BPON系统的ONT研究和嵌入式系统设计

宽带无源光网络（BPON）系统是一种优良的高速、宽带接入解决方案,是实现光纤到户（FTTP）的重要解决方案之一.在介绍BPON系统的网络分层结构基础上,分析了光网络终端（ONT）设备实现的主要功能,讨论了实现方案.利用嵌入式思想开发ONT系统,并研究了软件设计的主要方法.将软件划分为5个模块,设计出每一模块的流程,并讨论了其中的消息处理核心功能的实现过程.     

模糊层次分析法在桥梁综合评估中的应用

影响桥梁安全性能评估的因素很多，而采用层次分析方法可以将诸多因素条理化和清晰化，但无法反映判断的不确定性和模糊性．文章在此基础上引入模糊分析法，通过专家咨询，将各因素层次化，并且构造模糊一致性判断矩阵，计算出各层因素指标的权重．经过多级模糊运算后，最终得出模糊评估结果，并通过实例应用验证了采用此种方法的可行性．     

对新形势下我国高校办高水平运动队的思考

目前,国家教育部已经全面承担世界大学生运动会的比赛任务,在这种新形势下,加强对高校办高水平运动队的研究显得更为重要．本文对高校办高水平运动队的的优势和存在的问题及建议提出了一些新的见解．     

悬臂拼装法的应用

通过对满堂支架法和悬臂拼装法中影响桥梁设计和施工因素的对比分析,探讨了悬拼法在桥梁应用技术上、经济上的优越性。     

采用双钓鱼法吊装侯家沟大桥箱梁

根据侯家沟大桥特殊的地形状况，选用最合理、最经济的吊装方案，进行大桥的箱梁吊装。     

沈阳财富中心基础工程大体积混凝土施工

大体积混凝土施工关键是控制裂缝的产生,裂缝产生的主要原因是温度应力。所以控制大体积混凝土内外温差是大体积混凝土施工的关键。本文结合沈阳财富中心基础大体积混凝土施工所采取的措施。对如何控制大体积混凝土施工裂缝的产生进行了探讨。     

EGFR、Ku70、NF-κB及Bcl-2在Graves病中的表达及意义

目的研究Graves病患者细针穿刺组织中EGFR、Ku70、NF-κB和Bcl-2基因的表达水平,探讨其在Graves病发生发展中的作用。方法 Graves病组患者59例,平均年龄(44.66+12.94)岁,其中男16例,女43例;甲状腺结节周围正常甲状腺组织标本27例为对照组,平均年龄(44.64+14.27)岁,其中男6例,女21例。采用实时荧光定量逆转录-多聚酶链反应(RT-PCR)法检测EGFR、Ku70、NF-κB和Bcl-2在Graves病及对照组甲状腺组织中的表达,t检验分析基因表达水平差异;Pearson相关法分析基因表达与临床特征及相关血清学指标之间的关系。结果上述基因在对照组及Graves病甲状腺组织中都有不同程度的表达。Graves病患者组织中EGFR及Ku70的表达水平明显高于对照组甲状腺组织(1.752±0.660 vs.0.859±0.125,P<0.05;3.304±0.402 vs.0.768±0.102,P<0.001);NF-κB及Bcl-2的表达水平明显低于对照组甲状腺组织(0.578±0.066 vs.0.884±0.085,P<0.001;0.834±0.086vs.1.235±0.261,P<0.05)。Graves病组织中NF-κB与Bcl-2表达水平呈正相关(r=0.399,P<0.001)。Graves病组织中Ku70的表达水平与血清TgAb水平呈正相关(r=0.263,P<0.05),而其他基因表达与相关血清学指标无关(P均>0.05)。结论 Ku70、EGFR、NF-κB、Bcl-2介导的信号转导通路可能参与了Graves病的发生、发展过程。     

新建公路隧道与既有铁路运营线并行段最小间距的确定及铁路防范要求

在既有电气化铁路运营线旁近距离大段落并行施工公路项目,需要明确铁路电气化设备带电体防范的根本要求,外界工程会对铁路可能造成的干扰及铁路方可能承担的风险。文章结合工程实例对公路构筑物与铁路设施之间距离的确定进行了论证,对公路、市政等项目有一定的借鉴作用。     

美军利用商船增强海军舰船补给保障能力的启示

为了在战时使用商船增强海军舰船补给保障能力,美军于1977年启动了商船海军增强计划,系统地发展商船与海军舰艇之间的物资快速传输能力,内容包括研制快速加装补给装备,组建补给分队、进行业务能力培训、建设技术保障力量等。美军实践证明,商船海军增强计划是成功和成效显著的,为美军提供了庞大、可靠的海上补给后备力量,极大的增强了战争潜力,并降低了经费开支,取得了良好的军事经济效益,对我军利用民船增强舰船补给保障能力具有很好的借鉴意义。     

Soft-Sensing Method with Online Correction Based on Semi-Supervised Learning

Soft sensing has been widely used in chemical industry to build an online monitor of the variables which are unmeasurable online or measurable online but with a high cost. One inherent difficulty is insufficiency of the training samples because the labeled data are limited. Besides, the traditional soft-sensing structure has no online correction mechanism. The forecasting result may be incorrect if the working condition is changed. In this work, a semi-supervised learning(SSL) method is proposed to build the soft-sensing model by use of the unlabeled data. Meanwhile, an online correction mechanism is proposed to establish a soft-sensing approach. The mechanism estimates the input variables at each step by a prediction model and calibrates the output variables by a compensation model. The experimental results show that the proposed method has better prediction accuracy and generalization ability than other approaches.