MOPOL程序开发及IVR有效性评价中的不确定性分析

根据熔融物堆内滞留（IVR）的有效性评价方法--风险导向的事故分析方法（ROAAM）开发了IVR有效性评价的集总参数程序MOPOL，并对其进行验证.同时，分析了ROAAM评价过程中的破口尺寸、堆芯平均有效辐照时间及堆内材料质量等关键参数对IVR有效性评价结果影响的不确定性.结果表明：在大破口尺寸事故和辐照时间较长的工况下，压力容器发生热负荷失效的安全裕量较小；适当增加压力容器内的一些结构质量，可以提高IVR的有效性.     

国外主要职业心理理论述评及启示

职业心理健康问题已经成为现代人心理健康的重要方面,日益受到人们的重视.述评了国外职业心理理论的发展和存在的问题,在此基础上,提出了有关启示,以期能够对青少年进行更好的职业心理指导,从而帮助他们选择和发展适合自己的职业.     

欧美英文流行歌曲演唱方法探析

在全球多元文化相互渗透的背景下,英文流行歌曲的演唱已成为一举多得的教学资源,音乐教育工作者应从语音、气息、风格三方面对其演唱的方法及要领予以重视并加以研究,旨在提高学习者的综合演唱水平。     

预应力混凝土管桩施工工艺及常见质量通病的原因分析和预防措施

文章就广珠铁路工程框架桥涵的地基处理详细介绍了预应力管桩锤击打入法施工工艺、安全措施，并对施工过程中容易出现的质量通病进行了分析并提出了预防措施。     

氧钒离子（Ⅳ）及H2O2协同促进cAMP和cGMP水解的机理

在氧钡钒离子单独作用和氧钒离子与过氧化氢同时作用于环核苷酸时，用化学测磷法测定产生的PO4^3-以确定环核苷酸的两个磷酯键是否同时断裂，用HPLC结合ESR等谱学方法来判断是否有一个酯键断裂的不对称水解发生。发现氧钒离子单独存在时并不能使环核苷酸的磷酸酯键水解；而在氧钒离子和过氧化氢共存时可使环核苷酸的磷酸二酯键中一个酯键水解成核苷单磷酸，且cAMP和cGMP在水解速度及生成3′－或5′－AMP和GMP的比例也不相同。     

浅议如何规范和完善国有企业的内部控制

论述了建立健全有效的内部控制机制对国有企业的重要性，分析讨论了该如何规范和完善国有企业的内部控制，对国有企业管理有一定的借鉴作用。     

通过试验段确定提速铁路路基基床表层级配碎石施工工艺

基床表层是轨道的直接基础,是路基最重要的部分,受到列车动荷载的剧烈作用.所以基床表层级配碎石施工的成败关系到铁路设计目标值是否实现的关键,在没有成熟经验的情况下,在大面积施工前通过试验段确定其施工工艺是非常必要的.     

2型糖尿病肾病患者红细胞膜上钠-钾ATP酶活性的变化

为了解2型糖尿病肾病(diabetic nephropathy,DN)不同时期红细胞膜上Na+-K+-ATP酶活性变化,为临床诊断、治疗提供理论依据,按尿白蛋白排泄率(urinary albumin excretion rate,UAER)将已确诊为2型糖尿病的51例患者分为3组糖尿病正常白蛋白尿组(DM1组),微量白蛋白尿组(DM2组),大量白蛋白尿组(DM3组);20例健康人作为对照组,男性11例,女性9例,平均年龄58.27±10.89岁.将对照组及实验组抽血做红细胞膜Na+-K+-ATP酶活性检测.结果表明DN各组红细胞膜Na+-K+-ATP酶活性较对照组均显著降低(均为P=0.000).说明DN患者红细胞膜Na+-K+-ATP酶活性下降,控制血糖、维持Na+-K+-ATP酶活性对改善DN预后有十分重要的意义.     

精细突变小鼠模型的研究进展

基因打靶研究最重要的应用之一是研制人类疾病动物模型。人类的疾病许多是由于基因功能丧失引起的 ,也有许多是由于基因超表达或功能获取 (ｇａｉｎｏｆｆｕｎｃｔｉｏｎ)引起的。后者的情况就无法用基因剔除的方法获得相应的疾病模型。因此研究者发明了各种可以将诸如插入终止蜜码子或替换某个氨基酸之类的精细突变引入小鼠基因组中的方法。早期的研究者采用的方法主要有两种 ,一是将不含选择标记基因的打靶载体直接经显微注射法引入ＥＳ细胞 ,然后用ＰＣＲ分析鉴定同源重组克隆[1] ;另一种是用带有精细突变但无选择标记基因的打靶载体与仅…     

基于CNN-BiLSTM的脑电情绪分类模型及验证

情绪在人们的思考、行为和交流方式中起着重要作用。为提高脑电信号的情绪识别准确率,充分利用脑电信号的频率、空间和时间维度上的信息,提出一种基于CNN-BiLSTM(convolutional neural networks-bidrectional long short term memory)的脑电情绪分类神经网络模型。该模型由卷积神经网络和多层特征融合的双向长短时神经网络构成,卷积神经网络用于学习脑电信号的频率和空间特征,双向长短时神经网络则从卷积神经网络的输出中挖掘脑电切片之间的时序信息。借助离散情绪模型的SEED(sjtu emotion eeg dataset)数据集和连续情绪模型的DEAP(database for emotion analysis using physiological signals)数据集来进行情绪分类实验。实验结果表明,在SEED和DEAP两个数据集上,CNN-BiLSTM模型均取得了目前最好的情绪分类性能。此外,该模型的时序信息挖掘模块性能优于单层长短时神经网络,能够学习更多的时序信息。