管制刑的若干适用问题探讨

管制刑不属于附加刑中的资格刑,并不能完全按照附加刑来适用;管制刑与其他刑种的关系是协调的,它的存在不仅不会破坏现行刑罚体系,反而是刑罚体系完善不可或缺的刑种;管制刑引入刑罚易科制度,有利于解决管制犯在管制期间又犯新罪或又发现漏罪的并罚问题;作为独立刑种的管制刑不宜由不属于独立刑种的缓刑来取代。     

L-smooth相对r-F紧空间

在L-smooth拓扑空间中定义L-smooth相对于r-F紧空间,研究了L-smooth相对r-F紧空间的性质及它与L-smooth r-F紧空间的关系;同时给出了L-smooth相对r-F紧空间的等价刻划.     

机翼颤振的Hopf分岔分析与控制

考虑二元非线性机翼颤振系统, 利用多尺度法研究系统的Hopf分岔类型和周期解的稳定性. 设计非线性时滞控制器抑制Hopf分岔引起的颤振, 将原系统的亚临界Hopf分岔变为超临界Hopf分岔, 将原系统的超临界Hopf分岔控制为稳定. 理论分析和数值模拟结果验证了所给控制方法的有效性.     

一类序Lipschitz算子的不动点定理

在Banach空间中研究非线性算子的不动点问题,给出了一类只具有下解(或上解)的序Lipschitz算子概念,讨论了这类非紧且非单调算子的不动点的存在性,运用锥理论得到了一个有关此类算子的不动点定理.     

基于藏文新闻文本话题检测的聚类算法研究

话题检测的提出是为了帮助人们从海量的新闻报道中发现未知的新话题,其中文本聚类算法的研究,是实现藏文新闻文本的话题检测技术的核心.本文提出一种聚类算法,是基于简易聚类算法的改进,首先改进了文本顺序对聚类结果产生的影响,其次通过确定种子话题,来确定话题的类别.本研究的聚类算法在较小规模的语料中比改进前源算法有一定程度的提高.本文的研究对象是藏文网站中的新闻文本.     

可液化场地变截面群桩基础动力响应研究

为研究可液化场地变截面群桩基础动力响应特征,依托翔安大桥,利用FLAC 3D数值模拟软件,建立变截面桩-土相互作用模型,研究了不同地震强度作用下,饱和砂土孔压比、变截面桩基桩身加速度、桩基位移、弯矩、剪力时程响应特征。结果表明：地震动峰值≥0.20 g时,不同埋深处的孔压比峰值基本达到0.90以上,此时砂土完全液化;桩身对地震动起放大作用,但随着地震强度增加,变截面桩的桩身加速度放大效应逐渐减小;地震波结束后桩基产生永久侧向位移;变截面桩身弯矩及剪力均呈双峰值变化形态,桩身弯矩最大值出现在液化土层与非液化土层分界处,桩身剪力最大值出现在液化土层中;在桥梁变截面桩基础抗震设计时,应重点研究液化土层与非液化土层分界处的桩基抗弯能力以及液化土层中桩基抗剪能力,以确保桩基的抗震性能。     

NaxH3-xPW12O40催化苯乙烯的烷基化反应

研究了磷钨酸(H3PW12O40,简记为PW12) 及其钠盐(NaxH3-xPW12O40,简记为NaxH3-x,x=1～3)催化苯酚与苯乙烯的烷基化反应.NH3-TPD及吡啶热脱附结果表明:随着钠含量的增加,催化剂的酸性及催化活性皆依次降低:PW12＞Na1H2＞Na1.5H1.5＞Na2H1＞Na2.5H0.5＞Na3.     

浅谈信息时代高校图书馆员素质的提高

在信息时代,高校图书馆员必须不断学习新知识、新技术,努力提高自身素质,才能成为合格的信息导航员,适应信息时代社会发展的需要。为此,从信息时代高校图书馆面临的变化、高校图书馆员应具备的素质和提高馆员素质的途径3个方面进行了论述。     

急性减压缺氧对大鼠血液学指标的影响

目的 探讨模拟急性高原低压性缺氧对大鼠血液指标变化的影响。方法 建立高原缺氧大鼠损伤模型,将40只Wistar雄性大鼠随机分为常氧对照组、缺氧10 h组、缺氧20 h组、缺氧30 h组,每组10只,对照组置于当地海拔1 500 m处,缺氧10、20、30h组放入大型低压低氧动物实验舱,模拟海拔8 000 m高原低压性缺氧环境,检测大鼠血气、血常规和血生化指标,观察不同缺氧时间对大鼠血液学指标的影响。结果 随着缺氧时间的延长,与常氧对照组比较,血气相关指标二氧化碳分压(PaCO₂)、氧分压(PaO₂)、肺动脉血氧饱和度(SaO₂)逐渐下降;血常规指标白细胞(WBC)、红细胞计数(RBC)和血小板(PLT)均显著增加;血生化指标血糖水平显著升高,白蛋白(ALB)、血清尿素氮(BUN)异常升高,肌酸激酶(CK)、肌酸激酶同工酶(CK-MB)显著降低(P<0.01或P<0.05)。结论 模拟高原低压性缺氧不同时间大鼠的血液学指标均发生显著改变,严重影响大鼠的正常生理活动。     

基于EMD-AO-DELM的光伏功率预测算法

为提高光伏功率预测精确度,提出一种基于经验模态分解（Empirical Mode Decomposition,EMD）-天鹰优化器（Aquila Optimizer,AO）-深度极限学习机（Deep Extreme Learning Machine,DELM）的组合光伏功率预测模型.该算法对光伏发电影响因素进行分析筛选,选出与光伏输出功率高度相关的因素作为输入变量,并采用经验模态分解（EMD）将光伏原始功率数据分解为多个特征模态函数（Intrinsic Mode Function,IMF）.然后,将分解得到的IMF分量分别输入DELM预测模型,同时通过AO优化算法对DELM初始输入权重进行优化,从而提高深度极限学习机的泛化能力.最后,将各IMF分量预测结果叠加求和得到最终预测结果 .通过仿真结果表明,本文提出的EMD-AO-DELM预测模型,相较于单一DELM模型具有更好的预测精度,证明了所提方法的有效性.