有限元软件与通用图形软件间无缝连接的研究

采用面向对象技术,结合已开发的自适应有限元软件AFEAS,探索并实现了它和AutoCAD软件图形的无缝连接,并给出了一个简单的滑坡示例,验证了该方法的可行性和优点。     

MAPGIS的数据转换与使用技巧

数据的共享使用和充分利用软件的优势互补．优化数字化生产的工艺流程．是降低生产成本．提高劳动生产率的有效办法。     

锚杆框架梁加固膨胀土边坡的数值模拟及优化

锚杆框架梁是加固膨胀土路堑边坡的一种方式,能够有效地抑止膨胀土边坡裂隙的扩展和发展,阻止边坡体的变形。为了研究锚杆框架梁的加固效果及其坡率对膨胀土路堑边坡的影响,采用了快速拉格朗日差分分析三维软件FLAC3D模拟锚杆框架梁加固膨胀土路堑边坡。数值分析及结果表明,坡率与膨胀土路堑边坡变形密切,锚杆框架梁参数中锚杆布设角度和间距对膨胀土边坡变形影响较大,同时对锚杆框架梁的主要参数提出相关的建议,为工程和设计优化提供了参考。     

冬季刺参养殖环境与肠道内细菌菌群的研究

运用传统细菌分离培养与分子生物学技术相结合的方法,对2008年11月至2009年1月冬季刺参(Apostichopus japonicus Liao)养殖池塘环境(养殖水、底泥、附着基)及刺参肠道内的细菌菌群进行了分析。应用平板稀释涂布培养计数法测得刺参养殖池塘水体、底泥、附着基和肠道细菌数量分别为0.75×102～1.4×104cfu/mL、8.7×104～8.1×105cfu/g、3.8×105～2.8×106cfu/g、7.1×105～1.5×107cfu/g;根据形态学差异从培养所得的细菌中筛选得到22株菌,用限制性内切酶Rsa I和Msp I对所分离菌株进行ARDRA(Amplified rDNA Restriction Analysis)分析,这22株菌被分为8种不同的分类单元(Operational Taxonomic Unit,OTU),其中OTU2与OTU3所包含的菌株分别占分离菌株种数的30%和20%;此外,作者对不同环境培养所得的优势度最高的细菌进行分子鉴定分析。结果表明:水环境中优势菌为施氏假单胞菌(Pseudomonas stutzeri)、门多萨假单胞菌(Pseudomonas mendocina)及巨大芽孢杆菌(Bacillus megaterium),沉积物中优势菌为巨大芽孢杆菌(B.megaterium)、施氏假单胞菌(P.stutzeri)、苏云金芽孢杆菌(Bacillus thuringiensis),附着基中优势菌为巨大芽孢杆菌(B.megaterium)、苏云金芽孢杆菌(B.thuringiensis),灿烂弧菌(Vibrio splendidus),肠道中优势菌为巨大芽孢杆菌(B.megaterium)、苏云金芽孢杆菌(B.thuringiensis),灿烂弧菌(V.splendidus)、施氏假单胞菌(P.stutzeri)。通过对冬季刺参池塘细菌菌群多样性分析和优势菌鉴定,为筛选低温益生菌和防治刺参疾病提供了有益参考。     

�ռ�Բ�������ⷽ�������ݴ���

???????????????????????????????????:λ????????????????????λ?????????????????????????????????;??????????????????????????????????????????????????????????????????????????????????????????????????????3????????????:???????????????????????????????????????÷??????н?????????     

地震前兆观测仪器标定问题的探讨

标定工作，在地震前兆观测仪器的研究，使用及所得数据的处理中均已成为一个不可少的环节，但缺少有关标定问题的基石性研究和讨论。本文就标定的定义、种类、目的、要求、存在的问题等做一粗线的讨论，以期今后加强这一工作的深入研究。     

基于KML的三维专题图表示方法

近几年来,虚拟地理环境系统得到广泛应用.专题图制作在制图学上有着悠久的历史.但是在虚拟地理环境浏览系统中(如Google Earth)对专题要素的表达没有得到足够的重视.文中研究如何利用KML制作专题符号,并在三维虚拟地理环境浏览系统中利用基于KML的专题符号实现定点符号法、分区图表法、质别底色法等专题图表示方法.通过实验说明KML在专题图的制作中具有巨大潜力,但同时也有一些重点问题需要解决.     

南极菲尔德斯半岛表层土壤样品中细菌多样性的系统发育分析

通过PCR结合变性梯度凝胶电泳(DGGE)技术对从南极长城站附近表层土壤样品中获得16SrDNA序列特征片段V3区序列进行分离。对其中的主要12条DGGE条带进行胶回收,获得的DNA片段经测序以及计算机比对分析发现,它们分别属于β、γ、δ-变形细菌(Proteobac-teria)、噬纤维菌-屈挠杆菌-拟杆菌(Cytophaga-Flexibacter-Bacteroides,CFB)群细菌、放线细菌(Actinobacteria)、蓝细菌属(Cyanobacteria)、酸杆菌属(Acidobacteria)和绿屈挠菌属(Chlo-roflexi)等系统分类群。南极表层土壤样品中的大部分16S rDNA序列与从其他土壤或沉积物样品中直接获得的序列相似性较高(93%-100%)。     

太湖春季浮游植物群落对不同形态氮的吸收

为研究太湖春季浮游植物群落氮吸收特征及其与浮游植物群落结构和环境因子的关系,于2010年5月中旬采集太湖6个点位水样,利用15N稳定同位素示踪技术,测定太湖浮游植物群落对硝态氮,铵态氮和尿素的吸收,结果表明:太湖浮游植物群落对铵态氮的吸收速率均值最高,占几种氮总吸收量p(DN)的62.8%,各点位值在0.181 -1....     

An improved segmentation approach for planar surfaces from unstructured 3D point clouds

The extraction of object features from massive unstructured point clouds with different local densities, especially in the presence of random noisy points, is not a trivial task even if that feature is a planar surface. Segmentation is the most important step in the feature extraction process. In practice, most segmentation approaches use geometrical information to segment the 3D point cloud. The features generally include the position of each point (X, Y and Z), locally estimated surface normals and residuals of best fitting surfaces; however, these features could be affected by noisy points and in consequence directly affect the segmentation results. Therefore, massive unstructured and noisy point clouds also lead to bad segmentation (over-segmentation, under-segmentation or no segmentation). While the RANSAC (random sample consensus) algorithm is effective in the presence of noise and outliers, it has two significant disadvantages, namely, its efficiency and the fact that the plane detected by RANSAC may not necessarily belong to the same object surface; that is, spurious surfaces may appear, especially in the case of parallel-gradual planar surfaces such as stairs. The innovative idea proposed in this paper is a modification for the RANSAC algorithm called Seq-NV-RANSAC. This algorithm checks the normal vector (NV) between the existing point clouds and the hypothesised RANSAC plane, which is created by three random points, under an intuitive threshold value. After extracting the first plane, this process is repeated sequentially (Seq) and automatically, until no planar surfaces can be extracted from the remaining points under the existing threshold value. This prevents the extraction of spurious surfaces, brings an improvement in quality to the computed attributes and increases the degree of automation of surface extraction. Thus the best fit is achieved for the real existing surfaces.