摘要：蔡琴,台湾著名女艺人。1980年以《恰似你的温柔》一曲成名。出道26年间出版了42张专辑,素有民歌歌后之称。1990年获得金曲奖“最佳女演唱人奖”、金鼎奖“最佳演唱人奖”,名曲有《恰似你的温柔》《你的眼神》《不了情》等。蔡琴除唱歌之外还多才多艺,做主持人、拍电影均获相关奖项,同时亦涉足广播、写作、电影、服装设计等多个领域。这几年更是演出了多部舞台剧,包括大获好评的《天使不夜城》和《跑路救天使》。蔡琴的事业是顺利的,但感情上却遭受过挫折,特别是那一次胸部长了肿瘤,曾给她带来了致命打击。是妹妹蔡菲让她从错综复杂、痛苦异常的往事中走了出来。每当人生旅途面临坎坷,蔡菲自创的“保健术”就使她“神奇脱险”……

摘要：本文从国内外工业废弃地景观利用发展现状入手,对工业之后废弃地景观利用改造过程中废弃工业构筑物、污染处理、种植设计等几个方面的处理进行了阐述,通过实际案例的剖析,希望给工业废弃地景观改造设计一些启示。

摘要：为了研究主应力轴往返循环旋转对青海省重塑黄土变形特性的影响,对重塑黄土进行了一系列有限主应力方向角往返循环旋转的应力路径试验,重点分析了重塑黄土在主应力轴往返循环旋转路径下的基本变形规律。试验结果表明:主应力轴往返循环的幅值对重塑黄土基本变形有着显著的影响;试样主应力轴循环幅值不超过45°时轴向应变一直向正向增长,然而主应力轴循环幅值超过45°时轴向应变先向负向增加,循环完成后试样最终产生正的轴向应变,且试样累积的塑性变形随循环次数的增加而增加;不同循环角度下试样径向应变均向负方向累积发展,主应力轴循环幅值为90°时径向变形最大;试样切向应变相对于其他应变累积较少;试样八面体剪应变的变化区间随着循环角度幅值增加而不断增大。

摘要：当前,我国对蓝绿空间建设的重视程度不断提高,如何科学谋划城市生态基础设施已逐渐成为行业焦点。本文以丘陵城市水系规划为基础,讨论了新区规划背景下,将生态基础设施空间布局与城市开发建设有机融合的规划实践。从预控水系空间、发挥湿地功能、重构城水关系等方面提出规划方案,以充分实现生态基础设施的水源涵养、水质净化、雨洪调蓄等生态系统服务功能,促进城市高质量绿色发展,为类似山地丘陵城市提供借鉴和参考。

摘要：随着城市化进程的加快,越来越多的城市居民的健康受到城市污染的影响,因而城市绿地对人体的保健作用日益受到重视。通过实地监测的方法,选择北京3种典型类型的绿地、在不同空间以及不同的季相条件组合下,对形成绿地保健功能的空气负离子浓度、空气温度、湿度、二氧化碳浓度、噪音等因子进行了研究。结果表明:(1)不同绿地类型的保健功能有较大的差距,以同一时段空气中的负离子浓度为例,其最大值发生在郊野公园(1 810 cm-3),高于单位绿地(980 cm-3),远高于作为对照的商业中心(110 cm-3);(2)在同一绿地的不同空间位置也存在明显差异,以道路绿化防护林带为例,林带中心空气中的负离子浓度高达1 900 cm-3,高于林缘(591 cm-3)和林外(120 cm-3);(3)同一绿地保健功能随季相变化发生明显改变,在有叶期的道路绿化防护林带中心的空气负离子浓度(1 900 cm-3)是落叶期相同位置空气中负离子浓度(750 cm-3)的两倍多。空气温湿度、噪音、CO2浓度的空间和时间上的变化类似于空气负离子。本研究获得的数据支持了城市绿地保健功能理论,可为合理设计城市绿地增强其保健功能提供依据。

摘要：基于青海经济快速发展及大批电网建设项目的核准,针对各利益相关者利益诉求的不同可能引发的社会稳定风险,研究了青海电网建设项目社会稳定风险分析的要点,对社会稳定风险分析报告的编制起到规范指导作用。

摘要：随着城镇化进程的推进与国家土地政策的日益紧缩,变电站占地指标的优劣性极大地影响工程的造价。高原变电站中,330 kV HGIS配电装置采用双层出线技术后,母线跨度较大,配电装置区域占地面积增加,提高了工程的经济投入与占地面积。通过对330 kV HGIS配电装置双层出线构架进行结构选型与计算优化设计,采取构架模型建立、受力分析、结构设计、实例工程验证等步骤进行优化分析,得到对传统330 kV HGIS配电装置布置形式的创新需求,满足了节约经济成本与减少征地面积的需求,对高原变电站的设计布置提供软技术支撑。

摘要：文章通过对分布式发电系统及大量分布式发电系统并网对配电网影响的分析,引出了微电网的概念,并分析了其相较于分布式发电系统的优点。探讨了微电网的典型结构,并对结构简单的光储微电网进行了重点说明。从光伏微源的特性、电力电子控制装置、储能装置的配置、光储容量配比及孤岛控制等方面重点研究了光储微电网研究中的关键技术。最后,分析了光储微电网在青海地区建设发展的可行性及优势。

摘要：半监督多标记学习利用有标记数据和无标记数据进行模型的训练,降低了多标记数据的标记成本并取得了不错的结果,吸引了很多研究者不断进行研究.然而,在半监督标注过程中,由于标记的数量较多,往往会出现某些标记缺失标注样本的情况,这些标记被称为开放词汇.开放词汇会导致模型无法学习到该类别的标记信息,使得模型性能下降. 针对上述问题,提出了基于图提示的半监督开放词汇多标记 学习方法. 具体地,该方法利用基于提示的图神经网络对预训练大模型进行微调,挖掘和探索开放词汇与 监督样本之间的关系. 通过使用包含图像与文本的多模态数据构造图神经网络作为预训练大模型的文本 输入进行学习. 其次利用预训练大模型在开放词汇上的泛化能力,对无监督样本生成伪标记,实现对输出 分类层的微调,使模型在对开放词汇进行分类时能获得更加理想的效果. 多个基准数据集上的实验结果 均显示,基于图提示的半监督开放词汇多标记学习方法优于目前的主流方法,在 VOC,COCO,CUB,NUS 等基准数据集上均取得了最优的效果.