一、TES模拟训练系统的设计（论文文献综述）
朱云杰[1]（2021）在《考虑需求响应的微电网及多综合能源系统参与电力市场优化调度策略》文中研究指明微电网通过分布式电源、负荷、储能装置等本地化协调控制,可以在新能源和电网之间建立良好的缓冲地带,因此微电网成为电力系统接入分布式电源的主要方式之一,实现微电网的优化管理具有重要意义。相比传统发电侧电源启动慢、调节速率不足的缺点,微电网内灵活控制的分布式电源可以实现功率的快速调节,但微电网未能充分发挥分布式电源的灵活性特性,并且微电网内用户侧负荷需求响应资源也未合理挖掘。微电网内包含有多种分布式电源,可以将微电网作为整合分布式电源灵活特性、负荷需求响应特性的整体,通过电力容量辅助服务市场为电网提供灵活性资源服务,参与电网调度。考虑到微电网内新能源发电功率、负荷功率以及上层电网需求响应的不确定性等问题,建立多时间尺度调度策略,高效准确地对微电网参与上层电网需求响应进行优化调度。此外,考虑到多种能源形式的加入,研究多综合能源系统参与电力市场的竞价策略;针对多个系统之间的能源交互问题,基于能源聚合商研究多能源系统参与电力市场竞价问题,以实现能源聚合商收益最大化的目标。针对以上问题,本文研究了微电网及多能源系统参与电力市场优化调度策略,具体内容如下:针对微电网用户侧负荷需求响应能力未合理利用的问题,研究了微电网用户侧负荷特性,建立用户负荷需求响应模型以及优化调度策略。根据用户侧用电特性,将用户侧参与需求响应的负荷分成三类,分别为可中断负荷、可调整负荷、可转移负荷;根据微电网日前预测信息及分时电价等因素,进行日前优化调度;通过Cplex求解算例,由结果分析可知,用户侧通过参与微电网需求响应降低了用电成本,微电网侧通过调度用户侧的需求响应能力,提高微电网系统运行收益。针对微电网内分布式电源利用率低、需求响应负荷参与度低等问题,提出了调用分布式电源、需求响应负荷等灵活性资源参与上层电网实时优化调度策略。在日前阶段,微电网根据风电、光伏、负荷日前预测结果,分布式电源用电成本,用户侧需求响应成本,电力市场收益等因素,进行日前优化调度,并根据日前调度结果计算微电网内灵活性资源,向上层电网汇报需求响应可调度范围;日内模拟阶段通过模拟上层电网临时需求,训练BP神经网络模型,为日内调度做准备;日内调度阶段,根据日内短期预测数据以及上层电网实际需求,通过BP神经网络模型进行优化调度。最后根据仿真运算,通过模型预测控制算法与本文所提方法进行比较,分析本文所提调度策略的优缺点。针对电-热综合能源系统中负荷最优管理和电力系统侧最优调度问题,研究了基于能源聚合商的电-热综合能源系统市场竞价策略。针对综合能源系统,分别建立电能单元、热能单元模型,考虑综合能源系统内部之间的能量流动,相邻系统之间的能量损耗,在满足电能、热能负荷的基础上,考虑电力市场中电力价格因素的影响,协调综合能源系统中灵活性资源,售卖给电力市场,追求能源聚合商运营系统收益最大化。最后根据算例分析,得到基于本文所提调度策略下能源聚合商运营综合能源系统下的实际获利与成本,并根据结果分析竞价策略的优缺点。
江聪[2]（2021）在《基于深度学习的资本资产定价研究》文中研究指明自1965年CAPM模型问世,发展到如今着名的q5模型,Fama-French六因子模型,大量的公司特征和因子不断被挖掘,模型的异象解释能力也不断增强,多因子定价模型始终在资产定价理论中保持着非常高的活力和生机。但是传统资本资产定价模型都离不开线性的假设,即收益与因子线性相关,该假设与金融市场存在众多噪声和现实世界的复杂性事实不相符合。随着大数据时代的到来,线性模型更难从大量的数据中提取有用的信息,所以随着时间的发展线性因子模型注定会越来越不能满足研究的需求。近年来,机器学习尤其是以神经网络为主的深度学习方法通过非线性的激活函数和目标最小化原则,可以拟合一切复杂的非线性关系。正如Cochrane（2011）强调的那样,应当应用不同的工具对市场进行研究,并且国内运行深度学习方法在这方面进行系统性的研究还处于初级阶段,本文便是结合深度学习的超强关系刻画能力和多因子定价理论对A股市场进行了非线性的公司特征与股票预期收益的研究。本文对已有文献中的452个异象进行筛选,基于1997年1月1日至2019年12月31日的A股数据,得到73个有效的公司特征,基于该特征,本文首先考察了A股市场的公司特征所隐含的股票预期收益之间的非线性性;其次对公司特征进行信息提取,构造出基于深度特征的深度定价因子,来对股票横截面预期收益进行研究;最后考虑公司特征变化下影响以检验和增强本文的结论。基于一系列研究和实证,本文得出以下结论:公司特征隐含的股票预期收益信息研究对资产定价风险因子选择和最优投资组合管理具有重要价值。使用深度学习方法,应用73个公司特征来预测股票收益,并根据收益预测结果构建投资组合,通过投资组合的表现来研究公司特征隐含的股票预期收益信息。结果显示:基于深度学习的投资组合能够获得显着的风险调整后的超额收益。长短期记忆神经网络构建的投资组合超额收益最大,前馈神经网络的次之,线性模型的最小。少数交易摩擦类、价值成长类和动量类的公司特征隐含了股票预期收益的绝大部分信息。公司特征与股票预期收益之间的非线性关系,公司特征之间的交互作用和公司特征的动态变化趋势隐含了不可忽略的股票预期收益信息。基于深度学习的深度因子模型无论是在模型的统计表现,异象解释上以及根据模型的投资组合的表现上都远远好于基准的三因子模型。首先,在定价误差表现上,加入深度因字的定价模型的定价误差在数量级上远小于三因子模型的定价误差,总体上看,基于三因子模型的定价误差几乎是深度因子模型的定价误差的102至103倍;其次,从异象解释上看,三因子模型能解释的双变量和单变量异象个数为29和33个,在加入深度因子时,模型的最多能解释得异象提升到71个和72个,解释了几乎所有的异象;最后,从基于模型的投资组合的年化夏普比率上看,相对于基准的三因子模型的夏普比率,深度因子投资组合的夏普比率的都有显着的提升,提升比例从130%至471%不等。考虑特征在时间上动态变化的影响的LSTM模型虽然在总体表现上比普通的神经网络模型有所提升,但结果并不明显,从而也说明深度因子定价模型已经能稳健的捕捉到市场的信息对股票收益率的影响模式。
王鑫[3]（2021）在《水质多参数阵列传感器及检测数据校正方法研究》文中进行了进一步梳理水资源是一切生命、生活、生产最重要的因素,是人赖以生存的基本条件。随着工农业的发展,水污染情况日益严重,水质检测技术研究一直是科技界科研的重要课题。水质检测的核心技术是传感器,目前,水质传感器正向着微型化、集成化方向发展。MEMS传感器由于其体积小、便于集成、稳定性好等特点被广泛应用于水质检测领域。本文采用电化学分析技术,结合微电极传感器,实现p H、溶解氧和氨氮三种水质参数的测量。通过分析传感器的集成化、微型化、纳米材料电极表面修饰及检测数据校正方法的发展现状,剖析相关技术基础上,采用MEMS技术设计出具有温度补偿功能的多参数微传感器芯片,以及与传感器芯片相适配的微流控测试腔体,实现各个传感单元的独立测试。另一方面,采用聚苯胺/无机物复合纳米材料对传感器敏感电极进行表面修饰,并表征分析了敏感材料的表面形貌。采用修饰后的电极对三种参数分别进行了测量,结果表现出较高的灵敏度和较好的稳定性。运用多元线性回归分析技术,对各个参数进行温度校准,进一步提高了测量的准确度。构建PSO-LM-ANN模型对多参数同时测量选择性变差问题进行数据校正处理,提高了测量精确度。在多参数传感器芯片结构设计方面。在研究电化学扩散机理的基础上,得出微电极相比于大电极具有更好的电化学扩散效应。因此,采用MEMS技术设计制备微电极传感器芯片。从电极结构方面分析,采用ANSYS软件对比分析了“方方型”和“圆环形”电极结构,仿真结果显示,“圆环形”电极结构使溶液中具有较为均匀一致的电场强度及电流密度分布,使电极上的分析物能够受到较为均匀一致的电催化作用。考虑温度对各种参数测量结果的影响,在传感器芯片结构中设计了与微电极集成一体的微加热器,采用ANSYS软件对比分析了几种加热器结构,确定最优结构,最终设计出具有温度补偿功能的多参数传感器电极阵列结构。在传感器电极表面修饰方面。传感器电极表面修饰可以增大电极比表面积,增强电极导电性,不同的敏感膜对不同的水质参数有选择性,从而可以进一步增强传感器的检测灵敏度。采用原位法合成导电高聚物PANI/无机物纳米材料,修饰在传感器电极表面,表征分析了敏感材料的表面形貌,其微观形貌表现出高活性。通过测量p H、氨氮等参数,显示出较高的敏感特性。在传感器信号采集与测试方法方面。采用PMMA有机玻璃制备具有分流通道的小型化微流控测试腔,构成与传感器芯片相匹配的测试容器,分流通道的腔体结构保证传感器芯片的每个测试单元可以单独工作,避免测试过程中溶液内部互相干扰。为实现传感器信号采集,配置了与传感器结构相匹配的恒电位仪。测试过程水质溶液的进液和出液采用蠕动泵控制,调节蠕动泵的运转模式可充分实现液体匀速流动,实现传感器的测试、清洗等。在水质多参数测试方面。通过传感器测试平台,对水温、p H、溶解氧和氨氮浓度等水质参数进行了测量。实验结果表明,传感器均表现出较高的灵敏度和较好的线性关系。根据测试环境温度的实际情况,调控传感器中的加热器工作模式,实现温度补偿,保证传感器工作在理想温度范围内。并将p H、溶解氧和氨氮三个参数分别与温度和响应电流建立多元线性回归方程,进一步提高传感器的测量准确度。在水质多参数检测数据校正处理方面。针对多参数同时测量时共存物质对催化反应的影响,导致多参数同时测量选择性变差,测量准确度降低,提出一种PSO-LM-ANN数据校正方法对多参数检测数据进行修正处理。将多组分同时测量时传感器输出的p H、溶解氧和氨氮浓度3个参数为网络输入,将p H、溶解氧和氨氮浓度的标准值作为3个输出参数。运用Matlab对网络模型进行优化设计,优化结果显示当隐含层节点数为8,且网络采用LevenbergMarquardt算法时网络的预测精度最佳,同时引入PSO算法优化LM-ANN网络的权值和阈值。验证结果表明,PSO-LM-ANN方法具有较好的数据校正效果,校正精度较高。研究结果表明,基于MEMS技术的具有温度补偿功能的多参数阵列传感器芯片可实现p H、溶解氧、氨氮等参数的高精度测量,温度补偿效果较好。研制的PANI/Cu O纳米复合材料用于电极表面修饰,可有效提高p H检测的灵敏度,减小响应时间。PSO-LM-ANN模型对多组分同时测量时的检测数据进行校正处理,实验结果表明,利用该模型能够得到精确度较高的校正结果。
于松源[4]（2021）在《热电联产虚拟电厂协同优化调度研究》文中指出高比例的可再生能源不断渗透到虚拟电厂中,其出力的随机性和波动性对虚拟电厂的优化调度提出更高的要求。电力系统与供热系统能量转换与信息交互日益频繁,大力发展热电联产虚拟电厂一方面是聚集各类分布式能源机组实现协同调度的有效手段,另一方面是深化电力改革、优化经济结构的重要支点。在热电联产虚拟电厂系统运行规划过程中,传统的电力系统运行方式与利润分配不利于可再生能源消纳以及各利益主体积极性,亟需建立一套切实可行的运行策略,确定各主体的最优决策、平衡各主体利益。此外,可再生能源、负荷需求以及市场价格的不确定性给热电联产虚拟电厂协同优化带来严峻挑战,而且热电耦合系统机理复杂,所涉非线性非凸模型为系统建模与求解带来难度,需要充分挖掘不确定因素历史数据信息从而制定最优决策,提高可再生能源消纳水平,实现发电侧与负荷侧的双向互动。本文从计及不确定性的热电联产虚拟电厂系统建模出发,研究热电联产虚拟电厂最优利润分配策略,结合热网特性,进而研究基于数据驱动的热电联产虚拟电厂优化调度方法,为热电联产虚拟电厂的协同优化提供方法借鉴,保证能量从生产、传输到使用的安全性、经济性以及可靠性。具体的研究内容如下:（1）建立了计及不确定性的热电联产虚拟电厂优化调度模型。提出了含可再生能源机组、储能装置、热电联产机组、电热泵以及需求响应的热电联产虚拟电厂的概念,并结合其内部各单元的运行特性进行了分析建模,对热电联产虚拟电厂优化过程中所面临的不确定性进行分类并提出了解决方案,以实现系统功率平衡和经济目标最优。（2）提出了基于合作博弈的热电联产虚拟电厂随机优化调度策略。考虑到可再生能源发电的不确定性,建立合作博弈模型,实现热电联产虚拟电厂的最优热电联合调度;提出了一种改进的夏普利值方法,在满足所有利益主体的利益以及整个系统在电-热耦合网络上的功率和热量平衡的同时,优化资源配置,减少了可再生能源的削减,提高了利润分配的公平性。（3）提出了考虑热网特性的热电联产虚拟电厂分布式鲁棒优化调度策略。基于供热系统的运行模式,建立了考虑热网特性的热网模型,并引入HOMIE模型来增加系统的灵活性;基于Wasserstein距离构建分布式鲁棒优化调度模型,降低决策的保守性;引入实时电价计划,通过实时调节各电源出力,在满足用户舒适度的前提下,有效提高了热电联产虚拟电厂的运行经济性,降低了决策的保守性。（4）提出了基于数据驱动的热电联产虚拟电厂随机鲁棒优化调度策略。基于风电出力、光伏出力以及电力负荷的历史数据,采用狄利克雷过程混合模型和变分分布算法,构建了数据驱动模糊集;针对热电联产虚拟电厂参与能源市场与备用市场的两阶段问题,建立了两阶段随机鲁棒优化调度模型,以充分调用内部资源,并获得更高收益;设计了定制的列与约束生成算法,实现了两阶段三层优化调度模型的快速求解。
刘天元[5]（2021）在《强干扰熔焊图像鉴别性视觉特征学习》文中研究指明熔焊是重要的金属材料连接方法,广泛应用在航天结构件、汽车车身、船舶分段等产品加工中。熔焊过程呈非线性、强耦合、高动态等特点,如何通过监测熔焊过程进行闭环控制一直是工程难题。基于深度学习的计算视觉近年来被认为是熔焊状态识别及缺陷检测的重要手段,是当前学术研究的热点。然而实际工程中面临熔焊图像存在强干扰、鉴别性视觉特征难以学习以及识别模型可解释性差等挑战。针对上述问题,系统性的分析了熔焊图像的特点,提出了丰富样本空间、限制假设空间和增强可解释性三个前沿挑战问题,对基于深度学习的熔焊图像视觉特征学习现状展开了综述研究和趋势分析。本文从其数据、特征和模型三个层次展开研究,主要创新点如下。1.数据层面。针对熔焊图像数据中存在的视觉干扰问题,提出了融合时序数据的视觉特征学习方法。建立了带有可分离结构和多维注意力机制的改进三维卷积神经网络（3DSMDA-Net）,该网络包括面向三维卷积核的深度可分离轻量化方法,并通过多维注意力机制弥补分离操作带来的精度损失。算法验证表明:融合时序数据的熔焊图像视觉特征学习方法在视觉干扰下的识别准确率远高于非时序性模型,轻量化模型体积降至1/7,多维注意力机制保证了模型轻量化和准确率的平衡。该方法将针对单幅熔焊图像而言的干扰信息转换为了支撑模型决策的时序信息,同时丰富了样本空间。2.特征层面。针对不同熔焊状态对应的有效视觉特征匮乏、鉴别性视觉特征难以提取以及视觉特征表示存在冗余的问题,提出了面向差异性、鉴别性和冗余性视觉特征的一体化学习方法。提出了面向卷积核的粗粒度正则化方法（CGRCK）,促使卷积核学习的熔焊视觉特征差异增大,防止了模型过拟合。设计了标签语义注意力机制（LSA）,利用标签文本间的语义鉴别性提高了学习鉴别性视觉特征的能力。提出了基于长短时记忆（LSTM）神经网络的特征融合方法,对有用特征进行了增强,对无用特征进行了遗忘。算法验证表明:面向差异性、鉴别性和冗余性视觉特征的一体化学习方法分别从卷积神经网络的宽度、深度和输出这三个独立的角度对假设空间进行了限制,强化了差异性和鉴别性视觉特征学习能力,提高了冗余性视觉特征的自适应融合能力。3.模型层面。针对基于视觉的熔焊状态识别模型的透明性需求,提出了基于多尺度融合特征的类激活映射可解释性建模方法（CAM-MSFF）。CAM-MSFF融合了多尺度监督机制,促进了熔焊图像的多尺度特征学习和定位。设计了特征压缩、特征映射和特征重标定三个模块,实现了多尺度特征自适应融合。提出了基于多尺度融合特征的类激活映射方法,获得了熔焊状态识别模型的类激活映射图,从视觉角度解释了模型的决策依据。算法验证表明:CAM-MSFF具有更高的识别准确性,并且模型的决策依据更易解释。最后,论文通过四种实际熔焊图像数据集（MIG-DT,CO2-MPD,Laser-PS,Laser-DC）对所提方法进行工程案例验证。验证结果表明,所提方法在工程应用中具有识别准确率高、推理速度快、模型轻量化、可解释性强等优点,可满足熔焊状态监测与识别的实际工程任务。
刘作敏[6]（2021）在《HSK中级对摩洛哥汉语教与学反拨效应的实证研究 ——以摩洛哥哈桑二世大学孔子学院为例》文中研究说明反拨效应又名反拨作用（washback/backwash）,指测试对教与学所产生的影响。这一概念后来被引用到应用语言学领域,特指语言测试尤其是外语测试对相应的外语教与学产生的影响（辜向东,2007）。汉语水平考试（以下简称HSK）作为中国最权威的标准化汉语测试,对汉语学习者的学习动机、学习策略、学习内容、学习成果以及汉语教师的教学态度、教学策略、教学内容,甚至教学点的课程设置、班级设置和教材选用都产生了一定程度的反拨效应。笔者于2019年9月至2020年9月在摩洛哥哈桑二世大学孔子学院担任汉语志愿者教师,时间与条件较为充分。因此,笔者在前人专家学者的研究基础上,结合摩洛哥汉语教学的实际情况,采用定量和定性的研究方法,通过问卷调查与个人访谈的形式,以Excel、SPSS等工具为辅助,从反拨效应的考试因素、个人因素、社会因素等多种因素来探析HSK中级考试对摩洛哥汉语教与学的反拨效应。研究结果表明,HSK中级对摩洛哥汉语教学和汉语学习者均产生了反拨效应,且影响显着,包括积极效应和消极效应,总体来说,积极效应大于消极效应。主要表现在学习者和教师对HSK的认识、学习者的学习内容和学习策略、教师的教学内容和教学策略以及哈桑孔院课程设置和教材选取上。因此,我们应该放大积极效应,抑制消极效应,加强对汉语教师,尤其是汉语教师志愿者的教学技能培训,激发并促进学生的学习动机,帮助学生合理安排学习内容,找到合适的学习方法,促进摩洛哥汉语教与学全面平衡发展。
曹西凤,李小英,罗琪,刘双慧,李鹏,刘欣[7]（2021）在《星载红外高光谱传感器温度廓线反演综述》文中研究说明全球变暖是当前国际社会的热点话题,温度廓线是大气热力状态的重要参数,准确高效地获取其时空分布信息是天气预报和气候变化研究的前提。与传统的地面观测方式相比,卫星探测数据具有高空间、时间分辨率的优势,为气象观测提供了数据支持。本文分别针对星载红外高光谱传感器3种常见观测模式（天底、掩星及临边观测模式）下的国外7个传感器代表（IMG、AIRS、IASI、HALOE、TES、MIPAS、ACE-FTS）及国内大气探测卫星（风云系列和高分系列）在参数、性能和用途等3个方面进行介绍,得出当前国际上天底观测可提供垂直方向1 km内温度产品精度小于1 K,TES临边观测模式可提供的对流层温度廓线产品精度最高可达0.5 K,均满足NWP精度要求,可有效的用于天气预报及气候变化研究;由辐射传输方程出发,对气温廓线反演的3种常用方法 （统计回归、物理及人工神经网络反演）的基本原理、特点及发展历程进行了对比分析。同时,就温度廓线反演算法的关键问题及可能的解决方案进行了阐述;并对误差（平滑、模型参数及测量误差）产生及其传播原理进行系统地归纳总结。最后,提出现阶段气温探测过程中存在的问题。
李庆良[8]（2020）在《基于热环境效益的广州地区建筑垂直绿化设计研究》文中提出随着我国城市建设进程加快,城市热岛效应与用地矛盾日益突出,严重影响着人们的生命健康与日常生活和室内环境的舒适性。建筑垂直绿化作为城市环境的绿化其中一种方式,既能拓展城市绿化面积以缓解城市热岛,又能改善建筑的室内环境品质,对提高室内舒适性具有重要的调节作用。因此,本文以建筑垂直绿化为研究对象,展开了以下研究:首先,归纳总结了建筑垂直绿化的热环境效益,其调节机制可概括为遮阳效果、降温增湿效果、隔热效果以及控风效果等四个方面。本文选取了广州地区常绿的灌木植物——鸭脚木,在实验房的西南向墙体搭建种植盒式的垂直绿化墙;以垂直绿化房和对比房作为实验对象,设计了建筑垂直绿化的基础实验方案和分类实验方案。其次,在晴朗炎热的天气进行垂直绿化墙的现场实测,探究建筑垂直绿化对热环境效益的影响,实验共由三部分组成,包括前期准备实验、基础实验和分类实验。前期准备实验的结果显示:通过采用收割法测定出了该垂直绿化墙的叶面积指数为2.701m2/m2;无垂直绿化墙时,两个实验房具有相同的热工性能,误差在5%以内。基础实验的结果表明:建筑垂直绿化具有较好的热环境效益。在白天,建筑垂直绿化在遮阳、降温增湿和隔热方面表现出较为显着的效果,热量由室内向室外传递;在夜间,建筑垂直绿化对墙体和室内环境均起到保温效果,可降低昼夜温差。土壤体积含水率与热流量正相关,提高培养基质层的土壤体积含水率,可增强墙体的降温隔热效果。分类实验的结果表明:自然通风与绿化覆盖率对热环境效益的影响程度高于布局方式,进行建筑垂直绿化设计时需同时考虑两者。随着绿化覆盖率的升高,垂直绿化墙在遮阳、降温增湿和隔热效果上逐渐变强,但控风效果的差异较小。自然通风可加强建筑垂直绿化对室内降温增湿和墙体降温隔热的效果,室内最高空气温度为35.5℃,内表面热流最大值约1.5W/m2。布局方式虽然对热环境效益的影响较小,但综合分析4个调节机制,其排序可为:横向>点状>竖向。再次,利用正交试验方法,以墙体表面降温效果和室外增湿效果作为试验指标,运用ENVI-met进行建筑垂直绿化的数值模拟研究,量化分析了绿化覆盖率、叶面积指数、空气间层宽度以及构图方式对试验指标的影响程度的和特点。研究表明:绿化覆盖率是建筑垂直绿化设计最优先考虑因素,对墙体表面降温的贡献率达95%以上,对室外增湿的贡献率可高达78.6%;叶面积指数次之,对室外增湿效果的贡献率最高达36.4%,远高于墙体表面降温效果。空气间层宽度和构图方式对试验指标的影响较小,墙体表面降温约为0.1℃。运用SPSS软件对绿化覆盖率、叶面积指数和空气间层宽度进行逐步回归分析,分别建立了试验因素与两个试验指标之间的多元线性模型,并检验了试验因素与模型之间的相关性以及模型的拟合优度。最后,根据广州地区的湿热气候特点和建筑设计要求,综合实验实测、模拟研究和回归模型分析的结果提出了基于热环境效益的建筑垂直绿化设计方法。
教育部[9]（2020）在《教育部关于印发普通高中课程方案和语文等学科课程标准（2017年版2020年修订）的通知》文中研究表明教材[2020]3号各省、自治区、直辖市教育厅（教委）,新疆生产建设兵团教育局:为深入贯彻党的十九届四中全会精神和全国教育大会精神,落实立德树人根本任务,完善中小学课程体系,我部组织对普通高中课程方案和语文等学科课程标准（2017年版）进行了修订。普通高中课程方案以及思想政治、语文、
邓茜[10]（2020）在《硫酯酶半理性设计及其在大肠杆菌合成中链脂肪酸中的应用》文中认为酰基链长为六到十个碳原子的中链脂肪酸（MCFAs,C6–C10）及衍生物具有独特的应用价值。与长链组分相比,中链烷烃/烯烃和脂肪酸酯具有更低的凝固点,更适合用来替代汽油、航空煤油等现有化石燃料。中链脂肪酸具有抗菌、免疫调控等效果,使得相关衍生物广泛应用于食品、药物生产中:比如甲基正壬酮是调味剂与增香剂成分,辛酸酯是红酒的增香剂。近年来脂肪酸的微生物合成取得了许多进展,但产物中应用价值更高的中链脂肪酸含量仍然较低。硫酯酶是脂肪酸合成过程中的关键酶,对脂肪酸的产量和产物谱均起到重要作用。目前在大肠杆菌II型脂肪酸合成途径中应用最广泛的硫酯酶是去除N端信号肽的大肠杆菌硫酯酶Tes A（‘Tes A）,但该酶底物选择性宽泛,合成中链脂肪酸的能力较弱。本论文应用酶的半理性设计策略,围绕‘Tes A的分子改造开展了以下研究工作:1.半理性设计提高硫酯酶对中短链底物的选择性。大肠杆菌硫酯酶‘Tes A能催化一系列酰基链长（C2–C16）羧酸酯与硫酯的水解,但明显偏好长链底物。在分析‘Tes A与底物相互作用后,通过单点饱和突变测试了酰基结合口袋中10个热点残基的突变效应;设计4个CAST突变库,引入氨基酸之间的协同效应来提升酶对中短链底物的选择性;最终通过三密码子突变等方法对有利突变进行整合。经过三轮定向设计,获得了最适底物分别为C2-p NP、C4-p NP、C8-p NP等中短酰基链的突变体,成功翻转了‘Tes A对acyl-p NP底物的选择性。为探究‘Tes A野生型及突变体对脂肪酸合成途径真实底物acyl-ACP的选择性,酶法合成了三个不同链长的acyl-ACP底物（C8-ACP、C12-ACP和C16-ACP）。酶学表征结果显示,测试的10个突变体均提高了对C8-ACP的选择性,其中最优突变体RD-2对C8-ACP的活性和选择性比野生型分别提高了8倍和133倍。2.硫酯酶突变体在大肠杆菌中链脂肪酸细胞工厂中的应用。为测试‘Tes A突变体合成中链脂肪酸的能力,构建了大肠杆菌脂肪酸合成工程菌株MG1655（DE3）Δtes AΔfad E。经过启动子、培养条件优化后,野生型‘Tes A在摇瓶发酵中合成了0.08 g/L的辛酸（C8）,而最优突变体RD-2的C8产量比野生型提高了10倍。对最优突变体进行5-L发酵罐水平的高密度培养,并优化发酵温度、溶氧水平及硫酯酶诱导时机,发酵36 h后细胞密度达到最高值,同时合成了2.7 g/L C8（45%,摩尔比例）,是目前大肠杆菌II型脂肪酸途径报道的最高C8产量。我们还探讨了菌株的产物耐受问题,利用微液滴细菌培养平台对菌株实施了辛酸耐受的适应性进化,进化后菌株TM11的总脂肪酸和辛酸产量比原始菌株分别提高了24%和26%,为继续改善高产菌株的产物耐受能力奠定了基础。3.揭示硫酯酶突变体底物选择性转变的分子机制。解析了选择性发生明显转变的突变体CM-5（E142D/Y145G）和RD-1（M141L/E142D/Y145G）的晶体结构,通过结构比较及动力学模拟分析,发现突变体酰基结合口袋底部139–145区域的显着构象变化重塑了口袋形状,同时口袋中部出现明显的连续疏水界面。底物对接结果显示,连续疏水界面提高了突变体对中链底物的亲和性,而重塑的酰基结合口袋使长链底物处于扭曲状态,不利于酶与底物的结合,从而降低对长链底物的活性。对‘Tes A催化活性与体内C8产量的相关性分析（r=0.95）表明,保持或提高C8-ACP活性对于提升C8脂肪酸产量也具有重要作用。我们的研究首次证实了‘Tes A 139–145区域的柔性对底物选择性的重要影响,将为进一步改造SGNH家族硫酯酶提供有力指导。本研究针对脂肪酸合成关键催化元件‘Tes A硫酯酶的底物选择性低这一问题,利用半理性设计策略成功将中链acyl-ACP底物选择性提高了133倍,实现了大肠杆菌辛酸的高效合成,同时还揭示了突变体“酰基结合口袋重塑与疏水性提高驱动底物选择性转变”的分子机制。本研究实施的酰基结合口袋重塑策略成功转变了硫酯酶‘Tes A的底物选择性,将为其他硫酯酶的定向改造提供例证和指导。
二、TES模拟训练系统的设计（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、TES模拟训练系统的设计（论文提纲范文）
（1）考虑需求响应的微电网及多综合能源系统参与电力市场优化调度策略（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 引言 |
| 1.1 研究背景和意义 |
| 1.2 计及需求响应的微电网优化调度策略研究现状 |
| 1.3 基于能源聚合商的电-热系统研究现状 |
| 1.4 本文研究内容及创新点 |
| 第二章 基于用户侧需求响应的微电网优化调度 |
| 2.1 用户的需求响应负荷模型 |
| 2.1.1 可中断负荷用电特性与模型 |
| 2.1.2 可调整负荷用电特性与模型 |
| 2.1.3 可转移负荷用电特性与模型 |
| 2.2 微电网数学模型 |
| 2.3 微电网用户侧需求响应优化调度算例分析 |
| 2.3.1 算例描述 |
| 2.3.2 需求响应负荷优化结果及分析 |
| 2.3.3 微电网优化结果及分析 |
| 2.3.4 本章小节 |
| 第三章 微电网参与上层电网实时优化调度策略 |
| 3.1 微电网优化调度策略 |
| 3.2 日前优化调度模型 |
| 3.2.1 日前优化目标 |
| 3.2.2 运行成本 |
| 3.2.3 运行约束 |
| 3.3 日内模拟调度模型 |
| 3.3.1 微电网模拟运行 |
| 3.3.2 BP神经网络 |
| 3.3.3 神经网络调度模型 |
| 3.4 日内调度模型 |
| 3.4.1 上层电网需求 |
| 3.4.2 日内可控单元功率 |
| 3.5 算例分析 |
| 3.5.1 基本数据 |
| 3.5.2 日前优化调度策略分析 |
| 3.5.3 日内模拟优化调度条件 |
| 3.5.4 微电网与上层电网无额外功率交换时仿真分析 |
| 3.5.5 微电网参与上层电网实时调度仿真分析 |
| 3.6 本章小结 |
| 第四章 基于能源聚合商的电-热综合能源系统电力市场竞价策略 |
| 4.1 多能源系统结构 |
| 4.2 电-热综合能源供热单元模型 |
| 4.3 考虑灵活性资源的能源聚合商竞价策略 |
| 4.3.1 综合能源系统竞价收益模型 |
| 4.3.2 综合能源系统稳定运行约束 |
| 4.4 算例分析 |
| 4.4.1 算例数据 |
| 4.4.2 日前竞价策略仿真及结果分析 |
| 4.4.3 本地能源系统中分布式电源最优运行策略 |
| 4.4.4 能源聚合商竞价结果分析 |
| 4.5 结论 |
| 第五章 总结和展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
（2）基于深度学习的资本资产定价研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1.绪论 |
| 1.1 选题背景和意义 |
| 1.1.1 选题背景 |
| 1.1.2 选题实践意义和学术意义 |
| 1.1.2.1 实践意义 |
| 1.1.2.2 学术意义 |
| 1.2 文献综述 |
| 1.2.1 传统资本资产定价研究 |
| 1.2.2 机器学习与资本资产定价研究 |
| 1.2.3 深度学习与资本资产定价研究 |
| 1.2.4 文献总体评述 |
| 1.3 论文思路与结构 |
| 1.4 文章的创新与不足 |
| 1.4.1 文章的创新 |
| 1.4.2 可能的不足 |
| 2.公司特征隐含股票预期收益信息 |
| 2.1 资产定价理论中的公司特征 |
| 2.2 研究模型设计 |
| 2.2.1 实证模型 |
| 2.2.2 前馈神经网络 |
| 2.2.3 模型超参数设置 |
| 2.2.4 模型性能评估 |
| 2.2.4.1 R~2 |
| 2.2.4.2 修正的Diebold-Mariano检验 |
| 2.2.5 投资组合表现 |
| 2.2.5.1 投资组合构建 |
| 2.2.5.2 投资组合表现衡量 |
| 2.2.6 公司特征重要性 |
| 2.3 数据和样本 |
| 2.3.1 数据 |
| 2.3.2 训练集、验证集和测试集 |
| 2.4 实证结果 |
| 2.4.1 模型性能表现结果 |
| 2.4.2 投资组合表现结果 |
| 2.4.2.1 组合收益率表现 |
| 2.4.2.2 夏普比率 |
| 2.4.2.3 风险调整后α |
| 2.4.3 公司特征隐含的信息量 |
| 2.5 小结 |
| 3.基于深度因子的资本资产定价 |
| 3.1 多因子定价模型 |
| 3.2 基于深度因子的多因子定价模型 |
| 3.2.1 模型构建 |
| 3.2.2 模型参数估计 |
| 3.2.3 模型表现衡量 |
| 3.2.4 深度因子的定价贡献 |
| 3.2.4.1 夏普比率提升 |
| 3.2.4.2 异象解释 |
| 3.2.5 深度特征与公司特征的关系 |
| 3.3 实证结果 |
| 3.3.1 训练集、验证集和测试集 |
| 3.3.2 模型表现 |
| 3.3.3 深度因子定价贡献 |
| 3.3.3.1 夏普比率提升 |
| 3.3.3.4 异象解释 |
| 3.3.4 深度特征的经济解释 |
| 3.4 小结 |
| 4.公司特征变化的影响 |
| 4.1 长短期记忆循环神经网络 |
| 4.2 公司特征变化隐含的股票预期收益 |
| 4.2.1 LSTM超参数设计 |
| 4.2.2 LSTM实证结果 |
| 4.2.2.1 样本外R方 |
| 4.2.2.2 Diebold-Mariano检验 |
| 4.2.2.3 LSTM十分组收益率 |
| 4.2.2.4 LSTM模型多空组合描述性统计 |
| 4.2.2.5 夏普比率 |
| 4.2.2.6 风险调整后的alpha |
| 4.2.2.7 LSTM模型的驱动特征分析 |
| 4.3 考虑公司特征变化的深度因子模型 |
| 4.3.1 模型表现 |
| 4.3.2 深度因子的定价贡献 |
| 4.3.3 深度特征的经济解释 |
| 4.4 小结 |
| 5.结论 |
| 参考文献 |
| 致谢 |
| 附录 |
| A 公司特征的构建 |
| B 组合收益率表现 |
| C 夏普比率 |
| D 风险调整后α |
| E 公司特征隐含的信息量 |
（3）水质多参数阵列传感器及检测数据校正方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及目的意义 |
| 1.2 国内外研究现状及分析 |
| 1.2.1 水质参数检测方法的研究现状 |
| 1.2.2 电化学传感器的集成微电极研究现状 |
| 1.2.3 电化学传感器的电极修饰材料研究现状 |
| 1.2.4 水质多参数检测数据处理方法的研究现状 |
| 1.3 水质检测研究存在的主要问题 |
| 1.4 本文研究的主要内容 |
| 第2章 微电极传感器的电化学机理及结构设计 |
| 2.1 电化学电极反应机理 |
| 2.1.1 电化学电极过程 |
| 2.1.2 电化学扩散 |
| 2.2 微电极传感器特性分析 |
| 2.3 多参数传感器阵列芯片设计 |
| 2.3.1 多参数传感器阵列芯片设计依据 |
| 2.3.2 微电极结构设计及仿真分析 |
| 2.3.3 微加热器结构设计及仿真分析 |
| 2.3.4 多参数传感器阵列芯片结构设计 |
| 2.4 本章小结 |
| 第3章 微电极传感器及信号采集系统的研制 |
| 3.1 微传感器芯片的研究制备 |
| 3.1.1 芯片制备的工艺流程 |
| 3.1.2 芯片制备的工艺实现 |
| 3.2 微传感器电极修饰 |
| 3.2.1 Ag/AgCl参比电极的制备 |
| 3.2.2 PANI/无机物复合材料的制备 |
| 3.2.3 PANI的合成与表征 |
| 3.2.4 PANI/Cu的合成与表征 |
| 3.2.5 PANI/CuO的合成与表征 |
| 3.2.6 PANI/无机物复合材料修饰传感器电极 |
| 3.3 传感器封装测试腔 |
| 3.4 信号采集系统 |
| 3.4.1 实验装置 |
| 3.4.2 恒电位仪电路设计 |
| 3.4.3 温度传感器及加热器测试 |
| 3.5 本章小结 |
| 第4章 基于微电极阵列传感器的水质多参数检测 |
| 4.1 水质检测参数及实验方法 |
| 4.1.1 水质检测参数 |
| 4.1.2 检测试剂与仪器 |
| 4.1.3 实验方法 |
| 4.2 多参数测试与结果分析 |
| 4.2.1 pH测试与结果分析 |
| 4.2.2 氨氮测试结果与分析 |
| 4.2.3 溶解氧测试结果与分析 |
| 4.3 本章小结 |
| 第5章 水质多参数检测数据校正方法的研究 |
| 5.1 水质多参数检测数据校正的必要性及校正方法分析 |
| 5.1.1 水质多参数检测数据校正的必要性 |
| 5.1.2 校正方法分析 |
| 5.2 BP-ANN多参数检测数据校正模型构建 |
| 5.2.1 BP-ANN原理分析 |
| 5.2.2 BP-ANN数据校正模型构建 |
| 5.3 基于Levenberg-Marquardt的BP-ANN结构优化 |
| 5.3.1 训练函数算法优化 |
| 5.3.2 隐含层节点数优化 |
| 5.4 PSO-LM-ANN多参数检测数据校正模型构建 |
| 5.4.1 PSO算法分析 |
| 5.4.2 PSO-LM-ANN模型优化 |
| 5.5 水质多参数检测数据校正结果分析 |
| 5.6 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的学术论文 |
| 致谢 |
（4）热电联产虚拟电厂协同优化调度研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景与研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 虚拟电厂研究现状 |
| 1.2.2 虚拟电厂不确定性运行优化研究现状 |
| 1.2.3 热电联产虚拟电厂研究现状 |
| 1.3 本文主要内容与章节安排 |
| 第2章 计及不确定性的热电联产虚拟电厂优化调度基础模型 |
| 2.1 引言 |
| 2.2 虚拟电厂系统架构 |
| 2.2.1 虚拟电厂控制模式 |
| 2.2.2 虚拟电厂运行流程 |
| 2.2.3 虚拟电厂关键技术 |
| 2.3 热电联产虚拟电厂优化调度基础模型 |
| 2.3.1 风力发电模型 |
| 2.3.2 光伏发电模型 |
| 2.3.3 热电联产模型 |
| 2.3.4 储能装置模型 |
| 2.3.5 电热泵模型 |
| 2.3.6 需求响应模型 |
| 2.4 不确定性分析 |
| 2.4.1 不确定性分类 |
| 2.4.2 不确定性的描述手段 |
| 2.4.3 不确定的处理方法 |
| 2.5 本章小结 |
| 第3章 基于合作博弈的热电联产虚拟电厂随机优化调度 |
| 3.1 引言 |
| 3.2 热电联产虚拟电厂合作博弈模型 |
| 3.2.1 目标函数 |
| 3.2.2 约束条件 |
| 3.3 热电联产虚拟电厂利润分配策略 |
| 3.3.1 博弈理论基础 |
| 3.3.2 典型的利润分配方法 |
| 3.3.3 改进的夏普利值法 |
| 3.4 算例仿真与结果分析 |
| 3.4.1 算例描述 |
| 3.4.2 求解算法及流程 |
| 3.4.3 结果对比分析 |
| 3.5 本章小结 |
| 第4章 考虑热网特性的热电联产虚拟电厂分布式鲁棒优化调度 |
| 4.1 引言 |
| 4.2 分布式鲁棒模糊集的构建 |
| 4.2.1 分布式鲁棒优化方法 |
| 4.2.2 距离指标 |
| 4.2.3 基于Wasserstein距离的不确定性建模 |
| 4.3 基于分布式鲁棒优化的热电联产虚拟电厂自调度模型 |
| 4.3.1 热电联产虚拟电厂自调度模型 |
| 4.3.2 电网模型 |
| 4.3.3 热网模型 |
| 4.3.4 HOMIE模型 |
| 4.4 分布式鲁棒模型的求解 |
| 4.4.1 目标函数线性化 |
| 4.4.2 分布式鲁棒优化的等价形式 |
| 4.5 算例仿真与结果分析 |
| 4.5.1 系统描述 |
| 4.5.2 数据预处理 |
| 4.5.3 仿真结果 |
| 4.5.4 性能评估 |
| 4.6 本章小结 |
| 第5章 基于数据驱动的热电联产虚拟电厂随机鲁棒优化调度 |
| 5.1 引言 |
| 5.2 基于数据驱动的不确定性模糊集的构建 |
| 5.2.1 狄利克雷混合模型 |
| 5.2.2 变分推断算法 |
| 5.2.3 不确定性模糊集的构造 |
| 5.3 热电联产虚拟电厂两阶段随机鲁棒优化模型 |
| 5.3.1 预调度阶段 |
| 5.3.2 再调整阶段 |
| 5.4 两阶段模型求解方法 |
| 5.4.1 典型的分解算法 |
| 5.4.2 随机鲁棒两阶段问题的求解 |
| 5.5 算例仿真与结果分析 |
| 5.5.1 系统描述 |
| 5.5.2 仿真结果 |
| 5.5.3 性能对比 |
| 5.6 本章小结 |
| 第6章 结论与展望 |
| 6.1 工作总结 |
| 6.2 工作展望 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（5）强干扰熔焊图像鉴别性视觉特征学习（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题来源 |
| 1.2 研究背景与工程问题 |
| 1.2.1 研究背景 |
| 1.2.2 工程问题 |
| 1.3 研究思路与学术问题 |
| 1.3.1 研究思路 |
| 1.3.2 学术问题 |
| 1.4 研究体系 |
| 1.4.1 研究目标 |
| 1.4.2 研究内容 |
| 1.4.3 研究意义 |
| 1.4.4 章节安排 |
| 1.5 本文创新点 |
| 第二章 熔焊图像视觉特征学习体系与方法 |
| 2.1 引言 |
| 2.2 基于特征工程的熔焊图像视觉特征学习 |
| 2.2.1 熔焊图像及视觉特征学习的定义 |
| 2.2.2 基于特征工程的熔焊图像视觉特征学习体系 |
| 2.2.3 基于特征工程的熔焊图像视觉特征学习方法 |
| 2.3 基于深度学习的熔焊图像视觉特征学习 |
| 2.3.1 深度学习的定义与计算学习理论 |
| 2.3.2 基于深度学习的熔焊图像视觉特征学习体系 |
| 2.3.3 基于深度学习的熔焊图像视觉特征学习方法 |
| 2.4 基于深度学习的熔焊图像视觉特征学习方法研究 |
| 2.4.1 面向时序特征的深度学习方法 |
| 2.4.2 面向深度学习的模型轻量化 |
| 2.4.3 面向深度学习的视觉注意力机制 |
| 2.4.4 面向细粒度图像识别的深度学习方法 |
| 2.4.5 面向深度学习的模型可解释性 |
| 2.5 本章小结 |
| 第三章 融合时序数据的强干扰熔焊图像视觉特征学习 |
| 3.1 引言 |
| 3.2 针对熔焊图像数据的问题分析 |
| 3.3 改进的三维卷积神经网络 |
| 3.4 三维可分离卷积 |
| 3.5 多维注意力机制 |
| 3.5.1 时空注意力 |
| 3.5.2 通道注意力 |
| 3.6 算法验证 |
| 3.6.1 实验安排 |
| 3.6.2 结果分析 |
| 3.7 本章小结 |
| 第四章 面向细粒度熔焊图像的鉴别性视觉特征学习 |
| 4.1 引言 |
| 4.2 针对熔焊图像特征的问题分析 |
| 4.3 面向熔焊图像差异性视觉特征学习的粗粒度参数正则化 |
| 4.3.1 粗粒度参数正则化方法 |
| 4.3.2 粗粒度参数正则化梯度计算 |
| 4.3.3 算法验证 |
| 4.4 面向熔焊图像鉴别性视觉特征学习的标签语义注意力 |
| 4.4.1 标签语义注意力机制 |
| 4.4.2 图像视觉特征表示 |
| 4.4.3 标签语义特征表示 |
| 4.4.4 标签语义注意力生成 |
| 4.4.5 算法验证 |
| 4.5 基于长短时记忆神经网络的冗余性熔焊图像视觉特征融合 |
| 4.5.1 CNN-LSTM方法总体框架 |
| 4.5.2 基于LSTM的冗余性熔焊图像视觉特征融合机制 |
| 4.5.3 算法验证 |
| 4.6 总体验证 |
| 4.7 本章小结 |
| 第五章 熔焊图像特征学习模型的视觉可解释性 |
| 5.1 引言 |
| 5.2 针对熔焊图像特征学习模型的问题分析 |
| 5.3 融合多尺度特征的视觉可解释性模型 |
| 5.4 多尺度特征学习及表示 |
| 5.5 多尺度特征自适应融合 |
| 5.5.1 特征压缩 |
| 5.5.2 特征映射 |
| 5.5.3 特征重标定 |
| 5.6 基于多尺度融合特征的类激活映射 |
| 5.7 算法验证 |
| 5.8 本章小结 |
| 第六章 案例验证 |
| 6.1 引言 |
| 6.2 验证方案设计 |
| 6.3 实验数据 |
| 6.3.1 熔化极气体保护焊接 |
| 6.3.2 激光焊接 |
| 6.4 验证结果分析 |
| 6.4.1 3DSMDA-Net方法验证 |
| 6.4.2 CGRCK方法验证 |
| 6.4.3 LSA方法验证 |
| 6.4.4 CNN-LSTM方法验证 |
| 6.4.5 CAM-MSFF方法验证 |
| 6.5 本章小结 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 攻读博士学位期间取得的成果 |
| 一、学术论文 |
| 二、发明专利 |
| 三、科研项目 |
| 四、荣誉奖励 |
| 致谢 |
（6）HSK中级对摩洛哥汉语教与学反拨效应的实证研究 ——以摩洛哥哈桑二世大学孔子学院为例（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 选题缘由 |
| 1.2 研究背景 |
| 1.2.1 摩洛哥的语言现状 |
| 1.2.2 哈桑孔院的汉语教学现状 |
| 1.3 研究设计 |
| 1.3.1 研究范围 |
| 1.3.2 研究问题 |
| 1.3.3 研究对象 |
| 1.3.4 研究方法 |
| 1.4 研究意义 |
| 第二章 文献综述 |
| 2.1 语言测试及其反拨效应相关研究 |
| 2.1.1 语言测试及其反拨效应相关介绍 |
| 2.1.2 反拨效应的概念 |
| 2.1.3 反拨效应的相关研究 |
| 2.2 HSK相关研究 |
| 2.2.1 HSK介绍及研究分类 |
| 2.2.2 HSK反拨效应相关研究 |
| 2.3 本章小结 |
| 第三章 调查结果简述 |
| 3.1 学生调查结果简述 |
| 3.1.1 学生调查问卷结果 |
| 3.1.2 学生访谈结果 |
| 3.2 教师调查结果简述 |
| 3.2.1 教师调查问卷结果 |
| 3.2.2 教师访谈结果 |
| 第四章 HSK中级对摩洛哥汉语教与学的反拨效应 |
| 4.1 HSK中级对摩洛哥汉语学习者的影响 |
| 4.1.1 对学习动机和学习态度的影响 |
| 4.1.2 对学习内容和学习策略的影响 |
| 4.1.3 对学习结果的影响 |
| 4.2 HSK中级对摩洛哥汉语教学的影响 |
| 4.2.1 对汉语教师的影响 |
| 4.2.2 对哈桑孔院汉语教学的影响 |
| 4.3 影响HSK中级反拨效应强度的因素 |
| 4.3.1 学生方面 |
| 4.3.2 教师方面 |
| 4.3.3 孔院方面 |
| 第五章 结语 |
| 5.1 本研究的主要结论 |
| 5.2 对摩洛哥汉语教与学的建议 |
| 5.2.1 对汉语学习者的建议 |
| 5.2.2 对摩洛哥汉语教师的建议 |
| 5.2.3 对摩洛哥哈桑二世大学孔子学院的建议 |
| 5.3 本研究的不足及展望 |
| 参考文献 |
| 附录一:调查问卷学生中文版 |
| 附录二:调查问卷学生法语版 |
| 附录三:调查问卷教师版 |
| 附录四:学生访谈提纲 |
| 附录五:教师访谈提纲 |
（7）星载红外高光谱传感器温度廓线反演综述（论文提纲范文）
| 1 引言 |
| 2 星载红外高光谱传感器发展 |
| 2.1 国外进展 |
| 2.1.1 天底探测传感器 |
| 2.1.2 掩星探测传感器 |
| 2.1.3 临边探测传感器 |
| 2.2 国内进展 |
| 2.2.1 风云系列卫星 |
| 2.2.2 高分系列卫星 |
| 3 大气温度廓线反演算法进展 |
| 3.1 大气辐射传输 |
| 3.1.1 天底观测辐射传输方程 |
| 3.1.2 掩星和临边观测辐射传输方程 |
| 3.2 温度反演算法 |
| 3.2.1 统计回归反演 |
| 3.2.2 物理反演 |
| 3.2.3 人工神经网络反演 |
| 3.3 反演过程中的关键问题 |
| 3.3.1 云和气溶胶的影响 |
| 3.3.2 地表反射率影响 |
| 4 误差分析 |
| 4.1 平滑误差 |
| 4.2 模型参数误差 |
| 4.3 测量误差 |
| 5 结语 |
（8）基于热环境效益的广州地区建筑垂直绿化设计研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 相关概念界定及释意 |
| 1.2.1 热环境效益 |
| 1.2.2 建筑垂直绿化 |
| 1.3 研究现状及文献综述 |
| 1.3.1 热环境效益 |
| 1.3.2 建筑与垂直绿化的一体化设计 |
| 1.3.3 建筑垂直绿化对热环境的研究现状 |
| 1.3.4 综述小结 |
| 1.4 研究内容与方法 |
| 1.4.1 研究目的与内容 |
| 1.4.2 研究方法 |
| 1.4.3 研究技术路线 |
| 1.5 本章小结 |
| 第二章 建筑垂直绿化实验设计 |
| 2.1 建筑垂直绿化墙试验台搭建 |
| 2.1.1 搭建需解决的问题 |
| 2.1.2 实验房概述 |
| 2.1.3 建筑垂直绿化墙实验实施 |
| 2.1.4 实验相关测试参数 |
| 2.2 建筑垂直绿化的实验方案设计 |
| 2.2.1 实验目的与内容 |
| 2.2.2 实验测试仪器 |
| 2.2.3 实验测点布置方案 |
| 2.2.4 实验工况设计与安排 |
| 2.2.5 垂直绿化遮阳率的测定 |
| 2.3 本章小结 |
| 第三章 建筑垂直绿化对热环境效益的影响 |
| 3.1 前期准备实验 |
| 3.1.1 叶面积指数(LAI)的测定 |
| 3.1.2 实验房验证实验分析 |
| 3.2 建筑垂直绿化对热环境效益影响的实测 |
| 3.2.1 建筑垂直绿化的遮阳效果实测分析 |
| 3.2.2 建筑垂直绿化的降温增湿效果实测分析 |
| 3.2.3 建筑垂直绿化的隔热效果实测分析 |
| 3.2.4 建筑垂直绿化的控风效果实测分析 |
| 3.3 自然通风对热环境效益影响的实测 |
| 3.3.1 自然通风对降温增湿效果的影响 |
| 3.3.2 自然通风对隔热效果的影响 |
| 3.3.3 自然通风对控风效果的影响 |
| 3.4 绿化覆盖率对热环境效益影响的实测 |
| 3.4.1 绿化覆盖率对遮阳效果的影响 |
| 3.4.2 绿化覆盖率对降温增湿效果的影响 |
| 3.4.3 绿化覆盖率对隔热效果的影响 |
| 3.4.4 绿化覆盖率对控风效果的影响 |
| 3.5 布局方式对热环境效益影响的实测 |
| 3.5.1 布局方式对遮阳效果的影响 |
| 3.5.2 布局方式对降温增湿效果的影响 |
| 3.5.3 布局方式对隔热效果的影响 |
| 3.5.4 布局方式对控风效果的影响 |
| 3.6 相关性分析 |
| 3.7 本章小结 |
| 第四章 建筑垂直绿化对热环境效益的数值模拟研究 |
| 4.1 ENVI-met数值模拟软件简介 |
| 4.2 数值模拟方法 |
| 4.2.1 ENVI-met模拟说明与参数设置 |
| 4.2.2 ENVI-met模型模拟精度评价 |
| 4.3 模拟方案设计 |
| 4.3.1 正交试验因素水平 |
| 4.3.2 模拟工况确定 |
| 4.3.3 模拟的参数设置 |
| 4.4 点状建筑垂直绿化试验因素的模拟分析 |
| 4.4.1 全天时段6:00~18:00 |
| 4.4.2 上午时段6:00-10:00 |
| 4.4.3 中午时段11:00-14:00 |
| 4.4.4 下午时段15:00-18:00 |
| 4.4.5 小结 |
| 4.5 线和面状建筑垂直绿化试验因素的模拟分析 |
| 4.5.1 横向建筑垂直绿化试验因素的影响分析 |
| 4.5.2 竖向建筑垂直绿化试验因素的影响分析 |
| 4.5.3 面状建筑垂直绿化试验因素的影响分析 |
| 4.5.4 多元线性模型 |
| 4.6 基于热环境效益的建筑垂直绿化设计 |
| 4.6.1 结合建筑形态外观,选用适宜构图方式 |
| 4.6.2 充分利用空间环境,提高绿化覆盖率 |
| 4.6.3 结合环境气候特点,选择合适的植物 |
| 4.6.4 结合室内的舒适性,强化建筑自然通风 |
| 4.6.5 适当保留空气间层宽度 |
| 4.7 本章小结 |
| 第五章 总结与展望 |
| 5.1 本文主要结论 |
| 5.2 本文不足之处 |
| 5.3 本文展望所在 |
| 参考文献 |
| 附录一 T型热电偶标定温度及相关性分析表 |
| 附录二 建筑垂直绿化的模拟试验结果 |
| 附录三 ENVI-met模型建模参数与模拟云图 |
| 附录四 硕士研究生期间学术论文发表 |
| 致谢 |
（10）硫酯酶半理性设计及其在大肠杆菌合成中链脂肪酸中的应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 微生物脂肪酸合成途径 |
| 1.1.1 脂肪酸生物合成简介 |
| 1.1.2 大肠杆菌II型脂肪酸合成途径 |
| 1.1.3 酵母I型脂肪酸合成途径 |
| 1.1.4 人工脂肪酸合成途径 |
| 1.2 大肠杆菌中链脂肪酸合成研究进展 |
| 1.2.1 优化人工脂肪酸途径 |
| 1.2.2 聚焦脂肪酸合成链长控制的关键酶 |
| 1.2.2.1 酮酰合酶 |
| 1.2.2.2 Acyl-ACP硫酯酶 |
| 1.2.3 减轻中链脂肪酸对菌体的抑制效应 |
| 1.2.3.1 菌株的定向改造 |
| 1.2.3.2 工程菌株的适应性进化 |
| 1.3 Acyl-ACP硫酯酶的研究现状 |
| 1.3.1 硫酯酶家族简介 |
| 1.3.2 硫酯酶催化机制研究 |
| 1.3.2.1 以TesA为代表SGNH家族硫酯酶 |
| 1.3.2.2 以UcFatB为代表Hotdog折叠硫酯酶 |
| 1.3.3 硫酯酶分子改造的研究进展 |
| 1.3.3.1 基于脂肪酸感应的方法提高酶催化活性 |
| 1.3.3.2 计算机辅助的底物选择性改造 |
| 1.3.3.3 结构域重组改变底物选择性 |
| 1.4 本论文立体依据、目的和意义 |
| 第二章 硫酯酶‘TesA底物选择性的半理性设计 |
| 2.1 引言 |
| 2.2 材料与方法 |
| 2.2.1 实验仪器、试剂与溶液 |
| 2.2.1.1 主要仪器 |
| 2.2.1.2 主要试剂 |
| 2.2.1.3 主要溶液 |
| 2.2.2 菌株、质粒和引物 |
| 2.2.3 培养基及培养条件 |
| 2.2.4 DNA的提取、纯化 |
| 2.2.5 基因的扩增 |
| 2.2.6 DNA酶切反应 |
| 2.2.7 DNA连接反应 |
| 2.2.8 大肠杆菌化学感受态的制备及DNA转化 |
| 2.2.9 大肠杆菌电转化感受态的制备及DNA转化 |
| 2.2.10 重组蛋白的诱导表达 |
| 2.2.11 含组氨酸标签重组蛋白的纯化 |
| 2.2.12 蛋白浓度测定 |
| 2.2.13 硫酯酶96 孔板的诱导表达与活力检测 |
| 2.2.14 Acyl-ACP底物的酶法制备 |
| 2.2.15 硫酯酶acyl-ACP底物的活性检测 |
| 2.3 结果与讨论 |
| 2.3.1 硫酯酶‘TesA表达载体的构建与蛋白表达 |
| 2.3.2 硫酯酶‘TesA96孔板活性检测方法的建立 |
| 2.3.3 定点饱和突变测试酰基结合口袋残基的突变效应 |
| 2.3.4 活性中心饱和测试提升底物选择性 |
| 2.3.5 TCSM技术等技术重组优异突变 |
| 2.3.6 硫酯酶对acyl-ACP底物的选择性表征 |
| 2.4 本章小结 |
| 第三章 ‘TesA突变体中链脂肪酸合成能力的测试 |
| 3.1 引言 |
| 3.2 材料与方法 |
| 3.2.1 实验仪器、试剂与溶液 |
| 3.2.2 菌株、质粒和引物 |
| 3.2.3 培养基及培养条件 |
| 3.2.4 大肠杆菌PCR-Targeting基因敲除方法 |
| 3.2.5 脂肪酸合成工程菌的摇瓶发酵 |
| 3.2.6 脂肪酸合成工程菌的高密度发酵 |
| 3.2.7 脂肪酸合成工程菌的适应性进化 |
| 3.2.8 脂肪酸的提取与酯化 |
| 3.2.9 脂肪酸甲酯的GC定量分析 |
| 3.3 结果与讨论 |
| 3.3.1 大肠杆菌脂肪酸合成工程菌的构建 |
| 3.3.2 脂肪酸摇瓶发酵条件的优化 |
| 3.3.2.1 启动子优化 |
| 3.3.2.2 诱导温度与发酵时间的优化 |
| 3.3.3 ‘Tes A变体的脂肪酸产物谱测定 |
| 3.3.4 补料发酵高效合成中链脂肪酸 |
| 3.3.5 菌株适应性进化提高对辛酸的耐受能力 |
| 3.3.5.1 摇瓶传代培养 |
| 3.3.5.2 微液滴传代培养 |
| 3.4 本章小结 |
| 第四章 硫酯酶‘TesA底物选择性机制的研究 |
| 4.1 引言 |
| 4.2 材料与方法 |
| 4.2.1 实验仪器与试剂 |
| 4.2.2 高纯度蛋白的制备 |
| 4.2.3 ‘TesA突变体结晶与数据收集 |
| 4.2.4 分子对接与动力学模拟 |
| 4.3 结果与讨论 |
| 4.3.1 ‘TesA及突变体结构的比较分析 |
| 4.3.2 ‘TesA突变体底物选择性转变的分子机制分析 |
| 4.3.3 ‘TesA突变体对体内脂肪酸产物谱的调节 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 主要结论 |
| 5.2 创新点 |
| 5.3 研究展望 |
| 参考文献 |
| 附录Ⅰ 缩略词 |
| 附录Ⅱ 启动子序列 |
| 攻读博士学位期间的研究成果 |
| 攻读博士学位期间参与的项目 |
| 致谢 |
四、TES模拟训练系统的设计（论文参考文献）
- [1]考虑需求响应的微电网及多综合能源系统参与电力市场优化调度策略[D]. 朱云杰. 太原理工大学, 2021
- [2]基于深度学习的资本资产定价研究[D]. 江聪. 江西财经大学, 2021(10)
- [3]水质多参数阵列传感器及检测数据校正方法研究[D]. 王鑫. 哈尔滨理工大学, 2021(01)
- [4]热电联产虚拟电厂协同优化调度研究[D]. 于松源. 华北电力大学(北京), 2021(01)
- [5]强干扰熔焊图像鉴别性视觉特征学习[D]. 刘天元. 东华大学, 2021
- [6]HSK中级对摩洛哥汉语教与学反拨效应的实证研究 ——以摩洛哥哈桑二世大学孔子学院为例[D]. 刘作敏. 上海外国语大学, 2021(12)
- [7]星载红外高光谱传感器温度廓线反演综述[J]. 曹西凤,李小英,罗琪,刘双慧,李鹏,刘欣. 遥感学报, 2021(02)
- [8]基于热环境效益的广州地区建筑垂直绿化设计研究[D]. 李庆良. 广州大学, 2020
- [9]教育部关于印发普通高中课程方案和语文等学科课程标准（2017年版2020年修订）的通知[J]. 教育部. 中华人民共和国教育部公报, 2020(06)
- [10]硫酯酶半理性设计及其在大肠杆菌合成中链脂肪酸中的应用[D]. 邓茜. 上海交通大学, 2020(01)