增肌运动处方对偏瘦女大学生体质的影响

运用文献资料法、实验法对17名偏瘦女大学生进行增肌运动处方锻炼。实验采用中低强度的有氧运动和抗阻练习,每次锻炼时间为40 min ,运动频率设定为每周2次（周一和周三）,把心率控制在130～150 b／min ,实验连续实施16周。结果显示：偏瘦女大学生的心肺功能得到了有效的改善,其中心率、心指数和肺活量指标改善较大,对血压的影响不大;偏瘦女大学生的BM I、身体各围度和皮褶厚度得到了有效的改善,其中BM I、臂围（紧张）改善较大,而对皮褶厚度、身体的其他围度影响不大;身体素质指标中除了握力以外,其他的指标均得到有效改善。本研究提示,增肌运动处方能有效改善偏瘦女大学生的机能指标和素质指标,对提高偏瘦女大学生身体素质具有一定的积极效应。     

电感耦合等离子体质谱法测定丙氨酰谷氨酰胺注射液中铝的含量北大核心CSCD

提出了电感耦合等离子体质谱法(ICP-MS)测定丙氨酰谷氨酰胺注射液中铝含量的方法。移取供试品7.5 mL共6份,分别置于6个15 mL塑料离心管中,各加入一定量的铝标准溶液,再用5%(体积分数)硝酸溶液稀释至刻度,摇匀,经0.22μm水膜过滤,得到供试品加标溶液系列,标准加入法定量。ICP-MS分析中选择雾化气稀释高基体样品引入-氦气碰撞(HMI-He)模式。结果显示:某供试品加标溶液中铝的质量浓度在30.00μg·L^(-1)内与其对应的响应值呈线性关系,检出限(3s)为0.88μg·L^(-1);对供试品加标溶液进行精密度试验,铝测定值的相对标准偏差(n=6)均小于2.0%;对同一供试品进行3个浓度水平的加标回收试验,回收率为101%~106%。方法用于12批丙氨酰谷氨酰胺注射液的分析,铝的检出量为20.00~31.22μg·L^(-1)。     

采集时间对油料光谱分析仪测量重复性的影响

分别从积分次数、积分时间及两者不同组合3个方面考察了采集时间对油料光谱分析仪测定Ag、B、Ba等21种元素测量重复性的影响。结果表明，积分时间、积分次数及两者不同组合均会对21种元素测量重复性产生规律性影响，但对不同元素的影响并不完全相同。在积分次数固定时，随着积分时间的增加，Ca、Cr、Mg、Mn、Si、Sn在积分时间为800 ms时，其光强信号的相对标准偏差最小；Ag、Al、B、Ba、Cd、Fe、Mo、Na、P、Pb、V、Zn在积分时间为1 000 ms时，其光强信号的相对标准偏差最小；Cu、Ni、Ti光强信号的相对标准偏差随着积分时间的增加逐渐下降。在积分时间固定时，随着积分次数的增加，除Cd、Cu、Mg、Mo外，其余17种元素在积分次数为20～25时，其光强信号的相对标准偏差均达到最小水平。在采集时间固定为20 000 ms时，Al、B、Ba、Cd、Cr、Fe、Mg、Mn、Ni、P、Pb、Si、Sn 13种元素在积分时间为800 ms、积分次数为25次的条件下，其光强信号的相对标准偏差最小，除Cd元素外，其余12种元素光强信号的相对标准偏差均小于3.5%(n=10)。该研究结果...     

铜离子介导的草甘膦荧光传感器的构建及应用

以7-二乙氨基香豆素为荧光基团，设计并合成了一种香豆素酰腙类荧光探针CPS。研究结果表明，在甲醇溶液中，探针CPS对Cu²⁺呈特异性的荧光猝灭响应，且与Cu²⁺形成分子比为2∶1的络合物CPS-Cu²⁺。此络合物作为荧光传感器实现了草甘膦的特异性识别，具有较高的灵敏度，检出限可低至64.8 nmol/L (10.95 ng/mL)。通过Job′s plot曲线、摩尔比法及质谱等手段，推测了荧光传感器检测草甘膦的作用机制。实际水样的加标回收实验证明了此荧光传感器检测草甘膦具有良好的实用性。     

超奈奎斯特相干光传输系统载波频偏估计算法

提出一种基于训练序列相位差+调频Z变换（CZT）的两级频偏估计算法。该方案采用设计的时域训练序列块并结合块内和块间多次平均平滑噪声影响，以较低开销实现频偏的稳定粗估计，并进一步基于第一级频偏粗估计设定第二级CZT估计范围，以较低计算复杂度完成最终高精度频偏估计。三载波128 GBaud偏振复用十六进制正交幅度调制（PM-16QAM）超奈奎斯特（FTN）波分复用（WDM）系统的仿真结果表明，加速因子为0.95、0.90、0.85时，所提算法训练开销仅为1.56%，即可实现-8～8 GHz范围内的稳定频偏估计，残余频偏分别为2、2.5、3 MHz左右。与估计精度基本相当的传统盲四次方FFT频偏估计算法相比，所提算法的总体计算复杂度显著降低，约为传统算法的8%。     

基于声发射检测的岩石材料非均质性评价与分类研究

对于深部岩石力学和地下工程而言，准确表征与评价岩石的非均质性，对于研究岩石在深部复杂环境下物理力学性质的变异性至关重要。由于岩石成分的复杂性和矿物分布的随机性，采用传统的图像观察方法难以准确的表述岩石的非均质性，因此，亟需寻找一种科学、实用的试验方法对岩石的非均质性进行表征评价。本文假设同种岩石具有相同的矿物几何特征及边界特征（即岩石的微观基质相同），岩石在破坏过程中强相矿物破坏的声发射信号相比于弱相矿物破坏的声发射信号较多。岩石巴西劈裂过程中轴线上的破裂可以近似的认为岩石内部强弱相矿物的依次破裂，通过统计不同应力阶段岩石的声发射信号特征可以间接的分析岩石内部强弱相矿物的差异性。基于此，通过定义岩石强弱相矿物占比及矿物空间分布的均匀性表征出了岩石的非均质性。之后选取不同特征变辉长岩和花岗岩验证了分析方法的科学性和实用性。最后，本文在岩石非均质性评价的基础上探究了岩石宏观力学参数与岩石非均质特征的相关性。单轴和三轴试验表明，岩石的峰值强度和弹性模量不仅仅与岩石强弱相矿物占比有关，也与岩石矿物空间分布的均匀性相关。     

基于深度学习的SSL VPN加密流量的分类识别

随着虚拟专用网技术的广泛使用，VPN加密流量的分类识别对于网络安全管理的重要性愈发明显，而传统流量分类技术在提取特征和关键协议字段时效率较低.因此，本文提出一种基于卷积神经网络的深度学习模型，用以实现SSL VPN加密流量的分类识别，并减少特征工程中的人力成本.首先，将流量区分为VPN加密流量和非VPN加密流量，并且确定出这两类流量所属的服务类型；然后对所有流量进行分类，识别出产生流量的应用类型.考虑到网络流量中存在的时序关系，采用一维卷积神经网络作为深度学习的模型，通过构建Pytorch的实验环境，采用ISCX2016数据集，实现对VPN加密流量的分类任务.通过参数优化，除数据量较小的数据类型外，应用识别的平均F1-score为91.73%,流量识别的平均F1-score为91.13%.实验结果表明，基于一维卷积神经网络的深度学习方法对于识别SSL VPN流量是可行和有效的.