摘要：本文概略地介绍了基坑支护工程设计要点,并以福州市某工程商住楼基坑支护设计、施工为例,叙述了支护结构设计原则及步骤,给出了优化方案及施工要点,取得了客观的经济效益。

摘要：深度残差网络作为一种先进的深度学习算法,近年来得到学术界和工业界的高度关注。针对叠前地震记录中随机噪声的智能高效压制问题,首先根据深度残差网络原理设计了一种深层非线性去噪网络,然后利用构建的高质量随机噪声训练集对该网络进行训练,在高维空间实现对随机噪声特征的自动学习,从而拟合出含噪声地震记录与随机噪声之间的非线性映射关系,实现随机噪声自动压制。模型数据测试和实际资料应用均证明了文中方法的有效性。尽管其去噪能力与标签数据获取方法相当,但去噪效率及适应能力明显优于标签数据获取方法,为应对TB级叠前地震数据的去噪问题提供了一种可借鉴的思路。

摘要：HDOOM是在流行的Netware总线型LAN的基础上开发的一个面向对象的分布式系统模型。该模型具有较高的可靠性和并行性、开发效率高、易推广等特点。本文简要介绍了HDOOM 的设计思想和整体结构,对对象的分类及管理、事务处理、对象迁移等问题的分析及解决作了阐述。

摘要：传统初至拾取方法拾取效果和效率不能兼顾、算法稳定性差、工业化应用成熟度不高;基于深度学习的初至拾取方法制作标签耗时费力、数据预处理过程繁琐、网络结构过于复杂,导致训练和测试效率较低。为此,将U-Net与SegNet深度学习网络的优点相结合,构建新的混合网络U-SegNet,并基于U-SegNet自动拾取初至。U-SegNet以SegNet结构为基础,通过在解码器网络的反卷积层之前融合跳跃连接信息,提供编码器网络的多尺度信息,以获得更好的性能,并且其上采样操作将U-Net中的反卷积改为反池化,池化索引被传递到上采样层,网络模型收敛更快。因此,U-SegNet网络结构更利于分割背景噪声区域和含噪信号区域,从而提高初至拾取精度。基于U-SegNet的初至自动拾取流程包括制作训练数据集、设计网络模型、训练网络模型、测试网络模型和实际资料应用。测试和应用结果表明,所提方法的初至拾取效率约为某商业软件的2.2倍,且易于工业化应用,具有良好的发展前景。

摘要：维持系统的一致性是使系统正常运行的前提。该文叙述了面向对象分布式计算系统在引入并发之后可能带来的不一致问题及解决办法，从一致性理论出发，全面探讨了维持并发一致性的各种方案，提出了一套维持一致性的管理策略，设计并实现了一个并发控制算法。

摘要：目的建立一种新的呼吸道合胞病毒(RSV)分型检测方法,用于快速检测和监测。方法针对RSV G基因设计引物、探针,并引入人β-actin基因(ACTB)作为内参质控,建立RSV-A、RSV-B多重荧光PCR检测方法。使用多种常用呼吸道病原体及体外转录RNA产物考核其特异性和灵敏度。并对2015年1月至12月广州两家医院的儿童急性呼吸道感染患者进行检测。结果所建立的多重检测方法未见非特异性反应。RSV-A、RSV-B和ACTB分别可检测低至4、8和12 copies/μL的RNA模板,且分别在10~1×10^(10)copies/μL、100~1×10^(10)copies/μL和100~1×10^(10)copies/μL时具备良好的线性关系,线性相关系数r2均大于0.99。儿童急性呼吸道感染患者监测中,RSV-A为期间优势亚型。结论本研究所建立的RSV-A、RSV-B多重荧光PCR检测方法,具有较好的特异性、灵敏度、可操作性,可用于相关研究。