为解决隧洞围岩稳定性分析问题,开展了基于广义Hoek-Brown屈服准则强度折减法的研究.在有限差分软件FLAC3D中利用FISH语言编制强度折减程序,并以计算收敛性和特征点位移突变性为判据,求得整体安全系数.针对广义Hoek-Brown屈服准则四个基本输入参数σci、mi、GSI和D,引入等效接近度概念,以此为基础对比分析了七种强度折减路径的合理性,得出折减路径的合理性依赖于具体工程参数的结论,并通过工程实例对比验证了上述结论.隧洞稳定性随D值的增大而降低;将计算收敛性以及特征点位移突变性相结合作为其稳定性的判断标准更为合理

一、选择题 1.最初的计算机编程语言是a a机器语言b汇编语言 c高级语言d.低级语言 2.程序应该必须包含的部分是d a头文件b注释 c.高级语言d.数据结构和算法

1. D: Interpretation of Entropy on the Microscopic Scale- The Connection between Randomness and entropy 1. D I Entropy Change in Mixing of Two ldeal gases Consider an insulated rigid container of gas separated into two halves by a heat conducting partition so the temperature of the gas in each part is the same. One side contains air, the other side another gas, say argon, both regarded as ideal gases. The mass of gas in each side is such

采用数值方法研究了狭缝射流冲击柱状凸形表面的流动换热特性,通过四种湍流模型计算结果与实验数据对比,确定了湍流模型适用性.以压力梯度分布为依据,重点分析了狭缝射流沿柱状凸形表面的流动结构和边界层分离特点及柱状凸形表面的强化换热特性.结果表明:RNG k-ε和Realizable k-ε模型具有预测适应性;狭缝射流冲击至柱状凸形表面,气体沿表面运动,速度降低,并在流动下游发生边界层分离;量纲一的逆压梯度随量纲一的曲率半径(D/B)的减小而增大,使得边界层分离更早出现;驻点区域换热Nu随量纲一的曲率半径(D/B)的减小而获得增强,但流动进入下游后,D/B对换热基本无影响;压力梯度是影响狭缝射流冲击柱状凸形表面换热分布的重要因素

NMR supplement Hendrickson, W-A& Wuthrich, K Macromolecular 16. Leahy, D.J., Aukhil, I.& Erickson, H.P. 2.0 Cell 84 A K.D. thanks the Wellcome Trust and The queens 2D0i9 Riddiough. G. Nature Struct. Biol 18. sakaning. AK Kean. cel l8r.597-605i(eRw& by the Wellcome Trust. The authors acknowledge

一、 Definition:具有部分充填d或f壳层电子的元素。它包括第四、五、六周期从B 到Ⅷ族的元素,共有8个直列,这些元素都是金属元素,也称为过渡金属。人们也常 将铜分族看作过渡元素,这是由于Cu2+具有3d°,Au3具有5d,且性质也与过渡元素 十分相似的缘故

Section d Bacterial structure and function 细菌的结构与功能 Archaea D5 The archaea Crenarchaeota Euryarchaeota 古细菌

高质量睡眠与儿童的身体发育、认知功能、学习和注意力密切相关，由于儿童睡眠障碍的早期症状不明显，需要进行长期监测，因此急需找到一种适用于儿童睡眠监测，且能够提前预防和诊断此类疾病的方法。多导睡眠图(Polysomnography，PSG)是临床指南推荐的睡眠障碍基本检测方法，通过观察PSG各睡眠期间的变化和规律，对睡眠质量评估和睡眠障碍识别具有基础作用。本文对儿童睡眠分期进行了研究，利用多导睡眠图记录的单通道脑电信号，在Alexnet的基础上，用一维卷积代替二维卷积，提出一种1D-CNN结构，由5个卷积层、3个池化层和3个全连接层组成，并在1D-CNN中添加了批量归一化层（Batch normalization layer），保持卷积核的大小保持不变。针对数据集少的情况，采用了重叠的方法对数据集进行了扩充。实验结果表明，该模型儿童睡眠分期的准确率为84.3%。通过北京市儿童医院的PSG数据获得的归一化混淆矩阵，可以看出，Wake、N2、N3和REM期睡眠的分类性能很好。对于N1期睡眠，存在将N1期睡眠被误分类为Wake、N2和REM期睡眠的情况，因此以后的工作应重点提升N1期睡眠的准确性。总体而言，对于基于带有睡眠阶段标记的单通道EEG的自动睡眠分期，本文提出的1D-CNN模型可以实现针对于儿童的自动睡眠分期。在未来的工作中，仍需要研究开发更适合于儿童的睡眠分期策略，在更大数据量的基础上进行实验

Section D Bacterial structure and function 细菌的结构与功能 D1 Prokaryote taxonomy 原核生物分类学

一、了解微机控制系统的一般组成 二、了解D/A、AD的基本原理 三、了解DAC、ADC的主要性能指标 四、掌握DAC、ADC与CPU的接口及其应用