轴压作用下钢管混凝土抛物线拱弹性稳定性能分析及设计方法

钢管混凝土拱具有自重小、承载力高、施工简便等优点,在桥梁工程、隧道支护及渡槽结构中得到广泛应用.随着钢管混凝土拱跨度的不断增加,其平面内稳定问题日益突出.现行规范或规程基于经典弹性稳定理论,采用等效梁柱法计算了其平面内的稳定承载力,但未考虑矢跨比对稳定承载力的影响.采用ABAQUS软件建立钢管混凝土抛物线拱有限元模型,并与试验结果对比以验证有限元模型的可靠性;在此基础上,分析轴压作用下钢管混凝土抛物线拱平面内弹性稳定性能,确定矢跨比对钢管混凝土抛物线拱弹性稳定承载力的影响;考虑矢跨比对弹性稳定承载力的影响并引入修正长细比,以分段式表达的修正弹性稳定承载力计算公式,可较为准确地计算钢管混凝土抛物线拱的平面内弹性稳定承载力.     

追踪物理学中的跨领域模因

以美国物理学会旗下期刊2000—2019年发表的论文和Web of Science论文摘要为基础，用模因短语刻画知识，构建模因关系网络并引入跨学科测度Rao-Stirling指数以计算模因的跨领域分数，从而追踪物理学中的跨领域模因。分别从网络拓扑结构指标、跨领域测度指标和专业术语对比3个方面进行验证，证明了所提的模因关系网络和模因的跨领域分数可以有效反映知识在不同领域间的扩散现象。     

洱海初夏人工增雨作业条件和效果分析

利用NCEP 1°×1°再分析资料、新一代多普勒天气雷达资料和激光雨滴谱仪资料分析了2019年6月1日和14日洱海流域增雨作业过程，并对增雨效果进行了分析检验.“06.01”过程受高空槽和切变线的影响，“06.14”过程受孟加拉湾低压槽影响，充沛的水汽条件和上升运动是开展人工增雨作业的必要条件.洱海流域初夏人工增雨作业目标云为混合云，中心强度在35～40 dBz之间，回波顶高为5～7 km，垂直积分液态水含量（Vertical Integrated Liquid water,VIL）大于0.4 kg·m-2，低层速度辐合.开展人工增雨作业后雷达回波增强，30 dBz的回波面积明显增大，降水强度上升，作业影响区降水量比非作业区高，作业效果明显.     

浅析弯矩调幅法

本文根据框架梁弯矩调幅原理,通过对两跨连续梁中是否考虑弯矩调幅的计算结果比较,对认识弯矩调幅法和实际工程设计均具有一定的指导意义,从而更加合理的对框架结构进行设计。     

基于一致性体验的跨屏幕移动学习资源设计研究

跨屏幕和多屏幕的应用随着手机和平板电脑市场的快速发展而逐渐成为不可逆转的趋势,如何设计跨屏幕移动学习资源已成为移动学习研究领域的重要课题。在分析跨屏幕应用主要模式的基础上,文章指出一致性体验是当前跨屏幕移动学习资源首先需要解决的问题。并重点论述了基于一致性体验的跨屏幕学习资源设计的主要原则,就跨屏幕学习资源的交互设计进行了必要的探讨。     

父代肥胖对精子表观遗传跨代继承的影响

父代肥胖会导致精子表观遗传修饰的改变,这种异常的表观遗传修饰会传递至后代,对后代健康产生严重影响.本文主要综述了由于父代肥胖所致的DNA甲基化、组蛋白修饰和非编码RNA等表观遗传修饰的异常及其跨代继承的机制,从表观遗传水平阐述父代肥胖对自身和后代健康的影响,可为后代相关疾病的预防和诊断提供参考资料.     

ETF期权隐含偏度、投资者情绪的理性与非理性

以上证50ETF期权为研究对象，重点分析上证50ETF的隐含偏度与市场情绪之间的关系。与以往的相关研究不同，对于可能引致期权隐含分布左偏的市场情绪进行了分解，通过对所分解的情绪成分及其与左偏分布特征的关系进行实证检验，重点研究了情绪中的非理性成分在原生市场和衍生市场之间的跨市场传递，以进一步探究出影响市场稳定性的根源。研究表明：上证50ETF隐含分布的左偏程度与市场中的非理性情绪紧密相关，具体而言，非理性情绪越高涨，隐含分布越是呈现左偏；并且，在对已实现波动率、期权相对需求等变量加以控制以后，结论依然成立。这意味着，现阶段，仅从我国ETF期权市场中提取关于ETF未来预期信息的想法不可行。     

心理赋能视角下新生代员工工作投入行为研究 ——一个跨层中介模型

以我国新生代员工为研究对象,遵循"情境-认知-行为"分析框架,从心理赋能视角打开组织投入氛围对新生代员工行为影响的"黑箱",为有效提升新生代员工工作投入水平提供决策参考。通过对408名员工及其直接领导的配对取样,提出了一个跨层中介模型。研究发现:组织投入氛围越高,员工的个体工作投入水平越高;心理赋能作为一个整体构念,能够跨层部分中介组织投入氛围对员工个体工作投入的正向影响;心理赋能在跨层中介过程中起到显著中介作用的是自主性、效能感、工作意义维度,影响力维度没有起到中介作用。     

基于多模态融合技术的用户画像方法

针对当前用户画像工作中各模态信息不能被充分利用的问题, 提出一种跨模态学习思想, 设计一种基于多模态融合的用户画像模型。首先利用 Stacking集成方法, 融合多种跨模态学习联合表示网络, 对相应的模型组合进行学习, 然后引入注意力机制, 使得模型能够学习不同模态的表示对预测结果的贡献差异性。改进后的模型具有精心设计的网络结构和目标函数, 能够生成一个由特征级融合和决策级融合组成的联合特征表示, 从而可以合并不同模态的相关特征。在真实数据集上的实验结果表明, 所提模型优于当前最好的基线方法。