加速康复联合中医外治护理在鼻内镜治疗慢性鼻窦炎患者中的应用

目的：探讨基于循证的加速康复联合中医外治护理干预在鼻内镜治疗慢性鼻窦炎患者中的效果。方法：将76 例行鼻内镜术治疗的慢性鼻窦炎患者随机分为2组,每组各38 例。观察组应用基于循证的加速康复联合中医外治护理干预,对照组应用常规护理干预。随访3个月,观察患者焦虑自评量表（SAS）评分、嗅觉测试（CCCRC）评分、鼻腔纤毛传输速率（MTR）以及手术日恶心、呕吐、口渴、饥饿等不适症状的发生率,术后并发症发生率与术后平均住院天数。结果：观察组SAS评分、CCCRC评分、MTR、手术日不适症状发生率及术后并发症发生率、术后平均住院天数与对照组比较,差异均有统计学意义（均P＜0.05）。结论：基于循证的加速康复联合中医外治护理干预能够改善鼻内镜治疗慢性鼻窦炎患者的焦虑情绪,降低手术日不适症状及术后并发症发生率,缩短术后住院时间,促进鼻功能恢复。     

迭代EnSRF方案设计及在Lorenz96模式下的检验

本文利用非同步 (Asynchronous) 算法设计了一个包含迭代过程的集合平方根滤波方案 (迭代EnSRF),并在Lorenz96模式下详细对比分析了该方案和传统EnSRF方案的同化效果.与传统EnSRF方案不同,迭代EnSRF方案能够同时更新两个时次的背景场并通过迭代过程来改进分析结果.本文不仅检验了迭代EnSRF在同化不同类型观测资料时的效果,还检验了存在模式误差时该方案的同化效果,并且对同化结果的合理性进行了详细分析.试验结果表明:在完美模式下,迭代EnSRF能够显著加快同化常规观测时的收敛速度,并能够更加有效地同化非常规观测资料;在存在模式误差时,迭代EnSRF并不能有效改进分析结果;当对不准确的模式参数进行扰动后,迭代EnSRF能够更好地利用改进后的集合预报系统来提高其对部分类型观测的分析结果.进一步的分析表明,分析结果的改进主要得益于迭代EnSRF改进了背景误差协方差空间结构,并使得EnSRF的线性假设得到更好的满足.     

辨识方法的计算效率(2):迭代算法

讨论了最小二乘迭代辨识算法及其计算效率问题.最小二乘迭代算法由于涉及矩阵求逆运算,为减小计算量,提出了基于块矩阵求逆的最小二乘迭代辨识算法.基于块矩阵求逆的最小二乘迭代辨识算法不是一种新算法,只是从辨识算法的实现方式上降低计算负担,它与最小二乘迭代算法产生相同的参数估计,但计算量小.文中研究了伪线性回归系统、多元伪线性回归系统、多变量伪线性回归系统的最小二乘迭代辨识算法及其基于块矩阵求逆的最小二乘迭代算法.     

辨识方法的计算效率(3):信息向量耦合算法

简单讨论了行列式、矩阵逆和块矩阵逆的计算量;研究了信息向量耦合型多变量系统的子系统递推最小二乘辨识方法,给出了计算量小的联合递推最小二乘辨识算法;研究了部分信息向量耦合型多变量系统的子系统最小二乘辨识算法,提出了计算量小的基于块矩阵求逆的最小二乘辨识算法;给出了部分信息向量耦合型多变量系统的子系统递推最小二乘辨识算法,提出和推导了基于辨识模型分解的递推最小二乘辨识算法,并分别讨论了提出算法的计算量.     

一种新的混合迭代UKF

从统计线性回归的角度对无味变换(unscented transformation,UT)进行分析,推导了迭代无味卡尔曼滤波(iterated unscented Kalman filter,IUKF)。针对IUKF计算量大的问题,结合弦线迭代法和IUKF,得到了一种新的混合迭代无味卡尔曼滤波器。数值仿真的结果表明,新滤波算法的精度优于扩展卡尔曼滤波、迭代扩展卡尔曼滤波和无味卡尔曼滤波,并可以有效降低IUKF的计算量。     

快速同伦算法在非线性最小二乘平差中的应用

针对线性化近似法模型误差大,牛顿迭代法和高斯-牛顿法局部收敛等不足,而同伦算法在非线性数据处理方面有独到优势。通过对同伦路径跟踪过程中牛顿迭代终止判据和步长控制策略进行了改进,得到了一种快速、稳定的同伦路径跟踪算法。     

2D11诺贝尔物理学奖花絮

2011年10月4日瑞典皇家科学院宣布。将2011年诺贝尔物理学奖授予美国科学家索尔·珀尔马特、拥有美国和澳大利亚双重国籍的科学家布赖恩·施密特以及美国科学家亚当·里斯,以表彰他们在天体物理学方面的卓越研究成果——发现宇宙加速膨胀。     

CHAMP加速仪资料的快速校标研究

对星载加速仪进行校标是有效利用星载加速仪测量数据的基础,目前校标方法都是建立在星载GPS资料处理的基础上,对处理软件和计算设备的要求都非常高.为了满足高层大气阻力研究的需要,提出了一种快速高效的校标方法,即利用GFZ公布的CHAMP卫星快速轨道作为观测资料,采用有尺度因子和线性偏差的加速仪测量值代替非引力模型摄动加速度...     

有限区域风速场求解流函数和速度势场的有效方案

流函数和速度势是表示风场的一种变量, 在数值天气预报模式和分析、同化方案中经常使用, 通常可以用风速分量场求解Poisson方程得到。对于有限区域系统, 往往采用差分方法, 但由于存在边界问题, 用计算所得到的流函数和速度势场重建风速场, 在边界附近经常出现明显的偏差。基于差分方法、利用有限区域风速场求解流函数和速度势场的基本方法和特点的分析, 在Arakawa A网格分布的有限区域, 设计了一种用差分方法求解流函数和速度势场的有效方案。在该有效方案中, 通过将有限区域向外扩展二圈, 风速场线性外推, 改进计算边界风速值和边界定解条件的效果; 尽可能使用协调、一致的差分格式, 提高求解精度; 最后利用一种增量订正迭代方法, 迭代2~3次就可以获得令人满意的结果。实例试验的对比、检验显示, 用该方案计算求得的流函数和速度势场重建风速场, 具有非常高的精度。