我们研究了在大型强子对撞机（LHC）上弱耦合到标准模型字段的伪标量的类轴标粒子（ALP）的发现潜力。 我们的重点是耦合到电磁场的ALP，这会引起逐光的异常散射。 在质子碰撞和重离子碰撞中，大型强子对撞机在超外围碰撞中光子对的集中独家生产中，可以直接探究这一点。 我们考虑了LHC的非标准碰撞模式，例如sNN = 7 TeV时的氩-氩碰撞和sNN = 8.16 TeV时的质子-铅碰撞，以访问参数空间中与先前考虑的铅-铅互补的区域 和质子-质子碰撞。 此外，我们表明，使用激光束相互作用，我们可以将ALP限制为由异常的逐光散射效应引起的折射率的共振偏差。 如果我们结合上述方法，则可以在从eV规模到TeV规模的各种质量范围内探测ALP。

轴突样颗粒（ALP）的存在会引起光的反常散射。 可以在大型强子对撞机上探测此过程，即使用前向质子探测器标记尚存的质子，从而在质子-质子碰撞中集中生产光子对。 使用详细的模拟，我们估计了各种质量的ALP-光子耦合的预期边界。 我们表明，对于600 GeV以上的质量，特别是对于600 GeV和2 TeV之间的共振ALP生产，建议的搜索具有竞争性并与其他对撞机边界互补。 我们的结果对于CP甚至标量也有效，并且搜索的效率与ALP的宽度无关。

解决强CP问题的PQ机制和解释中微子质量小的跷跷板机制可能以PQ对称破坏规模和跷跷板规模起源于共同点的方式联系在一起。 取决于如何实现PQ对称性和跷跷板机制，人们对颜色和电磁异常的预测不同，可以在将来的轴突暗物质搜索实验中进行测试。 因此，我们构建了各种PQ跷跷板模型，这些模型从（非）超对称标准模型中得到了最小限度的扩展，因此与标准KSVZ和DFSZ模型相比，在轴-光子-光子耦合上设置了不同的基准点。

针对淮南潘谢矿区新生界下含松散孔隙水与石炭系太原组石灰岩岩溶裂隙水水质接近的特殊情况,提出了基于GIS和水质水温的矿井突水水源快速判别方法。该法是利用测温钻孔的温度-深度拟合结果,构建基于GIS的利用水温识别突水水源的模型,并将其判别结果与基于水质的模糊综合评判计算的结果相结合,综合判别矿井突水水源。本法应用于潘一煤矿86-1号突水判别,实例结果显示,该法可以较好地适用于水质判别效果不佳,而含水层之间存在较大的地温差(埋深差)情况下的突水水源识别。

针对突水模型试验中对传感器的特殊要求,基于光纤布拉格光栅(FBG)技术,研制了新型的光纤光栅位移、应力、渗压和温度传感器。所研制的光纤光栅传感器不仅体积小、精度高,而且性能稳定、读数可靠,完全满足突水条件下实时采集数据的要求。在矿井突水模型试验中,将各传感器预埋于模型内部关键位置,成功地实现了对突水过程多场信息的实时监测。试验结果揭示了矿井突水前兆特征,说明了新型光纤传感器在突水模型试验中的有效性和可行性。

树突状细胞介导的炎症免疫反应在载脂蛋白E基因敲除小鼠动脉粥样硬化中的作用，黄榕翀，张术，目的 以载脂蛋白E基因敲除小鼠（ApoE-/-）小鼠为动脉粥样硬化（Atherosclerosis， AS）模型观察树突状细胞（Dendritic cells, DCs）介导的炎症免�

 在煤矿开采过程中，矿井水害事故频繁发生。为快速准确地找出矿井突水水源，降低矿井突水给煤矿生产带来的危害，以赵各庄矿为例，运用独立性权系数与模糊可变理论相结合的方法，选取了Na+，Ca2+，Mg2+，Cl–，SO2– 4和HCO– 36种水化学指标，对赵各庄矿的20组水样数据进行分析计算。结果表明：独立性权系数–模糊可变理论模型排除了水样中各指标间冗余信息的影响，克服了水样各变量间权重难以确定以及变量对水质影响不均匀的问题，可在一定程度上保证突水水源识别模型的准确度；Cl–权重值远大于其他各项化学指标的权重值，即Cl– 对突水水源的识别结果影响较大；采用本文所建模型判别赵各庄矿的8组测试水样，判别准确率达87.5%，表明该模型在矿井突水水源识别中具有重要参考价值。

对深部矿井红阳二矿瓦斯突出防治中的难题进行了分析,针对井下条件开展了水力压裂增透防突技术研究。对水力压裂钻孔注水量、注水压力、钻孔布孔方式等参数进行了设计,通过考察注水时间、保压效果等参数对水力压裂注水效果,提出了影响水力压裂注水效果的关键因素;通过水力压裂后压裂影响范围内3个关键区域瓦斯抽采量与未压裂区域的对比考察,对水力压裂增透范围和增透效果进行了分析。从增透范围和增透效果看,水力压裂技术提高了煤层透气性,增加了煤层瓦斯抽采量,加快了煤层消突速度,保证了煤矿的采掘接替和安全生产,对相似条件的深部矿井瓦斯突出防治工作具有较好的借鉴作用。

针对矿井突水事故的预测问题,提出一种基于极限学习机(Extreme Learning Machine,ELM)的矿井突水水源识别新方法。该方法是一种单隐含层前馈神经网络学习算法,在训练过程中无需调整初始连接权值和阈值,只需要设置隐含层神经元个数即可获得最优解。以梧桐庄煤矿水质为例,通过MATLAB仿真证实,该方法不仅克服了常规BP神经网络受初始权值和阈值影响的缺陷,而且识别精度更高;在突水预测方面有很好的应用前景。

以非线性预测评价为基础,采用BP神经网络模型,利用遗传算法优化网络初始权值和阈值,建立一个新的煤矿底板突水危险性预测的网络模型,通过收集不同突水矿井的资料,综合考虑多种影响底板突水的因素。运用Matlab编程对网络原始数据进行训练,并对不同工作面底板是否突水及突水量进行预测分析,结果表明,该模型收敛速度快、预测精确度高,且具有较强的泛化能力。