本发明涉及一种高效选择性捕获三价铬离子的复合膜及其制备方法。所述复合膜由聚醚砜（PES）基膜、锌离子与生物分子自组装层以及ZIF‑8金属有机框架层组成。其制备方法包括：通过邻苯三酚与氨基酸协同改性PES基膜表面，形成稳定的负电荷层；利用静电作用将锌离子与生物分子自组装于改性膜表面，并以此为基底原位生长ZIF‑8层。该复合膜通过ZIF‑8的孔隙限域效应及表面官能团配位作用，实现对Cr3+的高效捕获，吸附容量提升，截留率超过99%，且在复杂共存离子体系中表现出优异的选择性吸附性能。

本发明涉及多肽合成技术领域，具体涉及一种从2‑氯三苯甲基氯树脂中绿色切割保护肽的方法。本发明所述的方法包括如下步骤：在2‑氯三苯甲基氯树脂上，按照多肽肽序依次连接氨基酸，得到树脂肽；将切割液与所述的树脂肽混合，实现树脂肽中保护肽的切割；其中所述的切割液为弱酸溶液。所述的弱酸溶液包括甲酸溶液、乙酸溶液或乳酸溶液中的任意一种，均为绿色有机酸，所述的弱酸溶液的溶剂也是绿色溶剂，本发明所述的方法切割效率高，同时能保持98%以上的肽链结构完整性，同时本发明还利用了连续流切割树脂肽，进一步提高了切割效率。

目前，国内各类学校电工、模拟、数字电路、电气控制实验大多是分体的，也有部分学校根据教学要求自制各种形式的实验设备，由于加工量少，受自身加工能力的限制，加工工艺粗糙，功能不全，满足不了实验要求，也容易发生人身及设备事故，且实验元器件繁多难购置、难以管理，很难开出实验大纲规定的实验。基此，我厂吸取德国及国内同类产品的优点，结合我国高教，职教教学大纲要求而研制本系列产品。   本系列产品的特点: 实验台具有较完善的安全保护措施，较齐全的功能。实验操作桌中央配有通用电路插扳，电路插板注塑而成，表面均布有九孔成一组相互联通的插孔，元件盒在其上任意拼插成实验电路；元件盒盒体透明，直观性好，盒盖印有永不褪色元件符号，线条清晰美观。盒体与盒盖采用较科学的压卡式结构，维修、更换元件拆装方便。元器件放置在实验操作桌下边左右柜内，实验时取存方便，大大提高了管理水平，规划化程度，大大减轻了教师实验准备工作。 适用范围： 适用于高等院校及要求较高的中专、技校、职业学校，可完成电工学、电工原理、电路分析、模拟电子技术、数字电路，电气控制设备等课程实验。该设备是现有实验室设备的更新换代或新建、扩建实验室的理想产品，它的配备是学校上水平、上等级的重要标志。 本系列设备实验台和实验操作桌结构和功能相同： 1、实验台构成与性能: 1.1. 电源及参数 1.1.1 输入电源:三相四线电源，输入时指示灯亮（SBK－528模电、数电实验室成套设备为单相三线输入） 1.1.2 电源输出：有保险丝和漏电保护开关二级保护功能。 A组:单、三相可调交流电源，提供三相0～430V连续可调的交流电源，同时可得到0～240V单相可调电源(配有一台1.5KVA的三相自耦调压器，配有三只指针式交流电压表，指示调压器输出电压)。注：SB－2003B模电、数电实验室成套设备无三相调压输出，改为一台0.5KVA单相0－250V输出。 B组：低压交流电压3－24V分七档可调，最大输出电流1.5A，电流表指示。 C组：低压直流稳压电源，电压5V，电流0.5A，电流表指示。 D组:双路恒流稳压电源，二路输出电压均为0～30V，由多圈电位器连续调节，具有预设式限流过载保护功能，输出最大电流为1.5A，每路电源输出有0.5级数字电流表、电压表指示。电压稳压度

我校理学院大数据研究团队在人工智能与大数据处理技术研究方面取得系列进展，研究成果分别发表在IEEE Transactions on Neural Networks and Learning Systems、IEEE Transactions on Cybernetics和Information Sciences三大人工智能顶级期刊。神经网络是人工智能领域中目前最为火热的研究方向——深度学习的架构基础。虽然深度学习在近几年发展迅速，但是关于如何设计最优神经网络架构的问题仍处于探索阶段。该团队分别针对人工智能中神经网络结构复杂、高维大规模数据存在无效和冗余特征、难以获取长时序信息等问题与缺陷，设计出了一系列网络结构优化、大数据特征选择和时序循环神经网络模型，有效改善了上述不足，提高了人工智能模型的学习性能。 题目为《带Group Lasso惩罚与控制冗余的神经网络特征选择》（Feature Selection using a Neural Network With Group Lasso Regularization and Controlled Redundancy）的研究论文发表在人工智能领域权威国际期刊IEEE Transactions on Neural Networks and Learning Systems。王健副教授和博士生张华清为该论文共同第一作者， 我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项工作得到国家自然科学基金、国家科技重大专项、山东自然科学基金、中央高校基本科研业务费、中国石油天然气集团公司重大科技项目以及山东省高校青年创新科技支撑计划的资助。 特征选择技术也称属性选择，是指从原始特征或属性中选择出最有效的特征或属性以降低数据维度的过程，它是人工智能数据预处理环节的重要步骤，也是大数据处理技术的重要环节。该项工作在神经网络中嵌入Group Lasso惩罚项并实现特征冗余控制，在选出对解决问题最有帮助、蕴含信息量最大的特征或属性的同时，控制所选特征子集的冗余程度，以达到降维的最优效果，从而使模型的泛化能力更强，降低神经网络模型产生过拟合的风险。 题目为《基于L1正则化的神经网络结构优化模型设计与分析》（Learning Optimized Structure of Neural Networks by Hidden Node Pruning With L1Regularization）的研究论文发表在国际人工智能领域权威期刊IEEE Transactions on Cybernetics。硕士生谢雪涛和博士生张华清为论文共同第一作者，王健副教授为通讯作者，我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项研究成果得到了国家自然科学基金、山东省自然科学基金和中央高校基本科研业务费的资助。 该项工作借助L1正则子具有的稀疏表达能力，提出两种神经网络结构优化学习模型；本项工作另外一个突出贡献就是提出了一种简单且具有通用性的收敛性证明方法，同时保证了模型设计的合理性。实验结果表明所提出模型具有强大的鲁棒性、广泛的适用性、理想的剪枝能力和良好的泛化能力，适用处理高维大数据。该研究成果在人工智能与深度学习构造最简网络结构方面具有很强的指导作用和应用推广价值。

该研究采用污水处理厂改造前后的运行数据，对传统活性污泥法和膜生物反应器（MBR）两种污水处理工艺进行技术经济上的严格配对比较研究，对比分析污水处理厂采用两种工艺时的成本能耗、净利润和技术效率，采用敏感性分析评价计算结果的可靠性，为污水处理工艺的选择和应用提供技术经济方面的理性参考。

本发明公开了三角褐指藻的一种开放式培养方法及其专用培养基。本发明所提供的培养基命名为ZBPT，其配方为：硝酸钠，135-165mg；磷酸二氢钾，32-38mg；硅酸钠，215-255mg；碳酸氢钠，400-500mg；碘化钾，400-1000mg；f/2微量元素溶液，1ml；改良f/2维生素溶液，1ml；海水定容至1000ml。应用本发明所提供的培养基培养三角褐指藻的方法，包括如下步骤：1)用海水配置培养基；2)三角褐指藻藻种密度为3×105细胞/毫升，按与培养基体积比为1:5-9的比例将三角褐指藻接种到培养基中，在19-25℃，光照强度3000-6000Lux，光照时间8-12h/天条件下通气培养。本发明的ZBPT培养基有利于三角褐指藻生物量的积累，并能有效防治绿藻污染，可在开放环境中大规模培养三角褐指藻，具有重要的应用价值。