超声激发的生物组织声发射模型

应用振动球模型对超声激发的生物组织声发射（USAE）声压幅度进行理论分析和模拟计算；分析了差频选取、组织声吸收、组织弹性以及共焦换能器聚焦性能等几种重要因素对生物组织声发射的不同影响。结果与现有文献报道的离体组织实验以及计算机仿真结果相符合，表明振动球模型对指导USAE的相关实验研究有重要参考价值。     

简单系统相依部件的可靠性

可靠性数学在研究系统的可靠性时,都是在假设部件之间相互独立的条件下进行的.本文应用连接函数Copula讨论了部件相依时的可靠性,计算了系统的可靠度.     

基于ARMA-GARCH-COUPULA模型的交易量与股价波动相依关系

股市交易量与股价变化的相依关系一直是学术研究和投资分析人士所研究并希望解决的问题.研究交易量与股价的相依关系不仅要研究它们之间的相依程度而且还要研究它们之间的相依结构.提出了ARMA-GARCH-Copula函数模型,研究了3个股票市场的日指数对数极差与交易量对数的相依程度和相依结构.研究发现:ARMA-GARCH-Copula函数模型在刻画日指数对数极差与交易量对数之间的相依结构时通过假设检验,日指数对数极差与交易量对数之间存在较强的正相依关系,且具有上尾高、下尾低的非对称的相依现象.     

自组装制备磁性复合微球聚集体

用部分还原法制得纳米Fe3O4,用微乳液聚合法制备聚（苯乙烯-丙烯酸）高分子微球P（St-co-AA）,再以球形P（St-co-AA）为模板与Fe3O4磁粉通过静电自组装和氢键自组装制得磁性复合微球聚集体Fe3O4／P（St-co-AA）;利用XRD、TEM、SEM、IR等对样品进行表征,采用VSM对样品进行磁性能测试．结果表明所得样品为Fe3O4单相,平均粒径约10nm．P（St-co-AA）平均尺寸为约70nm,表面含有羧基,所制磁性复合聚集体Fe3O4/P（St-co-AA）的形貌为球形、多孔、粒径约5μm,磁粉含量为29％．磁性能测试表明当外加磁场为6KOe时,磁化强度达到饱和,饱和磁化强度为69emu.g^-1．研究表明pH、搅拌等对磁性复合微球聚集体的形成有重要影响．     

基于插件式GIS的景观生态专业信息系统开发

随着景观生态学的深入发展以及开源GIS的日益成熟,两者结合日渐紧密.景观生态专业信息系统基于插件式GIS技术,以开源软件QGIS为平台,开发景观分析、景观生态综合评价等模块,扩展QGIS的应用领域,为GIS在景观生态专业领域的应用开辟一条新路子.     

花园湖行洪区启用条件与分洪效应研究

采用数值模拟方法,分析淮河流域百年一遇来流条件下,花园湖行洪区的分洪效应。结果表明:当进洪闸、退洪闸同时开启时,花园湖行洪区对其上游的淮河干流水流以削峰为主,对其下游的淮河干流水位以错峰为主;花园湖行洪区中出入流速极值均出现在退洪闸处,特别是在退洪闸反向进洪初期,退洪闸处流速可达0.7 m/s;退洪闸适当晚开既不会增大淮河干流的最高水位,还可有效减缓花园湖行洪区的淹没进程,有利于提高淮河干流调蓄洪水的能力。     

城市红树林表层沉积物微量金属的环境质量矿物学分析

选择深圳市福田、坝光、沙井和西乡4个典型样地, 测定红树林表层沉积物的矿物组分和微量金属元素含量, 采用矿物学评价体系探究矿物组成对微量金属富集的影响。结果表明, 深圳城市红树林表层沉积物矿物组成以黏土矿物和石英为主, 样地间存在差异; 沙井红树林微量金属污染最严重, 西乡和福田红树林次之, 坝光红树林污染程度最轻, 多种微量金属的富集受到人类活动影响; 微量金属的富集与沉积物矿物组分相关, 石膏和黏土矿物具有较高的微量金属富集能力。     

小型局域网络硬件的一个实现方案

本文介绍了建立小型局域网的一个硬件实现方案。     

基于水侵预警的边水气藏动态预测模型

对于水驱气藏,水侵可以起到维持地层压力、保持气井产量的正面作用。但当水锥突破至井底后,受气水两
相渗流的影响,气相渗透率急剧降低,严重影响气井生产。如何准确预测边水推进距离,做到水侵的提早预警,对于气
藏开发技术对策调整具有重要的意义。基于体积平衡原理、以边水气藏水侵圆环为研究对象,建立的边水气藏水侵预
警方程能预测气藏的可能见水井及其见水时间,可实现水侵气藏的早预警、早调整;并结合产量预测、压力预测和水侵
量预测模型,建立了一种新的基于水侵预警的边水气藏动态预测模型,应用于PG 气田水侵气藏的见水井、见水时间和
相关开发指标的动态预测,与实际生产对比表明,该模型预测结果基本吻合,能够指导气藏的水侵预警与及时调整。     

修正的KMV模型对中国中小企业信用风险的度量

利用KMV模型对14家（7家ST和7家非ST）公司进行信用风险度量分析,结合中国股票的实际情况,对KMV模型中的股权资产价值和股权资产价值波动率进行了修正,再利用修正后的模型进行实证分析.分析结果表明,ST公司比非ST公司有更高的信用风险,且对于陷入困境的ST公司,KMV模型也提供了一种全新的角度来度量其信用风险.