不凝性气体对制冷量影响的实验研究

对运行的直燃型溴化锂制冷机充注不凝性气体,实验研究了充注不同类型及不同数量的气体后,制冷量的变化,当吸收器不凝气体的质量分数达到９％－１０％时。     

首乌及其复方对平滑肌细胞增殖抑制作用的研究

目的：观察首乌、洁脉冲剂及其组分对平滑肌细胞体外药敏效应。方法：从“复方－单味药－活性成分”对比分析入手，采用ＭＴＴ法测定首乌、洁脉冲剂、大黄素及大黄酸对平滑肌细胞增殖抑制作用。结果：首乌、洁脉冲剂与大黄素的有效剂量范围为其血药浓度的２５～１２５倍；大黄酸有效剂量范围为其血药浓度的１２．５～７５倍。洁脉冲剂、大黄素对平滑肌细胞增殖抑制率分别为２１．５４％～９６．８９％，２４．６％～９４．５８％；而首乌、大黄酸效果较差，抑制率分别为１６．５６％～８６．５７％，１４．３８％～８５．６４％。并且随作用时间延长、药物浓度的增加抑制率都有一定的提高。结论：本研究为首乌、洁泳冲剂、大黄素及大黄酸的医学应用提供了理论依据，为中药复方药效学研究提供了一种可借鉴的方法。     

广州市主城区建筑立体形态的圈层分异及其影响因素

利用广州市主城区1960、1990、2017年的单点建筑物数据,结合地价与人口密度,通过同心圆概括方式,分析主城区建筑立体形态主要指标的圈层分异及其影响因素. 研究结果表明,广州市主城区的建筑立体形态近似圈层分异, 其形成与演变依赖于依山傍水的平原型城市的地理格局、城市规划以及市场力量三方面的共同作用:(1)1960年以来,尽管广州市主城区的范围大小不同,中央商务区(CBD)中心向东持续迁移,但建筑高度、建筑密度、建筑高度离散度三指标均由主城区中心向四周降低,但斜向建筑比例增多,圈层分异明显;同时,三指标整体增加,幅度逐渐增强,中心区增幅高于外围. (2)立体形态的演替速度具有以荔湾、越秀老城区为核心向外圈层增加的特点;以地价指数、人口密度、建筑高度和建筑密度4个指标,主城区在1 000 m格网尺度上可聚集成围绕老城区向外逐步过渡的圈层结构. (3)综合地价指数与人口密度的圈层格局,决定了立体形态的圈层分异;由主城区中心向北,海拔高度的提高引起了建筑平面形态上斜向建筑比例的增加.     

合理运用接受心理增强思想政治教育实效性

思想政治教育过程中,接受主体不同的接受心理,必然会产生不同的接受结果。本文结合高校实际,阐述了正确引导和运用大学生的接受心理规律在思想政治教育过程中的影响力,为进一步增强思想政治教育的针对性和实效性提供借鉴。     

PBIB设计的约化

设Ｄ是一个有ｍ个结合类的ＰＢＩＢ设计，且它的参数λ１，λ２，．．．，λｍ中至少有两个是相等，第二节中，给出了ＰＢＩＢ设计Ｄ可以用遂次合并结合类来约化的充分必要条件，第三节给出了ＰＢＩＢ设计Ｄ可以用同时合并结合来约化的充分必要条件，最后，在第四节里我们研究了上述两种方法之间的关系。     

硝基苯甲醛的交叉cannizzaro反應

Nenitzescu和Gavat觀察到芳香醛和大量的甲醛在鹼溶液中共熱時,能够發生交叉Cannizzaro反應,得到相應的芳香醇作為主要產物。Davidson和Bogert研究了一些芳香醛起反應的條件,找出在70℃時醇的產量最高。由於带硝基的苯甲醇不能從相當的硝基苯甲醛還原製得,在這一工作中研究了     

基于哑变量回归和混合效应的杉树树高-胸径模型

为了精确预测杉树人工林的潜在生产力,以江西省青原山杉树人工林为研究对象,基于最小二乘法构建杉树树高-胸径的基础模型,在此基础上分别加入地形因子的哑变量和地形因子的混合效应,构建基于哑变量回归和混合效应的杉树树高-胸径模型,并利用决定系数和均方根误差评价模型的拟合效果,比较2种模型的精度。结果表明:杉树树高-胸径的关系随坡度、坡向的不同存在一定的差异;线性混合效应的回归预测模型精度高于哑变量回归模型和基础模型的,其中基础模型的决定系数、均方根误差分别为0.604、 2.595,哑变量回归模型的决定系数、均方根误差分别为0.652、 2.443,混合效应模型的决定系数、均方根误差分别为0.659、 2.364;与基础模型相比,基于线性混合效应的杉树树高-胸径模型的精度更高,决定系数增大了5.4%,均方根误差减小了8.9%。     

基于生成式对抗网络的自监督多元时间序列异常检测方法

异常检测是数据挖掘的重要研究方向之一.工业设备的各项指标以多元时间序列的形式被传感器监测,多元时间序列的异常检测对保障安全和提高服务质量至关重要,但是异常的定义相对模糊,具有异常标签的数据很稀少.此外,多元时间序列具有复杂的时间依赖性和随机性,使异常检测存在许多问题.提出CPCGAN模型,使用自监督学习的方法对多元时序数据进行异常检测.首先使用对比学习的方法得到多元时序数据的表示向量,再将具有先验信息的表示向量作为输入用来训练生成式对抗网络,通过生成式对抗网络的重构误差来确定异常.在五个数据集上与五种无监督异常检测方法进行对比,实验结果证明提出的方法能有效地检测两类异常,并且,在大多数数据集上的表现更好.