棕壤及其各粒级微团聚体对Cd~(2+)的吸附解吸特性

采用平衡液吸附法和NH4AC、EDTA溶液解吸法,研究了原土及其各粒级微团聚体组分(10μm,10～50μm,50～250μm)对Cd2+的吸附解吸特征,为寻求有效控制土壤中Cd的环境行为的对策措施提供理论支撑。研究结果表明,各粒级微团聚体组分对Cd2+的吸附能力随粒级的减小而增强,且都强于原土。原土及其各粒级微团聚体吸附Cd2+的机制及稳定性显著不同:Cd2+的络合及专性吸附比例均以小粒级(10μm)微团聚体相对较大,对Cd2+的固定能力较强;其次为10～50μm粒级微团聚体和原土;大粒级(50～250μm)微团聚体相对较差。分析表明,原土及其不同粒级微团聚体对Cd2+的吸附能力及稳定性的差异,与其不同的比表面积和主要胶体物质(粘粒、有机质,游离氧化铁)的相对含量及组成有关。     

牛磺酸对高糖诱导H9c2心肌细胞凋亡的影响及其机制

探讨牛磺酸对高糖诱导H9c2心肌细胞凋亡的影响及其作用机制,以H9c2心肌细胞,分3组:正常对照组(CN组,葡萄糖浓度为5.5 mmol·L~(-1))、高糖组(HG组,葡萄糖浓度为25.5 mmol·L)、牛磺酸干预组(TAU组,葡萄糖浓度为25.5mmol·L~(-1)基础上加终浓度为40 mmol·L~(-1)牛磺酸)。48 h后,采用MTT检测心肌细胞活力,荧光酶标仪检测胞内ROS含量,RT-PCR法检测PI3KmRNA表达量,ELISA法检测磷酸化Akt蛋白(phospho-Akt,p-Akt)蛋白含量,比色法检测Caspase3水平,并采用Annexin-V/PI结合流式细胞仪检测细胞凋亡率。结果:高糖诱导48 h后细胞活力下降(P0.001),ROS含量升高(P0.001),PI3KmRNA水平与p-Akt蛋白含量降低(P0.001),Caspase3活性升高(P0.001);并伴有凋亡率显著增加(P0.001);与HG组相比,牛磺酸干预可显著提高细胞活力(P0.001),降低ROS含量(P0.001),增加PI3KmRNA表达(P0.01)与p-Akt蛋白含量(P0.05),降低Caspase3活性(P0.001),抑制细胞凋亡(P0.001)。说明牛磺酸可通过PI3K/Akt途径降低细胞内氧化应激水平和Caspase3活性,抑制高糖诱导H9c2心肌细胞的凋亡。     

数字文献与纸质文献开发利用的比较研究

从文献的载体形式、存贮方式、传递手段、检索方法、呈现形制五个方面，对数字文献和纸质文献进行了比较，指出了两者文献在开发利用中的优势与不足，提出了以纸质文献为基础、数字文献为发展趋势的现阶段文献开发利用的操作模式。     

改建CVD系统制备金刚石薄膜

用一台常规的真空镀膜机改建为化学气相沉积 (CVD)系统 ,并用以制备金刚石薄膜 .采用SEM、XRD、Raman测试表明 ,金刚石薄膜质量较好 .     

一种图像放大的离散算法

根据李将云等人(2003)所提出的数字图像的离散放缩算法，分析其不足之处，并对简单的二值图像以及一般的灰度图像提出一套新的离散放大算法．该算法可使图像放大任意实数倍．应用该算法能使放大后的图像边界清晰，忠实地反映原始图像的面貌．实验证明，该方法也是一种有效的图像放大算法．     

基于三次样条插值的图像放大的离散算法

针对李将云等(2003)提出的图像放大离散算法，分析其不足之处，并对简单的二值图像以及一般的灰度级较少的图像，用三次样条插值方法，提出一套新的离散放大算法．实验结果表明，该算法可以得到较好的放大效果．它适用于灰度级较少的数字图像，尤其是二值图像，并且这种图像放大方法的放大倍数没有限制．     

铁磁/反铁磁多层结构的磁极化激元谱

本文利用电磁场理论,在 Voigt 位形中推导出铁磁/反铁磁多层结构磁极化激元的色散关系,并详细讨论了它的结构性质。铁磁/非磁多层结构和反铁磁/非磁多层结构可看成上述结构的极限情况。因此,在这种结构中测量磁极化激元将会产生更加丰富的结果。     

广义岭型主成分估计的一些性质

讨论了广义岭型主成分估计的一些性质,引入一种估计的相对效率,证明了广义岭型主成分估计比岭型主成分估计和主成分估计的效率高,并且在Pitman准则下也优于岭型主成分估计和主成分估计.     

饱和砂土中打桩效应的有限元分析

运用Crisp程序,对饱和砂土中的打桩效应进行有限元分析.对桩周土采用线弹性、理想弹塑性2种本构关系以及圆柱孔扩张的应力边界条件法、圆柱孔扩张的位移边界条件法2种沉桩过程模拟方式分别进行组合计算,并对其中3种组合计算的超孔隙水压力、径向有效应力增量以及地面隆起等打桩效应的差异进行讨论.结果表明:运用理想弹塑性模型和圆柱孔扩张的位移边界条件法计算出的超孔隙水压力、径向有效应力增量以及地面隆起量等结果更为可靠.     

基于岭型主成分估计的最优与经典预测的最优性判别

针对有偏降维估计的预测问题，以岭型主成分估计为基础，对广义线性回归模型{y=Xβ＋ε，ε-N（0，σ^2∑）}的最优预测量与经典预测量的最优性判别问题进行讨论。借助矩阵不等式的一些性质，给出了离差矩阵和风险函数最小的判别准则下岭型主成分估计关于两类预测量最优性判别条件，为有偏降维估计关于两类预测量的最优性判别问题提供了一种方法和思路。