牛顿-莱布尼兹公式在与路径无关的曲线积分中的应用

在现有高等数学教材中,对于一元函数的定积分有牛顿-莱布尼兹公式,而对于与积分路径无关的曲线积分,没有给出对应的公式.根据与积分路径无关的曲线积分的充要条件(e)P/(e)y=(e)Q/(e)x,经过严谨的数学推导,得出与路径无关的曲线积分的牛顿-莱布尼兹公式:∫(x2,y2)(x1y1)Pdx+ Qdy=∫(x2,y2)(x1y1)du(x,y)=u(x2,y2)-u(x1,y1).最后,通过实例验证,无论是对与积分路径无关的曲线积分的计算题还是证明题,所给出的公式都是有效的、实用的.     

压力下HfCr2合金的电子结构和弹性性质

采用基于密度泛函理论的第一性原理方法,对实验上发现的HfCr_2合金立方和六角相在0～20GPa范围内的稳定性、电子结构和弹性等进行了研究.计算结果表明,在研究的压力范围内2种结构在力学上都是稳定的,但从能量上看,立方相结构能量更低,从而六角相以亚稳态存在,这与实验结果相符.随压力增加,HfCr_2合金的体模量B、剪切模量G和杨氏模量E的值均增加,但剪切模量值始终最小,表明合金抗剪切能力较差.对合金的弹性各向异性研究发现,在研究压力范围内2结构都展示出较强的各向同性,但随压力增加,立方相各向同性增强,而六角相则减弱.对各向异性的进一步研究表明,立方相和六角相的体模量总体上呈现出较强的各向同性,而杨氏模量则呈现一定的各向异性.对HfCr_2合金泊松比和G/B值的研究表明,2个相在0 GPa下均表现出延展性,且随压力增加延展性增强.最后,研究HfCr_2合金的应力-应变关系,结果表明对于立方相结构,理想的拉伸强度和剪切强度分别发生在[1 0 0]方向和(1 1 1)■方向,而对于六角相结构,则分别发生在[0 0 0 1]方向和■方向.     

金属材料Rp0.2的检验及异常曲线的处理

通过金属材料拉伸检验中采集的试验曲线对无明显屈服强度材料规定塑性延伸强度R_(p0.2)值的检验方法及影响因素进行分析和探讨,并对检验过程中出现异常曲线时R_(p0.2)值的处理提供正确、合理的修正方法。结果表明:拉伸速率和控制模式、试验机柔度、弹性段起点和结束点的正确选取是影响R_(p0.2)值检验结果的主要因素;对于弹性段较低的材料选取正确的弹性段起点和结束点是获得准确R_(p0.2)值检验结果的关键,一般情况下取在弹性段的1/4和1/2处,可以获得准确的Rp0.2值检验结果。     

工程放样中GPS(RTK)的应用

本文介绍GPS-RTK的使用方法及操作步骤,并利用GPS-RTK在工程测量中进行曲线放样,对测量结果进行精度分析。通过对放样点的精度分析,得出GPS-RTK的测量精度可以达到工程放样精度要求的结论,以工程实例说明GPS-RTK具有工作效率高、定位精度高、全天候作业、数据处理能力强和操作简单易于使用等特点。     

纤维金属层板的拉伸性能研究

GLARE是一种先进的混杂层板材料,由高韧度薄铝合金层和高强度玻璃纤维/环氧树脂层交替铺设而成,具有独特的轻质、耐疲劳、耐冲击、高阻燃性和耐腐蚀属性.系统地对GLARE层板进行了静力拉伸测试,展示了铺层结构和铺层类型对其静力学性能的影响,并对混杂模型的适用性进行了验证.结果显示:采用混杂模型法预测GLARE层的轴向弹性模量具有较高的精度,但进行强度预测时对于部分类型的层板需要考虑纤维的桥接作用.     

PBNA： An Improved Probabilistic Biological Network Alignment Method

Biological network alignment is an important research topic in the field of bioinformatics. Nowadays almost every existing alignment method is designed to solve the deterministic biological network alignment problem.However, it is worth noting that interactions in biological networks, like many other processes in the biological realm,are probabilistic events. Therefore, more accurate and better results can be obtained if biological networks are characterized by probabilistic graphs. This probabilistic information, however, increases difficulties in analyzing networks and only few methods can handle the probabilistic information. Therefore, in this paper, an improved Probabilistic Biological Network Alignment（PBNA） is proposed. Based on Iso Rank, PBNA is able to use the probabilistic information. Furthermore, PBNA takes advantages of Contributor and Probability Generating Function（PGF） to improve the accuracy of node similarity value and reduce the computational complexity of random variables in similarity matrix. Experimental results on dataset of the Protein-Protein Interaction（PPI） networks provided by Todor demonstrate that PBNA can produce some alignment results that ignored by the deterministic methods, and produce more biologically meaningful alignment results than Iso Rank does in most of the cases based on the Gene Ontology Consistency（GOC） measure. Compared with Prob method, which is designed exactly to solve the probabilistic alignment problem, PBNA can obtain more biologically meaningful mappings in less time.     

一类无非平凡有理整点的椭圆曲线y~2=x(x-p)(x-q)

令p、q为两个素数,且p+4=q。本文证明了椭圆曲线y2=x(x-p)(x-q)没有非平凡有理整点.同时得到了一类无整解的负Pell方程组和一类无整解的四次丢番图方程.