南海的形成与演变

南海是东亚陆缘最大的边缘海，构造类型多样，油气资源丰富。然而，科学家们对于南海如何发育演化成今天的局面、深部的驱动机制以及影响因素尚存在诸多争议。为解决上述问题，科学家在南海开展了大量的地球物理调查以及三轮五次的国际大洋钻探，取得重要进展。文章综合多年来的研究和认识，对南海的成因归属和发育演化历史进行了总结。在此基础上提出尚存在的三个前沿科学问题，包括南海主-被动陆缘转换的机制、南海陆缘破裂方式、南海存在大量岩浆活动的机制等，希望能通过更多深探测手段和更多的大洋钻探去揭示这些问题，从而服务南海的资源开发和灾害预警。     

山西省重点实验室评估政策研究

省重点实验室是地方科技创新平台的重要组成部分,发挥着为地方集聚人才、提升基础研究和应用基础研究能力的重要作用,重点实验室评估政策的制定和实施应以推动实验室提质增效、发挥科技创新平台效用为基础.在阐述实验室体系、评估意义及重点实验室定位、作用的基础上,结合国内外考核评估相关政策、山西省现有实验室建设情况,提出了山西省重点实验室评估政策的建议.     

血管内皮生长因子结合可降解壳聚糖治疗大鼠心肌梗塞的研究

摘要:目的 研 究 血 管 内 皮 生 长 因 子 ( vascular endothelial growth factor, VEGF ) 结 合 可 降 解 壳 聚 糖 ( degradablechitosan,DC)对心肌梗塞大鼠的治疗作用。 方法 将 32 只 SD 大鼠随机分为假手术组、模型组、VEGF 组和 VEGF+ DC 组,每组 8 只。 4 组大鼠均采用结扎冠状动脉左前降支的方法进行造模,其中假手术组只穿线不结扎。 造模后, 向模型组大鼠心肌注射 100 μL 生理盐水,VEGF 组大鼠于同一位置注射同体积 VEGF 溶液,VEGF+DC 组大鼠注射 VEGF+DC 溶液。 造模 4 周 后,对 所 有 实 验 大 鼠 进 行 超 声 心 功 能 检 测,考 察 左 心 室 收 缩 期 及 舒 张 期 前 壁 厚 度( LVAW;s 和 LVAW;d) 、左心室收缩期及舒张期内径( LVID;s 和 LVID;d) 、左心室收缩期及舒张期容积( LV Vol;s 和 LV Vol;d) 、左室射血分数( EF% )及短轴缩短率( FS% ) ,血流动力学考察左室舒张末压( EDP ) 和等容收缩期及 舒张期左心室内压力上升最大速率( + dp / dt 和 - dp / dt) ,计算左心室指数( LVM / BW) 并对心肌进行苏木素-伊红 ( HE)染色观察各组实验大鼠心肌病理变化。 结果 VEGF 组和 VEGF+DC 组大鼠的心肌梗塞均得到有效改善,其 中 VEGF+DC 组的改善作用更加显著。 结论 VEGF 结合 DC 对心肌梗塞大鼠的心功能具有改善作用,具有一定的治疗作用。     

自适应跌倒前实时检测方法

为了能利用单一传感器在跌倒撞击前实时检测出跌倒即将发生,结合支持向量机(SVM)和阈值法设计了一种自适应跌倒前实时检测方法.实验结果表明,该方法能在跌倒撞击前实时检测出跌倒即将发生,且比人工阈值法和SVM方法有更长的间隔时间,比SVM方法有更高的召回率和特异度.     

膝关节骨性关节炎步态分析特征及3D矫形鞋垫设计应用

 概述了2种步态分析实验系统、实验原理和KOA患者下肢三维步态的改变；由于下肢生物力学的复杂性和研究技术的局限性，3D矫形鞋垫设计目前仍处于初级阶段，产品的治疗效果尚无统一意见并且未大量生产使用，因此对3D矫形鞋垫在KOA中的应用原理及制作过程进行深入探讨，明确KOA患者膝关节周围动力和静力结构变化，将其应用于3D矫形鞋垫的设计和生产，为早期KOA保守治疗提供重要解决方案，既能够患者满足舒适性和功能性的双重需求，又能使制造周期和成本显著降低。     

具有迁移效应和隔离措施的COVID-19传播模型分析

基于COVID-19传播过程中人口流动的必然性、无症状感染者的普遍性和隔离策略的有效性,该文提出了一类具有迁移效应、无症状感染者、自我防护意识和隔离策略的COVID-19传播动力学模型,利用下一代矩阵方法给出了各类子系统和全系统基本再生数的精确表达式.进一步地,通过采用线性近似理论,构造Lyapunov函数、比较原理等方法,得到了无病平衡点的全局渐近稳定性以及疾病的持久性.最后,数值模拟解释了主要的理论结果以及人口的迁移和隔离对疾病传播的影响.     

开放性社会学习者模型实证研究

为帮助学习者准确了解自己和其同伴在学习过程中进展,并引发学习者元认知和社会比较学习体验,笔者运用社会比较理论,设计并开发了基于表格的开放性社会学习者模型TableOSLM,其采用表格可视化形式呈现学习者本人、组和学习同伴的学习进展,在实证研究方面,通过问卷调查、实验研究法和面对面访谈等方式收集数据,评价结果表明:TableOSLM能引发学习者在学习规划和自我反思两个维度上的元认知学习体验和在比较方式和自我完善两个维度上的社会比较学习体验;学习者对TableOSLM在有用性、易用性和满意度3个方面都表现出较高的认可度.     

Evolutionary game analysis of low-carbon behavior credit supervision of logistics enterprises

Based on the low-carbon obligation fulfillment of Chinese logistics enterprises, this study constructs a tripartite evolutionary game model to analyze the evolutionary process of the interaction between the local government, logistics enterprises and the public in the process of low-carbon behavior credit supervision. Then using Netlogo software, a parameter simulation experiment is conducted to determine the optimal policy for improving the effect of supervision. The results are as follows: ① The combined influence of the local government and the public can effectively change the strategic choice of enterprises and promote the low-carbon behavior of enterprises. ② In terms of improving the effect of supervision, reducing the cost of government supervision would have a highly significant effect, and reducing the cost of the public would be counterproductive. ③ Increasing the government subsidies to enterprises and the government’s fines to enterprises both have a significant effect, and the effect of improving the former is better. However, increasing the severity of higher-level governments punishing local governments will reduce the stability of the system. ④ Supervision can be more effective by increasing the public’s impact on enterprises’ earnings rather than by increasing government subsidies to the public.     

基于动态博弈的补贴模式对机场群航线网络结构的影响研究

为探讨不同补贴模式对机场群航线网络结构的影响，本文构建了关于机场、航空公司和乘客之间的动态博弈模型，通过逆向归纳法得到了纳什均衡条件. 研究结果发现：（1）不同的补贴模式对多机场航线网络结构产生重要影响，低补贴模式促使机场群倾向于形成点对点航线网络结构，反之，在高补贴模式下机场群易于形成枢纽辐射航线网络； （2）在较低的空铁联运总运营成本环境下，补贴竞争使得航空公司倾向于选择系统内的大型机场作为枢纽机场；反之，如果空铁联运总运营成本相对较高，补贴竞争使得航空公司倾向于选择小机场作为枢纽节点； （3）随航班固定成本和空铁联运总运营成本的增大，大型机场作为枢纽节点的概率逐渐减少，而小机场被选为枢纽节点的概率将逐渐增大. 随着机场群内大型机场腹地服务人口比例的增大，航空公司选择点对点航线网络的概率在减小. 研究结论能够为民航管理部门科学制定和应用航线补贴政策提供决策依据.     

A KELM-Based Ensemble Learning Approach for Exchange Rate Forecasting

In this paper, a KELM-based ensemble learning approach, integrating Granger causality test, grey relational analysis and KELM(Kernel Extreme Learning Machine), is proposed for the exchange rate forecasting. The study uses a set of sixteen macroeconomic variables including, import,export, foreign exchange reserves, etc. Furthermore, the selected variables are ranked and then three of them, which have the highest degrees of relevance with the exchange rate, are filtered out by Granger causality test and the grey relational analysis, to represent the domestic situation. Then, based on the domestic situation, KELM is utilized for medium-term RMB/USD forecasting. The empirical results show that the proposed KELM-based ensemble learning approach outperforms all other benchmark models in different forecasting horizons, which implies that the KELM-based ensemble learning approach is a powerful learning approach for exchange rates forecasting.