刺纹车轮虫 18S rDNA 克隆与序列分析

首次对刺纹车轮虫(TrichodinacentrostrigataBasson,VanAs & Paperna, 1983)进行了 18S rDNA 的克隆测序并分析，研究结果显示：刺纹车轮虫是一种具有辐射状中央颗粒的淡水车轮虫，具有相对较高的 GC 含量而位于分子系统树的顶枝，它与海水环境中的车轮虫具有较高的序列相似性及较近的遗传距离从而聚为一枝。研究提示刺纹车轮虫具有较强的宿主适应性，在系统进化中分化较晚并与海水种类具有较近的亲缘关系；此外，车轮虫的同源性与 18S rDNA序列相似性、遗传距离具明显相关性，GC 含量与分子支序树分枝具有明显相关性。
     

民族认同对民族院校大学生孤独感的影响:学校归属感的中介作用

采用问卷调查法,对675名民族院校大学生进行调查,探讨学校归属感对民族认同和孤独感的影响,并基于学校归属感进行中介效应检验,以此构建三个变量之间的关系模型,探究促进民族院校大学生心理健康发展的机制.结果表明:民族认同感、学校归属感和和孤独感之间两两显著相关;民族认同感和学校归属感及其各维度,显著负向影响大学生的孤独感;民族认同感通过学校归属感影响大学生的孤独感水平.研究结果证实,学校归属感在民族认同感影响孤独感中起到完全中介作用的心理机制,为民族院校大学生心理健康教育提供了参考建议.     

基于长期监测的特重车流作用下桥梁动态放大系数研究

基于长期监测的特重车流作用下桥梁动态放大系数,本次研究从某高速公路大桥安装的交通信息采集系统中实时记录的数年交通荷载信息,以及动态称重设备(WIM)形成与实际车流特征相符的随机车流样本,对特重车过桥的空间动力响应和动态放大系数进行了研究,从中对特重车的交通荷载工况进行了提取并定义。监测系统所记录的特重车交通荷载信息包括车速、车型、车长、车质量、车辆到达时刻和行驶车道等信息,使用自行研发的随机车流-桥梁耦合分析软件(BDAN)对其进行统计分析获得各参数特征。     

大学生羞怯与手机成瘾倾向:孤独感的中介作用

为探讨大学生羞怯与手机成瘾倾向的关系,考察孤独感在大学生羞怯与手机成瘾倾向之间的中介作用。采用羞怯量表、UCLA孤独量表得分第三版和大学生手机成瘾倾向量表对在贵州省8所高校抽取的1 147名大学生进行调查。结果显示:大学生羞怯量表得分、孤独感量表与手机成瘾倾向量表得分显著正相关(r=0.27,r=0.29,均P<0.001),羞怯量表得分和孤独感量表得分显著正相关(r=0.49,均P<0.001);羞怯和孤独感均可显著正向预测大学生手机成瘾倾向(均P<0.001),孤独感在大学生羞怯与手机成瘾倾向之间的部分中介作用成立。     

塔东热液地质作用机制及对储层的改造意义

塔东地区断裂发育，早期发育的断裂与晚期断裂之间存在相互改造、叠加、复合的过程，深大断裂沟通多套地层，断裂活动期形成的挤压破碎带和断裂裂缝带作为岩浆热液上升通道，为热液溶蚀作用改造储层提供了有利条件，因此，识别出热液期次对塔东白云岩储层成因机制具有重要意义。通过对钻井岩芯、岩屑及岩石薄片、铸体薄片观察鉴定分析，在区内下古生界碳酸盐岩中识别和发现了钠长石化作用和自生羽毛状伊利石沉淀，也是塔里木盆地内的首次发现，并通过对包裹体均一温度，碳氧同位素等地化特征研究，揭示其成岩流体源于岩浆热液，丰富了区内热液作用的矿物学标志，进一步识别出区内存在3期热液作用，通过对3期热液作用的机制及其储渗空间意义的研究，总结出第I期热液作用对于储层形成意义不大，第Ⅱ期热液作用主要发育在局限的沉积环境，第Ⅲ期热液溶蚀形成溶蚀缝孔洞，与天然气运移聚集匹配良好，构成了区内天然气聚集成藏的主要储渗空间。     

乳酸菌益生功能研究进展

介绍了益生菌的概念、乳酸菌的益生功能,并指出了乳酸菌益生功能研究中的问题.     

相关熵及其有限性的条件

就相关熵的性质进行了讨论，证明了在pp密度逼近中使用的作为“距离”的相关熵不满足距离定义中的第三个条件，并给出了三角不等式成立的条件。     

防治公路超载车辆破坏作用的技术对策

当前，超限超载现象在我国已相当严重，其中，超载车辆对公路、桥梁等基础设施和人民生命财产造成了严重损害：路面车辙、沉陷、网裂，桥梁铺装破损、梁体裂缝、断裂坍塌等，恶性事故急剧增多。为此，国家和地方已出台多项治理超限超载的法律法规，治理超限超载问题已成为交通管理工作的重中之重。     

公司债券违约率的结构化模型研究

采用期权定价和违约率函数的结构化处理方法建立估计公司债券违约率的模型，应用美国国内公司的整体数据给出了将模型具体化的处理方法，得到一个带马尔可夫链的违约率函数。根据实证数据的初步检验，该函数的拟合效果比较理想，可用于估计一般性上市公司群体的债券违约率。文中的处理方法具有良好的可行性，只要拥有模型必需的股权价值、债务价值和违约率的数据，就能按照该方法将模型具体化，拟合出违约率函数，并由此来估计公司债券的违约率。