 化学工程学院 化学系 化学系 化学系 化学系 化学系 化学系 化学系 化学系 化学系 化学系 化学系 化学系 化学系 化学系 化学系 机械工程学院 机械工程学院 基础医学院 基础医学院 商学院 商学院 生物工程系 生物工程系 生物工程系
30972707 10901142 10901143 10901144 10971199 10971200 10971201 10971202 10971203 40971128 40971238 50978234 50979100 50978232 50978233 50978235 10974182 10974183 10975119 60907046 60901078 60970083 20902086 20902087 30901778 30973482 30973660 30973872
生物工程系 数学系 数学系 数学系 数学系 数学系 数学系 数学系 数学系 水利与环境工程学院 水利与环境工程学院 水利与环境工程学院 水利与环境工程学院 土木工程学院 土木工程学院 土木工程学院 物理工程学院 物理工程学院 物理工程学院 物理工程学院 信息工程学院 信息工程学院 药学院 药学院 药学院 药学院 药学院 药学院
负责人 李海梅 李春辉 许群 董林 王万杰 杨道媛 汤克勇 王小阳 储勤军 王庆伟 宋学勤 李惠翔 梁静 师黎 刘艳红 徐献忠 吴拥军 王凯娟 曹海旺 薛朝改 张军 张延武 臧双全 宋传君 王瑞勇 侯红卫 李中军 崔秀灵 王敏灿 龚军芳 张福义 叶勇 李铁生 颜振宁 朱志兀 于明明 吴养洁 李成 张琳娜 王中全 崔晶 田霖 牛树海 唐保宏 高艳锋 路纪琪