水热合成生物炭/类水滑石复合材料对磷吸附性能研究

以小麦秸秆生物炭作为类水滑石的载体，采用水热合成法制备出生物炭锌钴水滑石复合材料(BC@Zn/Co-LDHs),并研究材料投加量、吸附时间、污染物初始浓度、pH和温度等条件对P吸附性能的影响。研究结果表明：BC@Zn/Co-LDHs材料对P的吸附动力学过程符合准二级动力学模型，等温吸附过程符合Freundlich模型，属于多层吸附；在pH为6.00,材料投加量为1.0 g/L,磷酸根浓度为30mg/L,吸附时间为60 min时，BC@Zn/Co-LDHs复合材料对P的吸附效果最好，去除率为92.98%。     

基于物理信息神经网络的气动数据融合方法

为了解决训练传统深度神经网络对大数据的依赖问题，气动数据中包含的物理结构信息需要被充分利用。物理信息神经网络（physics-informed neural network, PINN）是一种非监督的学习算法，采用深度神经网络直接逼近流场偏微分方程的解，因此适用于气动数据的建模。然而训练PINN时，损失函数反映的是抽样点处神经网络所拟合的偏微分方程值的偏差，对于复杂的非线性偏微分方程，这一偏差不能准确反映神经网络所拟合的函数与微分方程解函数的偏差，而且用神经网络拟合初始条件和边界条件时，不可避免存在拟合误差，误差随空间和时间累计，这使PINN的建模精度相比传统的模型没有优势。为了解决这些问题，本文把PINN与流场的计算流体动力学（Computational Fluid Dynamics, CFD）仿真结果进行融合，在流场抽样点处的损失函数中增加了PINN在该点的输出与流场在该点的CFD值偏差，从而提高了神经网络的建模精度。根据CFD仿真时使用的模型，融合方式采用瞬时模式或时均模式。测试结果表明该方法能够有效提高PINN的建模精度。     

初始飞行学员心理压力评估与管理方法分析

心理压力对飞行员的工作效率和安全具有重要的影响。初始飞行学员在学飞阶段面临的心理压力更加显著，因此评估其心理压力水平并制定相应的心理压力管理措施尤为重要。本文分析初始飞行学员心理压力的来源和评估方法，着重讨论了主观测评法、绩效测评法和生理测评法三种常用的评估方法的优势和不足。此外，还结合民航管理的实际需求，讨论了初始飞行学员心理压力管理方法目前存在的不足和改进方法，展望了未来可供探索的研究方向，以期有效提高飞行员的工作效率和安全水平。