水泥硅微粉固化黄土的无侧限抗压强度试验研究

以固原黄土高原地区某路基黄土为研究对象,采用水泥、硅微粉对黄土进行工程性能改良。利用掺量分别为2%、4%、6%的水泥和掺量分别为5%、10%、15%的硅微粉对黄土进行固化;并分别进行了龄期为7 d、28 d和90 d的无侧限抗压强度试验。试验结果表明:固化黄土的无侧限抗压强度随着水泥、硅微粉的掺量增加呈现先增加后减小的趋势,得出了4%水泥,10%硅微粉为固化黄土的最优配比;分析了水泥、硅微粉的掺量、养护龄期与固化黄土的无侧限抗压强度之间的影响关系,为利用水泥、硅微粉固化黄土提供了理论依据和借鉴。     

夯实大学人才培养的基石——先秦诸子思想的启示

<正>大学作为培养人才,传播思想的地方,与时代的发展动向密切相关。但现在大学中存在这样的问题,对财富的过度追求带来的可能是大学生选择专业时以就业率和热冷门作为重要依据。更重要,如章开沅先生所言:"目前的学校‘重教书而轻育人’,没有真正把知识传授与品格陶冶密切融合在一起。"实际上,大学的终极目的并不是培育迎合社会喜好的专门人才,而应该是培育有道德情怀、能推动人类社会发展与进步的高素质人才。培育仁爱为核心的君子品格。以仁爱为核心的君子品     

汉语无定NP作主语的指称类型研究

名词性成分的指称问题一直是学界关注的热点,这不仅因为它的重要性,也在于它的复杂性和交叉性。本文选取无定NP作主语的指称类型作为考察重点,对前人研究进行梳理的同时,提出对名词性成分作主语的指称类型的研究不能仅从名词性成分本身入手,而必须放到更大的语境中考虑。有定/无定在汉语这样缺乏定式动词的语言中十分重要,但有定性的落实并不一定在句首的名词性成分上。若主语在形式上是无定的,那么后面的谓语不能是简单形式,必须足够复杂,以提供辨识无定NP主语的细节信息。     

一维水平自发渗吸无因次模型及其数值解

对影响渗吸特征的油藏参数进行归整, 导出考虑毛细管回压的一维自发渗吸问题无因次模型。该模型选取水相归一化饱和度和无量纲压力作为主未知变量, 毛管压力函数只在模型的一个偏微分方程中出现, 便于数值求解。在求解该模型的全隐式守恒型差分格式中, 对两邻点间饱和度函数取平均饱和度下的值, 就可以得到该问题的数值解。通过对幂律型相对渗透率和毛管压力曲线情形下此模型数值解的讨论, 指出前人关于一维不可压自发渗吸问题解析解所用的假设条件只对纯逆向渗吸有一定的适用性。通过多个同逆并发渗吸算例, 得到油藏参数变化对渗吸动态特征影响的初步认识。     

无零因子的EP-内射环

对EP-内射环作等价刻画,利用无零因子条件,得到若干等价条件,并得出:若R是无零因子环,则R是左EP-内射环当且仅当R的任意主左理想都是EP-内射的。推广了相关结果。     

基于复杂网络的国际石油贸易关系定量研究

针对如何更加准确地评价国际石油贸易关系问题，开展了将该贸易关系进行网络化和结构化的特征指标量化分析研究。研究中以复杂网络理论进行网络化建模，以结构平衡理论进行定量分析，采用了计算聚类系数、平衡度等关键指标进行年度基准对比。获得了国际石油贸易关系网络随着贸易者数量的增加尤其是进口国数量增加，网络的聚类系数变大，平衡度值增加，整个贸易网络平衡性变差，贸易关系变得更加紧张这一结论。本研究采用网络化和结构化的方式进行关系评价，是将石油贸易关系的研究从定性推进至定量的有益尝试。     

基于氩等离子处理的阻变氧空位调控探讨

以氩气等离子处理为优化工艺,通过其对ZnO阻变薄膜中氧空位缺陷的影响,来改进ZnO薄膜阻变特性。等离子处理范围减小和处理时间延长有助于阻变特性的稳定,以及阻变工作电压的降低。为了降低阻变工作电压及抑制随机性,最终确定的等离子处理条件是时间不超过45 min,处理范围介于0.8 mm×0.8 mm和0.9 mm×0.9 mm之间。主要的阻变工作电压均在3 V以下,适合低功耗器件应用。并结合处理条件和表面粗糙度等测试结果进行了讨论。     

拜登政府中东政策的“变”与“不变”

无论有多么留恋、多么不甘心,特朗普1月20日必须离开白宫。最后时刻,国务卿蓬佩奥、总统顾问库什纳不辞劳苦穿梭于中东各国之间,竟然促成摩洛哥与以色列建交。显然这不是选举操弄,而是对外交遗产的抢攻,中东被特朗普政府视为任期内最闪亮的外交成就。但是,拜登誓言铲除特朗普的外交遗迹,让特朗普在美国外交史上无立足之地,使得奥巴马之后紧接着就是拜登的名字。但拨开政治斗争、情绪对立的浮云,不论拜登嘴上是否承认,新政府中东政策都将具有相当大的延续性,把特朗普中东政策推回去的空间不大,"不变"是主流、本质和内容,"变"是支流、表面和形式。     

基于深度无监督学习的图像分类算法

为了取得精确的图像分类效果,一方面需要提取大量的图像特征数据进行样本分析,另一方面大量的数据又造成了维数灾难.因此,为了解决信息全面与维数灾难的矛盾,引入了深度学习.深度学习利用分层结构处理复杂的高维数据,可以完成复杂函数的逼近,是一类具有多层非线性映射的学习算法,但深度学习模型优化困难且对隐层参数敏感.针对上述问题,将无监督算法引入深度学习,这种学习方法无须人工设计特征提取数据,训练过程中样本标签是未知的.实验表明,该算法在不影响图像分类效果的前提下,可以大大降低计算复杂度,具有一定的时效性.