利用天然焦制做上点火蜂窝煤的研究

我国很多煤矿都有一定的天然焦埋藏,但因用途不广,很少开采。在实验室中以天然焦为主体,煤泥为粘结剂,研制成上点火蜂窝煤,为天然焦的应用探索到一条途径.     

慢性兔出血症的研究

对北京和河北等地的一些獭兔养殖场发生的以瘫痪为主要症状的慢性型兔出血症进行了研究。结果表明 ,自然感染病例和人工感染病例的临床症状、病理学变化和血清学特性相似 ,通过分析这些獭兔养殖场慢性型兔出血症发生的原因 ,提出了诊断和防治措施     

青海省格尔木市土地资源开发利用分析

通过对格尔木市土地资源特点，土地开发经验以及存在问题的分析；探讨和提出了该市土地资源开发利用的原则，对策及可行性措施。     

核子计中的自然对数快速算法

基于麦克劳林级数公式计算自然对数，构造计算式向1逼近，从而加快级数的收敛速度。该算法应用于核子计的数据处理，其计算速度和精度达到了设计要求。     

南亚热带马尾松×红锥混交林红锥的天然更新及环境解释

为揭示影响南亚热带马尾松×红锥混交林下红锥天然更新的关键环境因子,本研究以1983年造林的马尾松×红锥人工林为对象,选取3个研究样地,设置50个2 m×2 m的调查样方,对红锥更新苗、土壤理化性质、林分结构与光环境等展开调查。结果表明,不同样地红锥天然更新密度为(132 353±7 050)～(174 219±15580)株·hm~(-2)。5个高度级红锥更新苗密度差异显著,Ⅰ级最大,Ⅴ级最小,密度随高度级增加而递减。相关分析表明,土壤全磷含量对Ⅰ、Ⅴ级的红锥更新苗有明显的正效应,而对Ⅱ、Ⅲ级更新苗有明显的负效应;红锥Ⅰ级苗与土壤pH值呈极显著正相关;近地层透光系数与Ⅰ、Ⅱ、Ⅲ、Ⅳ级苗木密度呈负相关,与Ⅴ级呈正相关;林分上层平均叶倾角、近地层叶面积指数则与Ⅰ、Ⅱ、Ⅲ、Ⅳ级苗木密度呈正相关,与Ⅴ级呈负相关。研究所选择的25个林分结构与土壤环境因子组合对红锥天然更新分布格局的变异解释率达到66.01%,解释效果显著(F=2.022 9,P=0.027)。土壤全磷含量、土壤pH值、海拔高度、林分上层平均叶倾角、近地层叶面积指数、近地层透光系数等6个因子是影响南亚热带红锥天然更新分布格局的关键因子。     

遵循语言启蒙规律进行高校自然科学双语教学的思考

通过比较以英语和汉语为母语学生的英语语言系统建成阶段,提出了自然科学双语教学中的结构模块构建方案;鼓励以中文为母语的教师,发挥自己拥有的外教无可比拟的优势,在学生"专业英语"的"儿语"期,识解学生带有母语影响因素"构建"的词汇和语句,适时加以引导和纠正.遵循语言启蒙规律在高校双语教学课堂上再现婴幼儿语言建成过程,让汉语为母语的中国学生在专业课学习中达到以英语为母语的接受模式,为走上国际科研平台打好基础.     

粤港澳大湾区红树林湿地面临的生态问题与保护对策

总结三大湾区——旧金山湾区、纽约湾区和东京湾区及其他典型湾区红树林湿地生态保护与修复在技术、政策和监管等方面的经验, 归纳粤港澳大湾区典型红树林群落存在的生态环境问题与湿地生态系统健康评价现状, 针对粤港澳大湾区各种污染物对红树林湿地的污染情况, 并结合大湾区未来发展规划, 对其红树林湿地保护提出几点建议: 1) 恢复、重建红树林; 2) 处理好城市建设与生态保护的矛盾; 3) 加强管理、宣传和科普教育; 4) 加强科学、科技研究以及科学保护; 5) 建立红树林湿地自然保护区, 加强大湾区联动合作。     

基于非可加测度的一致性变异测度

建立在经典概率测度理论体系下的风险测度理论已经有了不少的研究成果,但在金融、保险市场中存在着许多的非可加风险,针对传统风险测度理论分析非可加风险的缺陷,研究了在Choquet积分理论基础上的风险变量空间为非可加测度空间的变异测度问题,证明了这种测度是共单调可加一致性的变异测度,给出了在Chance空间共单调可加一致性变异测度的表示定理,这些结论是对风险变异测度理论在非可加条件下的发展,对于分析非可加风险具有重要的理论价值与现实意义。     

R^n上测度双K框架

我们引入测度双K-框架的定义,研究任给一个测度双K-框架添加测度Bessel序列后使之成为紧测度K-框架;讨论在算子K_1和K_2是关于算子T相似等价的条件下, 测度双K_1-框架经算子T扰动后成为测度双K_2-框架; 研究不同空间的测度双K-框架在有界线性算子扰动下的稳定性.     

基于关键 $n$-grams 和门控循环神经网络的文本分类模型

提出一种基于关键 $n$-grams 和门控循环神经网络的文本分类模型. 模型采用更为简单高效的池化层替代传统的卷积层来提取关键的 $n$-grams 作为重要语义特征, 同时构建双向门控循环单元(gated recurrent unit, GRU)获取输入文本的全局依赖特征, 最后将两种特征的融合模型应用于文本分类任务. 在多个公开数据集上评估模型的质量, 包括情感分类和主题分类. 与传统模型的实验对比结果表明: 所提出的文本分类模型可有效改进文本分类的性能, 在语料库 20newsgroup 上准确率提高约 1.95%, 在语料库 Rotton Tomatoes 上准确率提高约 1.55%.