硫酸站老厂房结构加固的问题处理

根据硫酸站老厂房梁、板、柱与基础的破坏特征,考虑截面损失对构件承载力的影响,进行厂房结构加固时,梁、柱与基础采用外包配筋混凝土的方法,板按新、旧混凝土板变形协调的方法进行加固处理.这种加固方法经济可行,施工方便.     

基于k-分辨-FB级数展开的多分量LFM信号分离

针对傅里叶-贝塞尔变换(FBT)难以估计和有效分离多分量LFM信号的问题,提出了一种k分辨-FB(k-FB)级数展开结合dechirp的信号分离与估计算法。在FB级数的基础上引入k分辨参数,通过理论推导,得出了信号频率与级数的关系,证明了参数估计精度与k取值正相关。通过解线频调和k-FB级数计算,实现了信号分离重构和参数估计。在不同信噪比、信号功率比和k分辨条件下对信号的分离精度进行了仿真研究,并与基于分数阶傅里叶变换(FrFT)的方法进行了对比。仿真结果验证了算法的有效性。     

中水回用前景及其实际意义

概述了中水及中水回用的概念,分析了目前中水回用中存在的问题,探讨了水源热泵技术的应用。     

密度测量实验中仪器的正确使用与巧读数据

结合实验仪器的结构特点与工作原理,分别介绍了游标卡尺、螺旋测微计和物理天平的正确使用以及巧读数据的方法和步骤,指出并分析了实验教学过程中,在使用游标卡尺、螺旋测微计和物理天平及读数中常见的一些错误和问题。     

神经网络在电磁场数值问题中的应用

针对目前电磁场数值处理中计算繁杂慢速和耗费资源过多的问题,本文提出了一种基于神经网络小波理论进行计算的新方法。文中着重介绍了利用小波变换神经网络的基本理论,结合电磁场数值计算的基本方法,推导变换进而得到一个通用公式和处理方法。在该方法中,神经网络学习内容少和数据处理简单,因此该方法具有计算速度快,占用资源少的优点,并有用硬件实现的前景。     

流形上微分方程求解的渐近展开方法

文章陈述了流形上微分方程、渐近级数和渐近展开等概念和相关命题,然后给出了例子,用渐近展开方法求解了微分方程。     

中日佛寺建筑与自然关系的比较研究——中国南北朝时期与日本飞鸟时期

比较分析同一时期（中国南北朝时期与日本飞鸟时期）中日两国佛寺建筑与自然的关系，发现虽然两国佛教理念相同，但中国南北朝时期是玄学境界型建筑自然观，而日本飞鸟时期则是神道意识型建筑自然观。中国南北朝时期的佛寺建筑及其自然观是日本飞鸟时期的母体，而日本飞鸟时期则为研究中国南北朝时期的这一关系做旁证。     

不连续二阶周期边值问题的可解性

考察了一类非线性项含有一阶导数的二阶周期边值问题的解的存在性,其中非线性项是Carathèodory函数.通过构造非线性项的高度函数并且利用Leray-Schauder不动点定理建立了两个存在定理.第一个定理表明只要高度函数的积分是适当的,这类问题至少有一个解.第二个定理表明当非线性项在无穷远处增长的极限是一个无界函数时在适当条件下这问题仍可能有一个解.     

苯在Ru-Zn/Ru（0001）合金表面上的吸附——密度泛函研究

为了理解苯在Ru-Zn合金催化剂上的部分加氢催化机理,采用密度泛函方法对苯在Ru-Zn/Ru（0001）面上的吸附进行理论研究。计算结果表明,当苯的碳原子或者共轭双键直接位于表面Zn原子的atop位时,其吸附热较Ru（0001）面上的类似吸附状态下降约60%.Zn原子与苯环C原子之间的排斥作用导致苯环的成键轨道与表面Ru原子的价层轨道之间的空间对称性下降,从而不利于苯与合金表面的键合。当吸附位离开Zn原子时,邻近Zn原子对于苯的吸附基本没有影响。     

Finding finer functions for partially characterized proteins by protein-protein interaction networks

Based on high-throughput data, numerous algorithms have been designed to find functions of novel proteins. However, the effectiveness of such algorithms is currently limited by some fundamental factors, including (1) the low a-priori probability of novel proteins participating in a detailed function; (2) the huge false data present in high-throughput datasets; (3) the incomplete data coverage of functional classes; (4) the abundant but heterogeneous negative samples for training the algorithms; and (5) the lack of detailed functional knowledge for training algorithms. Here, for partially characterized proteins, we suggest an approach to finding their finer functions based on protein interaction sub-networks or gene expression patterns, defined in function-specific subspaces. The proposed approach can lessen the above-mentioned problems by properly defining the prediction range and functionally filtering the noisy data, and thus can efficiently find proteins’ novel functions. For thousands of yeast and human proteins partially characterized, it is able to reliably find their finer functions (e.g., the translational functions) with more than 90% precision. The predicted finer functions are highly valuable both for guiding the follow-up wet-lab validation and for providing the necessary data for training algorithms to learn other proteins.