淀山湖浮游藻类群落的早期增长

对2004～2009年淀山湖浮游藻类群落生物量[以叶绿素a(Chla)表示]随时间的变化进行了数学模拟.模拟结果表明,Logistic增长模型能够很好地描述淀山湖浮游藻类群落春季和夏季的早期增长.一般说来,淀山湖春季以硅藻和绿藻为主的浮游藻类群落于2月下旬进入指数级增长,到3月上旬浮游藻类密度已经达到始盛点的2倍,浮游藻类密度的翻倍时间仅为18 d,到3月中旬浮游藻类群落的增长速度达到最大值29.4μg.(L.月)-1;6月可能形成浮游藻类水华.淀山湖夏季以蓝藻为主的浮游藻类群落于6月中下旬进入指数级增长,到7月中旬浮游藻类密度已经达到始盛点的2倍,浮游藻类密度的翻倍时间为26 d;到7月下旬浮游藻类群落的增长速度达到最大值22.8μg.(L.月)-1,8～9月可能形成蓝藻水华.淀山湖浮游藻类群落早期增长的一般规律,可以为浮游藻类水华的早期预警和预防提供科学依据.

延性金属层裂强度对温度、晶粒尺寸和加载应变率的依赖特性及其物理建模

层裂强度表征了材料内部最大动态抗拉能力,并与材料本身的力学性质以及损伤早期演化相关.建立层裂强度计算的解析表达式,深入认识层裂强度所包含的微细观物理涵义,有利于更好地优化延性金属材料的层裂强度.目前大量的实验表明:延性金属材料的层裂强度对加载拉伸应变率、温度效应以及材料初始微细观结构具有很强的依赖关系.本文基于对孔洞成核与增长的损伤早期演化特性的分析,以及对温度效应和晶粒尺寸与材料本身力学性质之间关系的分析,给出了简单、实用的层裂强度的解析物理模型,物理模型的计算结果与典型延性金属高纯铝、铜和钽的层裂强度实验结果基本符合,从而验证了我们给出的层裂强度模型具有较好的适用性和预测性.

急性前循环大血管闭塞梗死增长速度的影响因素及与取栓预后的关系

目的研究前循环急性大血管闭塞患者的早期梗死增长速度(Early Infarct Growth Rate,EIGR)的影响因素,及EIGR与取栓预后的关系。方法回顾性分析2020年1月至2022年6月苏州大学附属张家港医院连续性收治的前循环急性大血管闭塞的脑卒中患者,根据发病—影像时间和梗死核心体积计算出EIGR,分快速增长组(≥10 mL/h)和缓慢增长组(<10 mL/h),单因素和多因素Logistic回归分析得出影响EIGR的因素,绘制受试者工作特征(ROC)曲线评估影响因素对梗死快速增长的预测价值,再比较取栓组内不同EIGR患者的预后结局。结果共纳入168例,中位EIGR 5.79(1.58,16.57)mL/h,其中梗死快速增长(EIGR≥10 mL/h)患者67例。多因素回归分析发现房颤、低灌注强度比(hypoperfusion intensity ratio,HIR)、错配率(mismatch ratio)是影响EIGR的独立危险因素,其中房颤(OR=9.43,95%CI:1.05~84.65,P=0.045)、HIR(OR=335.25,95%CI:5.95~18889.8,P=0.005)与梗死增长速度呈正相关,Mismatch ratio[OR=0.78,95%CI(0.65~0.94),P=0.008]与梗死增长速度呈负相关,ROC曲线分析显示,三个独立危险因素联合预测梗死快速增长的曲线下面积(AUC)为0.914(95%CI:0.872~0.956,P<0.001)。在机械取栓患者中,快速增长组的90 d良好预后率明显下降(OR=0.26,95%CI:0.07~0.88,P=0.030),症状性颅内出血率和病死率均增高(OR=15.13,95%CI:2.44~93.24,P=0.004)和(OR=30.99,95%CI:3.43~279.95,P=0.002)。结论房颤、HIR、错配率是影响前循环急性大血管闭塞患者EIGR的独立危险因素,且对快速增长型EIGR有较好的预测价值,早期梗死增长速度影响机械取栓患者的预后结局。

Early Stage Software Reliability Estimation with Stochastic Reward Nets

This paper presents software reliability modeling issues at the early stage of a software development for fault tolerant software management system. Based on Stochastic Reward Nets, an effective model of hierarchical view for a fault tolerant software management system is put forward, and an approach that consists of system transient performance analysis is adopted. A quantitative approach for software reliability analysis is given. The results show its usefulness for the design and evaluation of the early-stage software reliability modeling when failure data is not available.