大尺度海洋大气动力学三维黏性原始方程对边界参数的连续依赖性

利用方程解的先验界及微分不等式技巧, 证明大尺度海洋大气动力学三维黏性原始方程的解连续依赖于边界参数.     

大学生勤工助学体验性学习实践模式探索

以北京联合大学的大学生勤工助学体验性学习实践为例,通过课题研究,探讨了适用于高校大学生勤工助学体验性学习实践的模式。     

浅析“四项负责制”在高校图书馆的实施——以湖北工程学院图书馆为例

分别从"四项负责制"的基本概念入手,阐述了在高校图书馆实施"四项负责制"的基本内容及基本要求,以湖北工程学院图书馆为例,介绍了该馆倡导和推行"四项负责制"的情况,以提高图书馆整体服务质量。     

是是非非话海龄

海龄是鸦片战争时期镇江保卫战的主要指挥者之一。他作战勇敢,以身殉国,是反抗外敌入侵的知名抗战派将领。海龄又屠杀群众,得罪官绅商民,受到多方责难。形成这种矛盾性评价的根源,在于海龄所属阶级与民族的时代局限性。     

读宋诗辨昭君、玉环之宋代际遇

王昭君、杨玉环及其关联的人和事,是古代文人经常选用的题材和载体,尤其是在国势相对衰微、女性观念尤重"妇德"及文学"尚古"之风盛行的宋代。文章即从解读王安石、欧阳修、苏轼、陆游及杜甫、李商隐、罗隐等相关诗作入手,辨析宋人有别于唐人的立场和态度及产生的原因,从而证明昭君、玉环在宋代虽际遇不同,但在文学功用上却异中有同、殊途同归。     

运用Actigraph GT3X三轴加速度传感器测量成年及老年男性人群步行的信效度研究

评价Actigraph GT3X三轴加速度传感器测量中国男性人群典型体力互动信效度,开发基于中国人群步行活动模式的GT3X三轴加速度传感器能耗推算方程。方法受试对象包括青年组(21.92±1.14岁),老年组(55.5±4.52岁)。受试者佩戴GT3X三轴加速度传感器,在跑台上分别完成3km/h(慢走)、4.5km/h(正常步行)、4.5km/h10%(上坡步行)、6km/h(快走)以及7.5km/h(慢跑)速度的走跑运动各5min。受试者佩戴COSMED K4b2便携式代谢测试仪,并将GT3X三轴加速度传感器佩戴于髋部,同步采集心肺功能仪及加速度传感器数据。结果根据受试对象4种无坡度走跑运动推导出线性方程MET=0.000653*counts(Axis1)+2.345521以及线性方程MET=0.000689*counts(VM)+1.640721,但其相关系数不高;GT3X+三轴加速度传感器记录上坡步行(4.5km/h10%)运动与无坡度运动(4.5km/h)相比,三轴counts及VM均显示有差异性(P<0.05),但counts增加率远低于MET增加率;GT3X+三轴加速度传感器两次重复测试,pearson值高,即离散程度低。结论本研究推导垂直轴(Axis1)、三轴矢量和(VM)的线性方程,为中度相关,误差值较大,且上坡运动时的GT3X+三轴加速度传感器记录counts值与MET值呈非线性相关,提示Actigraph GT3X三轴加速度传感器能耗推算方程可根据不同运动方式、运动强度推算相对应方程;Actigraph GT3X三轴加速度传感器测量我国成年及老年男性人群步行活动其信度较高。     

“二三结合”开发模式渗流特征研究

L油田B区块开展"二三结合"实验区,"二三结合"开发模式渗流特征对区块的合理高效开发具有重要意义。为了明确其渗流特征,利用油藏数值模拟软件Eclipse建立代表意义的油藏数值模型,研究区块"二三结合"开发模式下原射孔层和补孔层的渗流特征,分析了"二三结合"开发模式下,不同开发阶段综合含水率、采出程度、井底压力、地层压力及含水饱和度的变化特征。研究表明,"二三结合"开发模式先通过水驱开发挖潜原射孔层剩余油,提高厚油层顶部剩余油的采出程度,再通过聚合物驱进一步提高开发效果,通过水驱与聚驱的综合作用,最终得到较好的开发效果。     

Learning Multi Labels from Single Label——An Extreme Weak Label Learning Algorithm

This paper presents a novel algorithm for an extreme form of weak label learning, in which only one of all relevant labels is given for each training sample. Using genetic algorithm, all of the labels in the training set are optimally divided into several non-overlapping groups to maximize the label distinguishability in every group. Multiple classifiers are trained separately and ensembled for label predictions. Experimental results show significant improvement over previous weak label learning algorithms.