分层饱和土中横向受荷桩动力响应分析

考虑饱和土的成层性和孔隙流体与土骨架变形的相互作用,用积分变换方法构建盘面和柱面荷载作用下土体与结构动力相互作用影响函数,用边界元方法建立相应的考虑饱和土成层性的地基与桩基础动力相互作用分析方法.以层状饱和土中横向受荷桩动力阻抗分析表明分析方法的可行性.算例分析孔隙流体对分层饱和土中横向受荷桩动力响应影响.     

组态相互作用对Gd离子谱线分布的影响

利用Cowan程序计算Gd~(17+)Gd~(25+)在4p-4d和4d-4f的跃迁光谱,给出不同电离度下组态平均能的变化规律,分析组态相互作用对谱线分布的影响。当不考虑组态相互作用时,随着离化度的增加,辐射带向长波方向移动;当考虑组态相互作用时,谱线分布范围明显变窄,整体谱线发生红移。运用UTA统计理论计算在1 9 nm的光谱范围内Gd~(17+)Gd~(25+)的4d-4f,4d-4p,4d-5p和4d-5f跃迁的平均波长等一系列参数,并将合成光谱与实验光谱进行比较,结果表明两者吻合较好。     

极端气候工程地质:干旱灾害及对策研究进展

受全球气候变化影响,极端气候事件的发生频率和强度均呈显著加剧趋势,并通过各种方式作用于地质体,诱发一系列工程地质灾害,严重影响经济社会可持续发展,给当前工程地质研究带来许多新的挑战.迫切需要加大极端气候工程地质作用及防灾减灾基础研究.这对于提高我国重大工程应对气候变化和极端气候事件的防御及其决策能力,提升我国自然灾害综合防治能力,具有重要战略和现实意义.这也是现代工程地质学科的重要使命和发展方向.针对干旱灾害问题,近些年来工程地质界围绕干旱气候-土体相互作用方式、作用结果、监测技术及对策开展了大量研究,在干旱气候作用下土体工程性质响应过程及灾变机制方面取得了重要进展,尤其在土体蒸发、收缩、龟裂过程及机理等方面取得了一批创新性研究成果,弥补了工程地质领域在干旱气象灾害方面的研究空白,为指导干旱地区的工程地质实践和防灾减灾工作提供了科学依据.今后,除了需要加强气候变化以及大气-地质体相互作用基础研究外,还应该加强相关技术研究,如分布式光纤感测技术、基于自然解决方案的微生物地质工程技术、大数据与云计算技术、人工智能等,为工程地质防灾减灾提供先进的理论和技术支撑.     

CRE方法在Boussinesq-Burgers方程中的应用

给出了CRE可解的定义,运用CRE可解的概念证明了Boussinesq-Burgers方程的CRE可解性,根据此性质构造了Boussinesq-Burgers方程在负指数假设下的孤立波与椭圆周期波之间的相互作用解.为了更好地研究解的性质,通过选取恰当的参数给出了相应解的图形.     

分子内弱相互作用对共轭性的影响

以[2,2]对环蕃、三蝶烯、9,9’-螺二芴为连接单元,通过Buchwald-Hartwig/Suzuki偶联反应,连接富电子二苯氨基/缺电子萘酰亚胺片段,合成了化合物1～6和化合物7～12。在化合物1～6和7～12中,两个富电子中心或两个缺电子中心通过本共轭、交叉共轭、π-π堆积以及直接π-共轭方式连接。光物理和电化学测试表明,中性状态下基态共轭性以直接π-共轭最好,本共轭、交叉共轭次之,π-π堆积最差;在正离子自由基状态下共轭性以直接π-共轭最好,本共轭、交叉共轭次之且相近;负离子状态下共轭性则由于缺电子中心和连接单元之间的π-共轭作用被π-平面之间的扭转角削弱,化合物7～12中的连接方式都未能体现出差异。     

塔里木盆地不整合面附近成岩改造体系烃-水-岩相互作用

“八五”期间,我们从储层流体地球化学角度,首次提出了塔北不整合面附近经历了微生物介入的有机-无机成岩改造作用、实际上为烃-水-岩相互作用.这与Kharaka模拟实验讨论结果不谋而合.1 储层流体地球化学证据1.1 原油或油砂色谱特征塔北隆起东河塘地区石炭系正常原油或油砂,其Pr/Ph值一般介于 0.90～1.10之间,     

湍流大小尺度涡量方程组及其封闭

利用流体大小尺度 (LSS)方程组推导出湍流大小尺度涡量 (LSSV)方程组 ,给出两个关于湍流大小尺度涡量的命题 ,从而得到湍流封闭大小尺度涡量 (CLSSV)方程组。同时 ,对近程相互作用命题进行了推广。     

粒子物理中几种可能应用的新数学方法和拓扑模型

在粒子物理中探讨了四元数、符号动力学等新的数学方法,几种可能应用于振荡的数学方法,及与时间有关的粒子理论;讨论了非线性理论和相应的定性分析理论的结果;研究了粒子的拓扑模型和分形模型;最后提出弱相互作用可能相应于Lobachevsky几何.     

Finding finer functions for partially characterized proteins by protein-protein interaction networks

Based on high-throughput data, numerous algorithms have been designed to find functions of novel proteins. However, the effectiveness of such algorithms is currently limited by some fundamental factors, including (1) the low a-priori probability of novel proteins participating in a detailed function; (2) the huge false data present in high-throughput datasets; (3) the incomplete data coverage of functional classes; (4) the abundant but heterogeneous negative samples for training the algorithms; and (5) the lack of detailed functional knowledge for training algorithms. Here, for partially characterized proteins, we suggest an approach to finding their finer functions based on protein interaction sub-networks or gene expression patterns, defined in function-specific subspaces. The proposed approach can lessen the above-mentioned problems by properly defining the prediction range and functionally filtering the noisy data, and thus can efficiently find proteins’ novel functions. For thousands of yeast and human proteins partially characterized, it is able to reliably find their finer functions (e.g., the translational functions) with more than 90% precision. The predicted finer functions are highly valuable both for guiding the follow-up wet-lab validation and for providing the necessary data for training algorithms to learn other proteins.