高陡横坡段桩柱式桥梁双桩基础受力分析

基于高陡横坡段桩柱式桥梁双桩基础承载特性,提出了一种改进有限杆单元计算分析方法.分析了高陡横坡段桩柱式桥梁双桩基础承载机理及受力特性,建立了双桩基础计算分析模型.其次,根据前、后桩与边坡相对位置关系,给出了后桩所受剩余下滑力与前桩所受土压力的比例关系.在传统有限杆单元分析方法基础上,结合陡坡桩受力特征,导得了考虑桩土共同作用与"P-Δ"效应的单元刚度矩阵修正方法,并在此基础上编制了适用于高陡横坡段桩柱式桥梁双桩基础的有限杆单元分析MATLAB计算程序.采用室内模型试验对本文计算方法进行验证,给出了适用于陡坡段桥梁桩基的设计流程图.研究结果表明:本文理论计算值与模型试验实测结果吻合良好,表明本文计算方法正确可行,可为同类工程设计提供参考.     

弱电解质无限稀溶液摩尔电导的测定

本文论述了不借助文献数据,通过实验数据直接求出弱电解质无限稀释溶液的摩尔电导率Am∞,并对弱电解质的使用浓度进行讨论.     

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。     

Banach空间常微分方程初值问题的广义整体解

研究了Banach空间一阶非线性常微分方程初值问题.当f(t,u)满足弱Carath啨odory条件时,利用单调迭代方法和适当的迭代程序,获得了广义整体解的存在唯一性结果.     

弱相互作用下原子的玻色-爱因斯坦凝聚

从理论上分析提出了弱相互作用下Bose体系的BEC理论，并由此来解释液^4He的超流性。通过深入对比理想Bose气体和弱相互作用下Bose体系发生BEC性质的不同，分析得出了凝聚体系粒子间相互作用的有无是导致二者性质不同的主要原因。     

用变分法分析地基-箱形基础-上部结构相互作用

利用空间子结构法凝聚上部结构的刚度与荷载,形成一个超级单元,同时,采用有限分层地基模型,并计及基础自身刚度的影响,建立起基于能量变分原理的地基-箱形基础-上部结构相互作用的数学模型.由于该模型合理的体现了三者协同工作的机制,从而可以对问题进行较为全面的分析.     

国际法是一种弱法--汉斯·摩根索国际法思想述评

国际法学中"权力政治学派"(权力政治学说)最卓越的代表汉斯·摩根索对国际法做出了划时代的贡献.他结束了西方国际关系领域里的"国际法万能论"一统天下的局面,论证了国际法功能的分散化以及国际法作用的有限性,并且诠释了国际法和主权的诸种内在联系.然而,长期以来,其深刻的思想却为世人所误解,摩根索被看成是国际法虚无主义的典型人物.本文试通过论述摩根索的国际法观点并分析其成就与不足,以拓展我国国际法学界的研究领域.     

疏水色谱法及其在生物大分子分离纯化中的应用

综合评述了疏水相互作用色谱法（hydrophobic interaction chromatography,HIC)的理论及其在生物大分子分离纯化方面的研究进展。     

会计监督弱化的成因与对策

<正> 近年来,在市场经济转轨过程中,会计信息失真现象越来越严重,诸如假账泛滥、私设小金库、违法不纠现象严重等。会计工作质量不高,一定程度上限制了集团公司内部经济管理工作,分析产生这些现象的根源,不难发现,它与会计监督弱化有关。会计监督弱化有多方面的原因。其一,在会计法制建设上,以往的力度较为薄弱。虽然《中华人民共和国注册会计师法》以及1985年颁布的《会计法》等遏     

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.