翠华山国家地质公园水湫池成因新解

目的为了进一步探讨翠华山国家级地质公园中水湫池景区的形成原因,推动国家地质公园的建设与发展。方法实地考察、结合沉积物粒度分析及历史文献资料考证。结果发现组成水湫池堰塞坝的沉积物具有典型的泥砾结构;堰塞坝体外围的崩塌堆积,不仅是多期和多种成因崩塌活动的结果,而且现存的崩积砾石都覆盖在堰塞坝表面的古地形面上,层序关系表明其形成时间晚于堰塞坝。结论水湫池不是崩塌堆积堰塞成湖的,可能是碎屑(泥石)流堆积形成的,据文献资料考证,水湫池形成并非在唐代,而应在北周以前。     

侵占罪问题研究

侵占罪是我国现行刑法增设的新罪名。本主要对该罪的犯罪对象、拒不退还或交出及其告诉问题进行探讨。首先，对已有观念进行辨析，澄清侵占罪的对象范围，即代为保管他人财物不应局限于合法占有，而应解释为事实上持有控制；区别遗忘物和遗失物，二不能混同；埋藏物，应当包括所有人明确和所有人不明确的埋藏物两种类型。其次．论证了拒不退还或拒不交出是侵占罪必要构成要件，是罪与非罪的界限。最后，简单阐述了侵占罪的告诉问题。     

坚硬煤层注水预裂水压力计算

主要运用有效应力原理及断裂力学推导了煤层注水所需的最小注水压力，初步探讨了多组裂隙同时存在对煤层最小注水压力影响的计算方法，并分析了影响倾斜坚硬煤层注水压力的因素，指出了注水压力与煤层倾角及埋藏深度之间的关系，其理论结果与现场相符。     

基于流场复势的空间裂纹止裂应力强度因子分析

选择带有圆形埋藏裂纹的金属构件作为研究对象。在向金属构件通入脉冲电流时,可以将金属构件内电流绕圆盘裂纹的流动比作在流体力学平面势流中流体绕平板流动的情况,给出电流流动的复势函数,进而推导出电流密度,据此推求热源功率,最后确定带有圆形埋藏裂纹的金属构件脉冲放电瞬间的热应力强度因子,结合只有外载荷作用下的金属构件裂纹尖端的机械载荷应力强度因子,给出外载荷作用下带有埋藏裂纹金属构件脉冲放电瞬间的综合应力强度因子。     

氢键和π-π堆积构筑的二维超分子配合物[Cu2(phon)2(μ2-Cl)2Cl2]· DMF的合成和结构表征

利用1,10-邻菲啰啉-5,6-二酮(phon)与二水合氯化铜反应得到了超分子配合物[Cu2(phon)2(μ2-Cl)2Cl2].DMF(1),并通过X射线单晶衍射、元素分析、红外光谱和紫外-可见光谱对它进行了表征。结果表明,配合物1中铜离子处于畸变的四方锥配位构型中,分子间通过C—H…Cl and C—H…O氢键和π-π堆积作用形成二维网络超分子结构。     

π-π堆积的氧化还原型阿霉素脂质体的制备与抗肿瘤活性评价

为了合成π-π堆积的氧化还原型磷脂酰胆碱(Pyr-SS-PC),并制备"高载药量和促释放"阿霉素脂质体(DOX/Pyr-SS-PC Lips),对脂质体粒径、包封率、体外释放和稳定性等物化性质进行了研究,采用MTT法评价该脂质体对3种人类肿瘤细胞的体外细胞毒性,以荷MCF-7乳腺癌Balb/c裸鼠为肿瘤模型考察该脂质体...     

NiFe2O4尖晶石粒度级配对振实效率的影响

根据Furnas模型及线性堆积理论,研究了两种粒径颗粒的级配及细颗粒体积分数对NiFe2O4尖晶石基料振实堆积效率及空隙率的影响,发现随着粗细颗粒粒径比(R)的增大,NiFe2O4尖晶石基料振实堆积效率(E)也相应增大,空隙率减小,且当细颗粒体积分数为30%～40%时,体系的振实堆积效率最大·将粒度分布最宽即粗颗粒尺寸为1 00～0 85mm的试验结果与理论计算值相比较,发现当R≤5时,Furnas模型适用于该体系,但当R≥7时,Furnas模型中的参数C2为6时更适合·     

椭球颗粒随机紧密堆积实验研究

针对随机堆积问题在数理领域和实际生产中意义重大且目前尚无一般性的理论模型的问题,采用一种基于高分辨率工业X射线断层扫描(CT)无损检测的实验方法较精确地测定了椭球颗粒随机紧密堆积体系的3个重要参数,即堆积分数、取向序和配位数分布,结果表明,椭球纵横比为0.5左右时,堆积分数达到的最大值为74%,与现有的模拟结果一致,而在一定纵横比范围内,配位数的分布呈偏态分布,取向角与取向轴呈现出高对称性,但离散性较强,该结果与球体随机紧密堆积的差异较大。在不考虑摩擦刚体所需平均配位数为刚体自由度的2倍、有限堆积物的配位数分布满足古典的几何分布的2个假设下,提出了一种椭球的堆积理论,其能解释堆积参数的变化趋势。结论和实验手段对探讨非球体填充理论和计算堆积体孔隙率有一定的参考价值。     

基于降维的堆积降噪自动编码机的表情识别方法

堆积降噪自动编码机是一种典型的深度学习模型,它能够刻画数据丰富的内在信息,具有较强的特征学习能力。基于主成分分析（principal component analysis,PCA）技术和堆积降噪自动编码机（stacked denoising autoen-coders,SDAE）模型,提出一种新的表情识别算法PCA＋SDAE。该算法对人脸图片进行裁剪及归一化等预处理,采用主成分分析技术对人脸特征进行线性降维,再利用堆积降噪自动编码机逐层进行特征学习并同时实现对人脸表情数据的非线性降维,可以得到更好的、维度更低的表情特征,并据此进行表情分类。对PCA＋SDAE算法的仿真测试实验结果表明,其综合性能比其他的基于深度学习模型的表情识别方法更好,同时与传统的非深度学习表情识别方法相比,它具有更高的表情识别正确率。