尼氟灭酸对CCI模型鼠DRG神经元GABA介导膜电流的影响

为观察尼氟灭酸(NFA)对坐骨神经慢性压迫损伤(CCI)所导致的神经病理性痛大鼠的背根神经节(dorsal root ganglion,DRG)神经元上GABAA受体激活电流的影响,探讨尼氟灭酸在神经病理性疼痛时在脊髓水平的作用及可能机制。采用如下方法:(1)制作CCI模型。(2)运用热板实验检测CCI组、假手术组术侧下肢热缩足反射潜伏期的变化。(3)运用全细胞膜片钳技术记录CCI模型组术侧、假手术组术侧、正常组DRG神经元上GABAA受体激活电流的幅度。(4)记录尼氟灭酸对正常组和CCI组术侧DRG神经元上GABAA受体激活电流的调节作用。结果显示,(1)CCI组术侧下肢热缩足反射潜伏期明显缩短。(2)GABA(1~1000μmol/L)可以使DRG神经元产生浓度依赖的内向电流(P0.05,n=10)。(3)CCI组1~100μmol/L GABA激活电流幅值显著小于假手术组和正常对照组(P0.01,n=6)。假手术组和正常对照组GABA电流差异无统计学意义。(4)NFA(1~100μmol/L)对正常组、CCI组的DRG神经元上GABA激活的电流均有抑制作用,该抑制作用具有浓度依赖性,且正常组的抑制作用更明显(P0.01,n=5)。由此可知,NFA对CCI模型大鼠DRG神经元GABA激活电流的抑制作用相比较正常组有所减弱,这可能是由于CCI模型的DRG神经元上钙激活氯通道的数量增加。     

梯形分布荷载下地基附加应力计算方法

文章采用布辛奈斯克(J.V.Boussinesq)解,通过积分法推导出梯形分布荷载下地基附加应力计算公式,利用该公式可以通过改变初始条件,导出矩形及三角形等荷载形式下地基附加应力计算公式,解决了土力学教材中计算公式过于分散和复杂的特点,其推导结果具有一定的实用价值,适应程序化计算。     

变形系数相关的最小二乘匹配算法

对在图像匹配中被广泛使用的最小二乘算法进行了改进．最小二乘算法精度高,但收敛速度很慢．根据图像中除少数高度变化不连续的区域外,大多数区域的变形参数都是连续变化且平缓这一特点,在最小二乘算法的迭代过程中,变形参数初始值视情况取前面的结果．实验表明,这一改进大大提高了最小二乘匹配算法的计算速度,同时保持了其精度和匹配率     

镜象电荷的分布

本文指出象电荷与原电荷的分布形式可以不相同;象电荷的分布不唯一。     

跳变值的研究

着重研究了当系统在奇异函数激励下,如何根据微分方程式去确定跳变值,从而进一步求出系统的响应     

原位静压试验中预应力空心板楼面的挠度控制

阐述了预应力空心板楼面的静荷原位试验方法,并将试验中所测得的挠度值与采用线弹性方法计算的该楼面在静荷作用下的挠度值进行了比较和分析．结果表明原位试验方法可信度高,具有工程实际意义．     

科技文献全文获取的方法与途径

在分析科技文献原文获取存在问题的基础上,列举了通过本地馆藏、馆际文献事零苎享、特定的文献保障系统、直接与文章作者联系、网上电子期刊等多种科技文献全文获取的途径与方法,并介绍了获取全文过程中的一些技巧。     

灰色预测模型的改进

用提高原始数据列光滑度的方法来提高GM模型的精度,从而改进灰色模型,并从理论上证明了该方法比对数函数变换、开方变换、对效函数开方的复合变换、指数函数及指数函数开方的复合变换等已有提高光滑度的方法更有效,笔者提出的“幂函数一指数函数”复合变换很大程度上提高了灰色模型的预测精度,使许多原本不能用灰色模型预测的问题得到解决。     

凉薯97马铃薯原种的扩繁优化模式研究

试验旨在优化川西南生态条件下马铃薯原种扩繁技术,通过采用二次正交旋转组合设计,以种植密度（X1）、农家肥（X2)、复合肥(X3)、种薯大小(X4)做决策变量,分别以单株产量、株高、单位面积产量作目标函数,建立各因素与目标函数间的数学模型,研究凉薯97马铃薯原种扩繁优化模式。结果表明：（1）各因素对凉薯97单株产量的影响为：复合肥>种薯大小>种植密度>农家肥;对株高的影响为：农家肥>种薯大小>种植密度>复合肥;对单位面积产量的影响为：种植密度>复合肥>种薯大小>农家肥。（2）试验获得了最高单位面积产量2 405.6 kg/667 m2 和最高单株产量0.55 kg/株。通过模拟寻优获得最高的单株产量0.62 kg/株的因素组合为：种植密度为5 000株/667 m2、农家肥2 250 kg/667 m2,复合肥50 kg/667 m2,种薯大小100 g;获得最高单位面积产量2 489.78kg/667 m2的因素组合为：种植密度5 500株/667 m2、农家肥2 250 kg/667 m2、复合肥50 kg/667 m2、种薯大小80 g。     

变权决策中均衡函数均衡效果

讨论和型与积型可分解均衡函数的均衡效果.首先引入惩罚力度和激励力度两个概念,它们分别反映可分解惩罚式均衡函数和激励式均衡函数在变权决策过程中的均衡能力.然后从三个角度分析均衡函数在不同惩罚力度或激励力度下的均衡效果:一是对变权向量的orness测度值的均衡效果;二是对因素权重的均衡效果;三是对综合决策值的均衡效果.结果表明,从可分解均衡函数的惩罚力度和激励力度出发,能很好地掌握均衡函数在变权决策中的作用规律,并且能为变权决策过程中如何选择合适的均衡函数从多方面提供考量准则.