田青中国"健康管理"第一人

五月的一个周末，记者驱车来到北京嘉骏科技发展有限公司采访。藏龙卧虎的大北京城，保健行业人多如恒河流沙。记者以固有的观念去想象田青时，他一定是西装革履、不苟言笑的职业经理人派头。然而，大出记者预料，蛮具亲和力的田青以一身运动休闲装在他的办公室接待了记者。     

食品添加剂与健康

口不择食 食品添加剂是指为改善食品的品质、颜色、香味,防止食品变质,满足加工工艺要求而加入食品中的化学合成物质或天然物质。目前使用的食品添加剂大多是化学合成物质,品种繁多,主要有防腐剂、抗氧化剂、香精香料和色素等。     

宇航员与健康

宇航员不能叫急救车，不能因为牙疼去看医生。宇航员在空间站飞行数月后，却能健康地返回地球。他们是如何办到的呢？     

试论我院公共体育教学改革的切入点

进入21世纪,随着高校课程改革的不断深入,高校体育课程应进一步贯彻落实"健康第一"的指导思想.以此为依据,本文着重分析了目前我院公共体育教学工作中存在的主要问题,经过研究论证,提出了我院进行公共体育教学改革的切入点.     

健康第一原则与学校体育教育改革的思考

学校体育立“素质教育”,树“健康第一”的指导思想是新时期学校体育发展的必然走向。但学校体育的健康教育还停留于形式上,还没有完全从原有的模式跳出来。学校体育改革就是要我们去做一种与以往不同但却可以达到以增进健康为主要目的的体育活动。从大众体育健康的角度,忽视或不要去刻意追求过去那种生理“波峰”的传统模式。     

基于区域灾害系统论的广东省台风灾害风险评估——以“山竹”台风为例

本研究的主要目的是构建一种适用于广东省的台风灾害风险评估模型,从而能有针对性地对广东省发生台风灾害后的抗灾救灾、应急决策提供参考意见.本文在区域灾害系统论的指导下,综合了致灾因子危险性、孕灾环境敏感性、承灾体脆弱性3方面,构建了一套新的评估指标体系,并以加权综合法、层次分析法、自然间断点分级法构建了广东省台风灾害风险评估模型.最后以2018年第22号超强台风“山竹”为例,对广东省进行了台风灾害风险评估,并形成了1 km×1 km的综合风险区划图和评估分析结果.结果表明：1）该模型评估出的广东省“山竹”台风灾害中高风险地区与灾情报告相符合,具有较高的可靠性;2）广东省“山竹”台风灾害致灾因子危险性呈现出中东部沿海和中西部地区高,并逐渐向周围递减的分布;3）广东省台风灾害高孕灾环境敏感性地区主要集中在珠江三角洲地区以及粤东潮汕地区,这些地区地势平坦、河网密集、植被覆盖度低;4）广东省台风灾害高承灾体脆弱性地区主要集中在珠江三角洲地区、粤东潮汕地区、粤西茂湛地区,这些地区人口稠密、经济发达、耕地众多、城市化程度高;5）广东省“山竹”台风灾害综合风险呈现出中东部沿海和中西部地区高,并逐渐向周围...     

基于FAHP-ICV的燃气管网风险评估方法

可靠的风险评估结果有助于提升燃气管网安全管理水平。该文提出一种基于模糊层次分析和改进变异系数(FAHP-ICV)的燃气管网量化风险评估方法。结合某省燃气管网实际情况构建了包含3个一级指标、 9个二级指标的燃气管网风险评估指标体系。采用FAHP与ICV相结合的组合赋权法确定指标的综合权重,基于统计学中K-means聚类、抽样技术及概率分析方法对指标评分分值进行调整,结合专家经验确定评分标准。采用线性综合评估方法计算管段相对风险值,实现风险排序及风险分级。以某省12个城市燃气数据为基础验证了该方法的可行性与适用性。该方法提升了燃气管网量化风险评估的客观性与准确性。     

健康促进学校推进现状及成效研究

为切实营造中小学生健康促进的环境,提升其身心健康水平,健康促进学校(Health Promotion School,以下简称HPS)建设工作应运而生.采用分层整群抽样,选取重庆市7个区30所学校共1 857名中小学生进行问卷调查,运用列联分析、方差分析和分层回归分析等方法探究HPS推进现状,对比HPS与非HPS之间的差异,探索学生健康知识、行为、状况的影响因素及特征.结果显示：(1)学校健康教育中,HPS在健康教育开课频率、有无课本及开展活动情况均显著优于非HPS.(2)校园环境中,HPS绝大部分指标应答率均高于90%; HPS所有指标均显著优于非HPS.(3)自报身体情况中,学生经常感冒腹泻发烧率、经常情绪低落抑郁率、龋齿率、近视率方面HPS与非HPS均不存在显著性差异.(4)HPS学生健康知识知晓率为76.1%、健康行为持有率为68.8%、健康状况得分平均分为15.235; HPS学生健康知识、行为、状况均显著优于非HPS.(5)学生健康知识、行为、状况均受背景信息、学校健康教育、身体状况、校园环境影响,各分类变量对其总解释力分别为25.2%,20.2%,25.4%,其中学校健康教...     

基于LSTM网络的车辆动态荷载识别方法

为了识别车辆的动态荷载,提出了一种基于长短时记忆网络的方法.该方法以桥梁加速度响应为输入,采用有限的数据集,实现车辆动态荷载的识别.建立了车桥耦合模型进行验证,以60组桥梁加速度响应为输入,以相应的车辆动态荷载为输出,通过训练长短时记忆网络来反演车辆动态荷载,并讨论了环境噪声及路面粗糙度对识别效果的影响.结果表明：测试集的车辆动态荷载识别误差平均值均小于5%;车辆动态荷载识别误差不随噪声水平变化,且平均误差小于5%;车辆动态荷载识别误差随着路面粗糙度等级的增加呈现略微增加的趋势,平均误差小于5%.在不同噪声及粗糙度水平下,长短时记忆网络均可用于车辆动态荷载的识别.     

基于机器视觉的车辆时空参数识别

车辆荷载信息是分析桥梁受力和性能评估的重要依据,其中车辆时空信息是准确识别车辆荷载的关键参数。考虑到传统在桥面埋设传感器的方法影响交通、破坏路面,提出了一种基于机器视觉技术的车辆荷载时空参数识别方法,包括车辆的横向定位、车速、车轴数、轴距的识别。基于正面拍摄视频,采用背景差分法来实现车辆检测,进一步通过车牌识别确定车辆在图像中的位置,然后根据车牌与车道线距离来实现车辆横向定位。基于侧面拍摄视频,采用图像标定方法,结合已知长度的辅助检测线来获取车辆的轴距、轴数、车速等车辆参数。通过试验室模型试验和现场试验验证了提出的方法。结果表明,现场试验中车辆横向定位和车速的最大误差分别为2.42%和2.67%,轴距的平均误差为1.63%,识别结果可以为更多其他车辆参数如轴重和总重的识别提供重要的技术支撑。