一类多步Runge-Kutta方法的保单调性

在对步长作了一定的限制下研究了一类多步Runge-Kutta方法的保单调性,并得到了此类多步Runge-Kutta方法的保单调的充分条件,最后给出了试验方程y′=λ(t)y的情况.     

完整指数函数拟合单桩荷载-沉降曲线的分析

不同于以往确定完整指数函数参数的方法,提出了确定完整指数函数参数的差分形式最小二乘法;然后结合现场试验,对完整指数函数拟合荷载-沉降曲线的规律进行分析,探讨用指数函数最大曲率点判定桩的极限承载力及其相应沉降的合理性;最后针对未加载至破坏的单桩竖向静载荷试验,研究用完整指数函数预测竖向荷载作用下单桩的极限承载力及其相应桩顶沉降的可行性,提出了预测单桩极限承载力的条件和预测单桩破坏时桩顶沉降的合理性和局限性.     

3-缩氨硫脲胆甾金属配合物的合成

基于甾体金属配合物可能具有的抗癌活性,本文从胆甾醇出发,通过4步反应,合成得到6-氧代-3-胆甾缩胺硫脲,然后以它作为配体,进一步与铂及铜离子配合,合成得到2个3-缩氨硫脲甾体金属配合物——二氯.[6-氧代胆甾-3-缩氨硫脲-N,S]合铂(II)和二氯化双[6-氧代胆甾-3-缩氨硫脲-N,S]合铜(II),并对合成物进行了结构表征。     

零级代数体函数涉及重值的Borel点

证明了单位圆内一类零级代数体函数存在涉及重值的Borel点．     

中学教师希望自我与其工作投入和工作倦怠

结合成就动机的期望价值模型,以感知效用和教师教学效能感为中介变量,探索中学教师希望自我与其工作投入和工作倦怠的关系,验证希望自我动机作用的中介模型。对7所中学的252位教师进行问卷调查,采用的量表是改编的适用于教师群体的希望自我量表、感知效用量表、教师教学效能感量表、教师工作倦怠量表和Utrecht工作投入量表。结果显示:中学教师希望自我通过教学效能感对工作投入和工作倦怠作用,即教学效能感是希望自我和工作投入、工作倦怠之间的完全中介变量;希望自我通过感知效用对工作倦怠作用,感知效用完全中介希望自我和工作倦怠之间的关系,但它不是希望自我和工作投入的中介。由研究结果得到如下结论:中学教师希望自我通过教学效能感提高工作投入,通过教学效能感和感知效用减少工作倦怠。     

土壤重金属镉污染的植物修复与土壤酶活性

用盆栽法研究植物对土壤重金属 Cd的吸收富集和植物修复效应、土壤重金属 Cd浓度与土壤酶活性的关系 ,以及经植物修复后不同时间内土壤酶活性恢复情况。研究结果表明 :1植物对土壤 Cd污染具有富集和修复作用 ,但种间存在较大差异 ;2土壤脲酶活性随土壤 Cd浓度的增加而降低 ;3回归分析表明土壤脲酶活性与土壤 Cd浓度显著相关 ,可表示出土壤受 Cd污染程度 ;4受 Cd污染的土壤经过植物修复后 ,脲酶活性得到恢复 ,可根据脲酶活性恢复状况判断植物的修复效果。     

广西河池沉水植物多样性及分布初步调查

对广西河池地区沉水植物进行了调查,利用布朗-布朗喀(Braun-Blanquet)的多度等级划分标准、Simpson物种多样性指数和Shan-non-Wiener物种多样性指数进行数据处理.共采集到沉水植物12种,隶属5科、7属.其优势种为苦草、黑藻、菹草、尖叶眼子菜.根据优势种及组成特征,将沉水植物群丛分为19个类型.群丛物种多样性指数最高的是黑藻 苦草群落,其次是苦草 黑藻 狐尾藻 菹草 微赤眼子菜群落和菹草群落,以篦赤眼子菜指数最小.     

三维纤维过滤介质压力损失数值模拟

目前纤维过滤介质压力损失的研究大多基于纤维的二维规则排列及低速过滤状态,这与实际过滤介质构造及过滤运行状态存在一定的差异.基于VBA编程,创建三维随机排列纤维过滤介质模型,采用计算流体动力学(CFD)软件模拟计算其内部流场,研究低速及高速过滤状态下压力损失与速度的关系,研究结果表明:模型内部的流体流动呈现线性流区和非线性流区两种流动区域,且两种流动区域的雷诺数临界值为0.33;当流体平均速度大于0.3 m/s对,压力损失与流体平均速度不再是简单的线性关系.通过对模拟数据的分析,提出了适合于线性流区及非线性流区的压力损失-流体平均速度关系表达式.     

水泥稳定碎石材料疲劳性能试验分析

通过应力控制模式下的小梁弯拉疲劳试验配合动态信号采集系统采集试验中的应变,通过Matlab进行数据处理,分析不同级配水泥稳定碎石材料的疲劳特性。结果表明:水泥稳定碎石小梁试件疲劳变形分为稳定阶段、增长阶段和破坏阶段。级配不同,水泥稳定碎石试件的疲劳特性差别显著,各阶段模量差别明显。通过3个阶段对应下弹性模量临界点的对比得到不同级配水泥稳定碎石试件抗疲劳性能的优劣。     

面向循证医学网络文献的SVM分类方法

支持向量机(support vector machine,SVM)是在统计学习理论基础上发展起来的一种新的机器学习方法,是一种高效的分类识别方法.首先分析支持向量机原理,然后提出一种使用Bagging组合学习方法改进SVM算法的网页分类方法.基于循证医学网络文献分类的实验表明,该方法使训练数据规模大大减小,且比传统的SVM算法分类性能更好,具有较好的精确率和召回率.